Intelligenza artificiale e domanda di energia: una prospettiva geografica

Abstract

L’intelligenza artificiale è strettamente legata alla questione energetica. Le sue infrastrutture fondamentali, i data center, richiedono grandi quantità di energia. Questa forte dipendenza da fonti energetiche concentrate nello spazio rende l’IA una tecnologia territorialmente selettiva e, al tempo stesso, ambivalente: può contribuire all’efficienza energetica e alla transizione ecologica, ma può anche generare nuovi squilibri socio-ambientali. La crescente domanda globale di energia da parte dei data center, che secondo l’International Energy Agency potrebbe più che raddoppiare entro il 2030, incide in modo significativo sull’organizzazione spaziale delle infrastrutture digitali. I criteri localizzativi dei data center variano in base alla funzione svolta nell’ambito dell’intelligenza artificiale, distinguendo due fasi: training e inferenza. La fase di training richiede grandi quantità di energia ma non impone vincoli stringenti sulla latenza della rete. Per questo motivo, i data center dedicati a questa fase tendono a essere collocati in aree periferiche. Nella fase di inferenza, che comporta l’interazione in tempo reale tra l’intelligenza artificiale e gli utenti, la priorità diventa la velocità e l’affidabilità della rete, fattori che spingono la localizzazione dei data center in prossimità dei grandi centri urbani. Queste scelte generano ingiustizie ambientali e energetiche, in cui alcuni territori si specializzano nell’attrazione di grandi infrastrutture digitali (spesso ad alto impatto ambientale), subendone gli effetti negativi. La presenza di data center hyperscale può infatti innescare conflitti legati all’uso delle risorse energetiche e ambientali, mettendo in luce il ruolo sempre più centrale del territorio nelle dinamiche dell’economia digitale.