Efficienza del compute IA e pressione sulla rete: quale margine per contenere il boom dei data center

BloombergNEF stima che entro il 2035 i data center potrebbero assorbire il 20% dell’elettricità USA, quattro volte l’oggi. Quasi metà della capacità prevista servirà addestramento e inference. La tesi: la corsa a modelli più leggeri e a silicio dedicato può ridurre i token per unità di potenza, ma la scala del carico IA e la sua concentrazione geografica rischiano di mangiarsi i guadagni d’efficienza.

1) Scala del problema: numeri e concentrazione

BloombergNEF prevede una capacità complessiva vicina a 200 gigawatt nel prossimo decennio. L’IA traina la crescita. Quasi la metà di quella capacità alimenterà addestramento e inference. La maggior parte resterà negli Stati Uniti.

La concentrazione è anche hardware. Entro il 2033 gli USA potrebbero ospitare il 64% dei chip per l’IA, misurati per domanda di potenza. Questo sposta la pressione su aree specifiche, non in modo diffuso.

Le stime salgono. BloombergNEF ha alzato dell’83% la previsione per il 2035 rispetto a dicembre. Altre organizzazioni hanno rivisto al rialzo. EPRI ha più che raddoppiato la stima del 2024. S&P l’ha aumentata di oltre un terzo tra ottobre e aprile.

Questa traiettoria impone scelte su localizzazione dei siti e tempi di connessione. La domanda IA entra nel mix elettrico come un settore industriale.

2) Efficienza software: modelli ottimizzati per inferenza

Google DeepMind ha introdotto tre varianti Gemini Flash. L’obiettivo è chiaro: efficienza, latenza e affidabilità per team che scalano agenti con vincoli di costo e tempi stretti. È una risposta al peso dell’inference nel profilo di carico.

Gemini 3.6 Flash è il “workhorse model” della linea. Migliora in coding, lavoro di conoscenza e multimodalità. Riduce fino al 17% i token in inferenza rispetto a 3.5 Flash. A parità di compito, costa meno perché consuma meno token.

Gemini 3.5 Flash-Lite si posiziona come opzione più economica. Ottimizza il rapporto costo/beneficio con enfasi su efficienza e bassa latenza. Gemini 3.5 Flash Cyber si specializza nella sicurezza del codice. L’accesso è limitato: programma pilota per governi e partner considerati affidabili.

Il modello Cyber nasce su 3.5 Flash. Punta a scoprire, validare e correggere vulnerabilità a costi contenuti. Secondo l’azienda, è più efficace dei modelli generali della stessa famiglia su questi tre compiti. The Verge conferma l’uso dentro CodeMender per identificare e correggere vulnerabilità. CodeMender può richiamarlo molte volte, con latenza e costi ridotti, per ampliare la copertura del codice analizzato.

Qui emerge un punto di metodo. L’efficienza a livello di token riduce la spesa per inferenza. Ma l’aumento del numero di chiamate possibile a parità di budget può far crescere il volume di lavoro svolto. Per i data center, quindi, conta il carico totale che arriva agli acceleratori, non solo il costo per chiamata.

Infine, l’azienda non aggiorna Gemini Pro. L’ultimo rilascio resta quello di febbraio.

3) Efficienza hardware: silicio dedicato e limiti di certezza

Alphabet lavora a un chip server interno, nome in codice “Frozen v2”. Le fonti indicano un’uscita indicativa nel 2028 e un obiettivo di efficienza 6-10 volte superiore per i modelli Gemini. La metrica citata misura i token generati per unità di potenza. Restano non specificati i carichi, le condizioni di test e l’esatta base di confronto. Google non ha confermato né smentito. Ha richiamato la propria ricerca “full stack” e il fatto che non ogni progetto entra in produzione.

Il segnale, al netto delle incertezze, è chiaro: l’efficienza per unità di potenza diventa una leva esplicita anche a livello di silicio. La catena software‑hardware allinea gli obiettivi: ridurre i token per compito e aumentare i token per unità di potenza.

Qui la variabile tempo pesa. Progettare e distribuire nuovi chip richiede anni. La domanda dei data center, secondo BloombergNEF, corre già ora verso quota 200 gigawatt nel prossimo decennio. La finestra per ammortizzare il vantaggio di efficienza dipende dai cicli di aggiornamento dei cluster e dall’integrazione in produzione. Le fonti non offrono dettagli su tempi di adozione. Restano domande aperte.

4) Implicazioni operative e scenari di scelta

Tre evidenze emergono dai fatti.

• La scala del carico IA. Quasi metà della capacità attesa servirà addestramento e inference. L’IA non è un carico marginale: pesa sulla pianificazione della capacità.

• La concentrazione geografica. Entro il 2033 gli USA potrebbero ospitare il 64% dei chip IA per domanda di potenza. La maggior parte dei data center resterà negli Stati Uniti. La pressione sull’infrastruttura si addensa su nodi specifici.

• L’asimmetria tra domanda ed efficienza. L’azienda spinge modelli che riducono i token in inferenza fino al 17%. Secondo le indiscrezioni, mira a 6-10× token per unità di potenza con un chip dedicato. Senza carichi e basi di confronto pubblici, l’impatto reale resta da misurare. Nel frattempo, i team di sicurezza possono ampliare la copertura del codice con 3.5 Flash Cyber via CodeMender, a costi e latenza contenuti. Questo aumenta il lavoro utile svolto dagli acceleratori e il volume di inferenze da servire.

In sintesi operativa, i segnali si allineano: i fornitori spingono verso efficienza per token; i gestori vedono crescere il carico assoluto; la concentrazione geografica amplifica l’effetto rete. Le revisioni al rialzo di BloombergNEF, EPRI e S&P indicano che la curva della domanda corre più veloce delle attese recenti. Il compito, per chi costruisce e regola infrastrutture IA, è aggiornare gli scenari con questi numeri e con l’incertezza tecnica sui guadagni promessi dal nuovo silicio.

La chiusura torna alla sicurezza: l’azienda segnala che agenti di IA possono oggi trovare vulnerabilità più rapidamente di quanto i difensori riescano a correggerle. Se i modelli leggeri abilitano più cicli di discovery e patch, la stessa logica si applica ad altri domini di inference intensiva. Il risultato pratico, sul fronte energetico, è che l’efficienza per unità di potenza è necessaria per contenere i consumi, ma non sufficiente senza scelte di sito e capacità coerenti con una domanda che si sta concentrando e accelerando.