Riassumi questo articolo di notizie con l'intelligenza artificiale:
Chiedi a ChatGPT
Chiedi a Grok
Chiedi a Perplexity
Chiedi a Claude
Chiedi a Google AIL'intelligenza artificiale sta ostacolando il raggiungimento degli obiettivi di net-zero da parte delle imprese? A giudicare dai numeri, sembrerebbe di sì. La domanda di infrastrutture ad alta intensità di calcolo cresce proprio mentre le organizzazioni cercano di rispettare ambiziosi target di sostenibilità. Il paradosso è evidente: una tecnologia su cui le aziende puntano per aumentare produttività ed efficienza sta facendo lievitare anche i consumi energetici.
Più carichi di lavoro basati sull'AI vengono introdotti, maggiore è l'energia elettrica richiesta dai data center. Secondo l'International Energy Agency (IEA), il consumo di elettricità dei data center è destinato a raddoppiare entro il 2030.
La crescente adozione dell'AI non farà che aggravare questa situazione, alimentando preoccupazioni sempre più diffuse. Basti pensare che il 14 luglio lo Stato di New York ha annunciato una moratoria sulla costruzione di nuovi data center, proprio a causa delle preoccupazioni legate ai consumi energetici.
Limitarsi però ad affermare che AI e sostenibilità siano destinate a entrare in conflitto significa trascurare un aspetto fondamentale. Le stesse strategie di modernizzazione dell'infrastruttura che rendono possibile l'adozione dell'intelligenza artificiale possono anche trasformare i data center in strutture più sostenibili, efficienti e ottimizzate.
Perché l'AI sta ridefinendo la sostenibilità dei data center
Perché l'intelligenza artificiale consuma così tanta energia?
L'AI richiede una quantità di energia significativamente superiore rispetto alle tradizionali applicazioni enterprise, perché si basa su elaborazione altamente parallela e cluster di GPU ad alta densità, progettati per gestire enormi volumi di dati. Questi carichi di lavoro assorbono grandi quantità di elettricità e generano molto calore, che deve essere dissipato attraverso sistemi di raffreddamento sempre più sofisticati. Un grande data center può arrivare a consumare fino a 5 milioni di galloni d'acqua al giorno.
A rendere ancora più elevato il fabbisogno energetico non sono solo la capacità di calcolo e il raffreddamento, ma anche l'impatto che l'AI esercita sull'intera infrastruttura del data center.
I modelli di intelligenza artificiale eseguono miliardi di operazioni in parallelo. Che si tratti di un Large Language Model (LLM) o dell'esecuzione di inferenze in tempo reale, questi workload portano processori, memoria, storage e rete ai limiti delle loro capacità: livelli prestazionali che le infrastrutture enterprise tradizionali non erano mai state progettate per sostenere.
Le GPU sono in grado di eseguire migliaia di operazioni contemporaneamente, ma queste prestazioni hanno un costo. I cluster GPU ad alta densità consumano molta più energia rispetto agli ambienti tradizionali basati su CPU e producono una quantità di calore significativamente maggiore. Di conseguenza, il raffreddamento è diventato uno degli elementi chiave nella progettazione dell'infrastruttura.
L'AI esercita inoltre una pressione costante sull'intero stack tecnologico. Dataset di dimensioni enormi devono essere archiviati, trasferiti e resi disponibili ad alta velocità. Le reti devono gestire volumi di traffico sempre maggiori con latenza minima, mentre i sistemi di storage devono garantire prestazioni elevate e costanti per alimentare workload sempre più esigenti. Quando ogni livello dell'infrastruttura è chiamato a fare di più, inevitabilmente cresce anche il fabbisogno energetico complessivo.
La crescente sfida energetica
Le aziende hanno sempre dovuto fare i conti con server sottoutilizzati, strumenti di gestione frammentati e capacità elaborativa inutilizzata. Le inefficienze IT non sono una novità. Ciò che cambia con l'intelligenza artificiale è il costo di queste inefficienze.
L'evoluzione dell'economia dei data center fa sì che ogni nuovo progetto AI debba competere per risorse limitate: spazio nei rack, disponibilità di potenza elettrica, capacità di raffreddamento e budget IT. In questo scenario, limitarsi ad aggiungere nuovi server o ulteriori GPU diventa sempre più difficile da giustificare, sia dal punto di vista economico sia da quello operativo.
Per alcune aziende, la disponibilità stessa di energia elettrica rappresenta ormai un vincolo concreto. Per altre, il limite è costituito da infrastrutture che non sono in grado di supportare workload AI ad alta densità senza investimenti significativi nell'aggiornamento dei sistemi di distribuzione elettrica e di raffreddamento. Interventi di questo tipo richiedono investimenti in conto capitale (CapEx) tutt'altro che trascurabili.
Parallelamente, la crescente attenzione alla sostenibilità rende ancora più complessa qualsiasi espansione fisica dei data center. Investitori, autorità di regolamentazione e clienti si aspettano che le imprese riducano costantemente le proprie emissioni di carbonio. Nell'Unione Europea, la sostenibilità dei data center è ormai considerata una priorità anche a livello di policy infrastrutturali.
