C’è qualcosa di importante che però può sfuggire quando si guarda a come evolve lo scenario dell’intelligenza artificiale ed a quali sono i suoi impatti: “si sta verificando lo sviluppo infrastrutturale più rilevante della storia, più di quanto è accaduto con lo sviluppo delle reti ferroviarie o con la prima Rivoluzione Industriale”, mette in evidenza Rod Evans, Vice President AI Cloud Infrastructure di Nvidia durante la sua presentazione alla Vertiv Week 2026. A guardare le previsioni, difficile dargli torto: a seconda di quanto si voglia essere ottimisti, per il 2030 si prevede una domanda di potenza nei data center che varia tra 170 e 300 Gigawatt. E le somme di denaro in gioco oggi per l’AI, fatte le debite proporzioni, superano le rivoluzioni tecnologiche precedenti che Evans cita.

Che tutto questo derivi dal boom dell’AI è fuori di dubbio, meno immediato è comprendere come l’evoluzione dell’AI stia già impattando sulle strategie di sviluppo dei data center operator. Una stima conservativa della domanda di computing nel 2030 vede una richiesta di circa 220 GW dovuta prevalentemente (71%) ai carichi di AI. Ma è anche vero che sempre nel 2030 si prevede che quei carichi di AI siano soprattutto (60% circa) legati all’inferenza e non all’addestramento dei modelli.

Il maggior preso dell’inferencing, spiega Evans, è una opportunità per l’Europa: la domanda europea di computing AI è già adesso legata all’inferenza, che deve essere eseguita vicino a dove sono utenti e dati relativi; ci sono già migliaia di imprese europee che stanno lavorando in campo AI; l’Europa ha sostanzialmente perso il treno dei modelli di AI di frontiera ma ha tassi di adozione dell’AI che superano la media statunitense. Insomma: non saremo leader di frontiera ma possiamo puntare su altri aspetti.

Tutto questo spiega perché buona parte delle nazioni europee stanno incrementando sensibilmente lo sviluppo del loro parco data center, portando tra l’altro il Vecchio Continente a (parzialmente, forse, pian piano) colmare il gap con la forte crescita dei data center statunitensi. Che per varie ragioni, dalla lentezza della burocrazia al “sentiment” sempre più negativo delle comunità locali, stanno perdendo accelerazione. Dei 12 Gigawatt di nuovo installato pianificati per il 2026 negli USA ne vedremo forse 5, dei 36 previsti per il 2027 se ne concretizzeranno probabilmente 7. Cifre che possono cambiare, ovviamente, ma che descrivono uno scenario globale dei data center che si sta, come minimo, facendo più omogeneo.

La crescente importante dei workload di inferenza sta anche spingendo la diffusione degli edge data center, proprio perché per fare inferencing non servono le AI Gigafactory indispensabili invece per il traning, e perché l’inferenza deve essere per forza delocalizzata vicino a chi i workload li ha attivati. “Oggi si parla molto di data center da cinque o anche solo un Megawatt: l’edge computing non ha forse avuto un vero successo per la parte di elaborazione pura ma lo avrà certamente per quella di intelligenza artificiale”, rimarca Evans.

In ogni caso, all’edge come al centro dello sviluppo dell’intelligenza artificiale, per Nvidia le AI Factory sono letteralmente le fabbriche della nuova economia abilitata dall’AI. E il problema principale diventa, dal punto di vista tecnologico e progettuale dei data center, gestire nel miglior modo possibile il processo che trasforma la “materia prima” di oggi - l’energia elettrica - nel prodotto pregiato del momento: i token dell’AI. Questo processo coinvolge cinque livelli tecnologici: l’energia, i chip, l’infrastruttura, i modelli di AI, le applicazioni. “Il concetto chiave è che l’AI è un sistema a più livelli in cui non ne puoi ignorare nessuno”, rimarca Evans, ed ecco perché fare AI oggi significa in un certo senso “pensare full stack”: dal chip allo storage, al networking, al data center, al software, all’energia, al condizionamento.

Secondo Nvidia il lato positivo è che a pensare full stack è lei per prima, in particolare fornendo reference architecture riproducibili che gli utenti e i loro partner tecnologici possono usare per realizzare infrastrutture che possano estrarre le massime performance possibili dalle soluzioni di Nvidia stessa. Anche perché le reference architecture coprono tutte le componenti di base essenziali: l’infrastruttura “pura” (alimentazione, cooling e via dicendo), le componenti hardware IT (sistemi Nvidia, storage, networking), la parte di virtualizzazione e interfaccia applicativa. Metaforicamente “sopra” tutto questo c’è il mondo software, Nvidia e non, che può essere anch’esso modellato secondo reference design di Nvidia.

Fonte: Nvidia

Sulla base delle sue reference architecture e dei suoi reference design si può, spiega Nvidia, realizzare di tutto in campo intelligenza artificiale. Di certo esplorare le evoluzioni più interessanti dell’AI - che per Nvidia sono, e non da oggi, legate alla “physical AI” e quindi alla robotica - ma anche affrontare, sottolinea Evans, un tema chiave per l’Europa: la sovranità digitale. Qui Nvidia spinge il tema dei modelli di AI open source od open weight: sono questi che permettono di democratizzare l’intelligenza artificiale e diventare autonomi nel suo sviluppo. Per come la spiega Evans: non essere più solo “taker” (chi prende le soluzioni di AI sviluppate da altri) ma anche “maker” (chi l’AI se la fa in prima persona).

In tutto questo la sostenibilità dei data center è un tema portante e non solo di facciata, perché è per primo chi gestisce un data center a voler massimizzare la sua “produzione” (i token) in rapporto al consumo di energia. Il punto di partenza non è buono, ammette Evans, perché le inefficienze delle reti energetiche e delle infrastrutture IT tradizionali fanno sì che alla generazione di token arrivi il 60-70% dell’energia assorbita da un data center. Per aumentare questa percentuale bisogna lavorare su più fronti: alimentazione a 800V in corrente continua, raffreddamento a liquido ad alta temperatura, gestione dinamica dei workload, tecnologie di power e thermal management, consumo di acqua, e molto altro.

Nvidia sta ovviamente lavorando su molti di questi aspetti, da sola e in collaborazione con i suoi partner tecnologici di riferimento (molto con Vertiv, coinvolta pesantemente nel passaggio agli 800V e al liquid cooling generalizzato). Una grossa mano viene dalle tecnologie DSX di simulazione e di digital twin che la società sta applicando alla progettazione e alla gestione dei data center. I digital twin permettono di esaminare in estremo dettaglio il funzionamento di un data center, un dettaglio che diventa essenziale se pensiamo che nel giro di due anni la potenza di un server rack di punta per l’AI raggiungerà il Megawatt, dai circa duecento di oggi. Qualsiasi ottimizzazione, anche piccola, avrà su larga scala impatti davvero significativi.