L'intelligenza artificiale continua a promettere importanti guadagni in termini di produttività e innovazione. Tuttavia, questi benefici devono oggi essere bilanciati con l'impatto ambientale di un'infrastruttura IT sempre più energivora.
Cosa rende un data center realmente efficiente dal punto di vista energetico?
Come migliorare l'efficienza energetica di un data center
Le organizzazioni possono aumentare l'efficienza energetica dei propri data center migliorando il livello di utilizzo dell'infrastruttura, consolidando le risorse, automatizzando le attività operative e adottando piattaforme integrate che riducono la proliferazione dell'hardware e sfruttano in modo più efficace la capacità di calcolo disponibile.
L'obiettivo è duplice: consumare meno energia e ottenere il massimo valore da ogni watt impiegato.
La crescita di un data center segue spesso uno schema prevedibile. Quando aumenta la domanda, si aggiungono nuovi server, più storage e ulteriori apparati di rete. Sebbene questo approccio garantisca la capacità necessaria, introduce anche maggiore complessità e aumenta il consumo energetico complessivo.
Oggi i workload di intelligenza artificiale stanno mettendo in evidenza i costi nascosti delle infrastrutture frammentate. Ogni processo di gestione duplicato incrementa il carico operativo, mentre ogni silo infrastrutturale riduce l'efficienza complessiva del data center.
Cinque strategie per costruire un data center più efficiente
Per i responsabili dei data center, ogni nuovo progetto di AI inizia con una domanda fondamentale: quanta capacità elaborativa sarà necessaria? Occorre stimare il fabbisogno di calcolo, valutare l'investimento in hardware e calcolare l'impatto in termini di alimentazione elettrica, raffreddamento e spazio disponibile nei rack.
In alcuni casi, la risposta consiste nell'aggiungere nuove risorse hardware. Molto spesso, però, l'opportunità è un'altra. I sistemi esistenti potrebbero essere utilizzati ben al di sotto della loro capacità, distribuiti su piattaforme diverse o gestiti in modo poco efficiente, lasciando inutilizzate preziose risorse di calcolo.
Prima di ampliare fisicamente il data center, sempre più aziende si chiedono quanta ulteriore capacità possano ottenere valorizzando gli asset già presenti.
È proprio questo cambio di prospettiva a distinguere un data center semplicemente più grande da uno realmente più efficiente.
1. Ridurre l'impronta infrastrutturale dei server
Il server più sostenibile potrebbe essere quello che non sarà mai necessario installare.
I data center operano ininterrottamente, ma nella maggior parte dei casi i server lavorano con livelli medi di utilizzo relativamente bassi. Preziose risorse di calcolo restano inattive pur continuando a consumare energia, richiedere raffreddamento, occupare spazio nei rack e generare costi di manutenzione.
Il consolidamento dei server consente di riequilibrare questa situazione, concentrando un numero maggiore di workload su un numero inferiore di macchine fisiche.
Oltre a ridurre i consumi energetici, il consolidamento prolunga il ciclo di vita dell'hardware, semplifica le attività di gestione e libera capacità preziosa per supportare la crescita futura del data center. Rappresenta inoltre la base su cui costruire strategie di modernizzazione più avanzate.
2. Massimizzare l'utilizzo delle risorse attraverso la virtualizzazione
Il consolidamento produce benefici limitati se i workload non possono essere gestiti in modo dinamico. È qui che la virtualizzazione dei server e le moderne piattaforme di virtualizzazione diventano elementi fondamentali.
La virtualizzazione separa le applicazioni dall'hardware fisico, consentendo di allocare dinamicamente le risorse di calcolo dove sono realmente necessarie, anziché vincolarle a singoli server.
Questo permette alle organizzazioni di distribuire nuovi workload più rapidamente, aumentare il tasso di utilizzo dell'infrastruttura e ridurre la capacità in eccesso mantenuta esclusivamente come margine di sicurezza.
Nell'era dell'intelligenza artificiale, in cui le esigenze infrastrutturali possono cambiare rapidamente, un maggiore utilizzo delle risorse significa una migliore efficienza operativa e aumenta la probabilità che ogni watt consumato venga impiegato per attività realmente produttive.
3. Semplificare l'infrastruttura con l'architettura iperconvergente
Con la crescita degli ambienti virtualizzati, la complessità può rapidamente annullare i benefici che la virtualizzazione stessa dovrebbe generare.
L'infrastruttura iperconvergente (HCI) affronta questo problema integrando elaborazione, storage, rete e virtualizzazione in un'unica piattaforma software-defined. Anziché gestire componenti infrastrutturali separati, i team IT dispongono di un ambiente operativo unificato, più semplice da implementare, scalare e amministrare.
Questa architettura integrata riduce la proliferazione dell'hardware, semplifica le attività operative quotidiane e crea una base più efficiente per supportare i moderni workload aziendali, comprese le applicazioni di intelligenza artificiale che richiedono infrastrutture flessibili e facilmente scalabili.
4. Ottimizzare le risorse in modo intelligente
Acquistare nuove risorse oppure ottenere di più da quelle già disponibili?
Le infrastrutture moderne sfruttano il bilanciamento intelligente dei workload, la pianificazione predittiva della capacità e strumenti di gestione assistiti dall'intelligenza artificiale per distribuire le risorse in modo più efficiente. L'obiettivo è ridurre i colli di bottiglia ed evitare il sovradimensionamento dell'infrastruttura.
Invece di mantenere capacità inutilizzata "per ogni evenienza", l'infrastruttura è in grado di adattarsi dinamicamente all'evoluzione delle esigenze di business. Il risultato è una maggiore capacità elaborativa a parità di infrastruttura fisica e un utilizzo più efficiente dell'energia in tutto l'ambiente IT.
5. Automatizzare per garantire un'efficienza continua
Un data center efficiente non viene semplicemente progettato: deve continuare a esserlo nel tempo.
L'automazione riduce il lavoro manuale necessario per distribuire nuovi workload, bilanciare le risorse, monitorare lo stato dei sistemi e mantenere operazioni coerenti in ambienti complessi. Attività di routine che un tempo richiedevano un costante intervento degli amministratori possono oggi essere eseguite automaticamente, migliorando sia la continuità operativa sia il livello di utilizzo dell'infrastruttura.
Con l'evoluzione dei workload AI, l'automazione diventa sempre più importante per garantire prestazioni elevate, affidabilità ed efficienza energetica su larga scala.
Invece di aggiungere continuamente nuovo hardware per affrontare nuove esigenze, le organizzazioni possono eliminare gli sprechi nascosti dovuti a configurazioni errate, sovradimensionamento delle risorse e gestione poco trasparente dell'infrastruttura.
Sostenibilità e prestazioni non devono essere un compromesso
L'intelligenza artificiale sta costringendo le organizzazioni a ripensare il ruolo dell'infrastruttura IT. Oggi, oltre a prestazioni e scalabilità, anche il livello di utilizzo delle risorse e l'efficienza energetica sono diventati parametri fondamentali per misurarne il valore.
È in questo contesto che Sangfor Technologies sta contribuendo a ridefinire il panorama delle infrastrutture enterprise. La piattaforma Sangfor Hyperconverged Infrastructure (HCI) supera i limiti delle tradizionali architetture a silos, offrendo un'infrastruttura software-defined unificata che integra strettamente elaborazione (aSV), storage distribuito (aSAN) e networking virtualizzato (aNet).
Mentre molte soluzioni si affidano ancora a strumenti di sicurezza aggiuntivi e frammentati, Sangfor integra la sicurezza nativa a livello di kernel (aSEC) direttamente nell'hypervisor, consentendo di bloccare gli attacchi ransomware alla radice e di applicare in modo trasparente la micro-segmentazione della rete.
Per garantire la continuità operativa a livello enterprise, Sangfor mette inoltre a disposizione un ecosistema integrato, validato da leader internazionali nella protezione dei dati e nella business continuity: Veeam, per backup avanzato, ripristino e orchestrazione del disaster recovery, e Cohesity, per la gestione completa dei dati e la conformità normativa.
I team IT possono così beneficiare di una gestione centralizzata e di un'orchestrazione intelligente delle risorse. L'utilizzo dell'infrastruttura aumenta, mentre si riduce la proliferazione dell'hardware. Il bilanciamento automatico dei workload consente di sfruttare in modo più efficiente la capacità di calcolo disponibile, mentre la sicurezza integrata elimina la necessità di aggiungere numerosi strumenti specialistici.
Il risultato è un'infrastruttura capace di crescere in modo efficiente insieme all'adozione dell'intelligenza artificiale. Le organizzazioni possono supportare nuovi workload, rafforzare la resilienza operativa e ottenere il massimo da ogni server, da ogni applicazione e da ogni watt consumato, senza dover espandere continuamente il proprio data center.
La sfida della sostenibilità dei data center in numeri
945 TWh
Secondo l'International Energy Agency (IEA), entro il 2030 il consumo globale di elettricità dei data center raggiungerà 945 terawattora, oltre il doppio rispetto ai livelli del 2024 e pari a quasi il 3% della domanda mondiale di energia elettrica. Il principale fattore di crescita sarà proprio l'intelligenza artificiale.
9,3 trilioni di litri d'acqua
Secondo un rapporto sostenuto dalle Nazioni Unite, entro il 2030 i data center dedicati all'AI potrebbero consumare 9,3 trilioni di litri d'acqua ogni anno, evidenziando come il raffreddamento stia diventando una sfida di sostenibilità importante quanto il consumo di energia.
+26% in un solo anno
Gartner prevede che il consumo mondiale di elettricità dei data center aumenterà del 26% già entro il prossimo anno, raggiungendo 565 TWh, trainato dalla rapida diffusione delle infrastrutture dedicate all'intelligenza artificiale.
Data center in aree poco favorevoli al raffreddamento
Circa l'80% dei data center si trova in aree geografiche che non offrono condizioni climatiche ideali per un raffreddamento naturale. Con l'aumento della densità dei rack e della produzione di calore dovuti all'AI, progettare infrastrutture più efficienti diventa essenziale per contenere consumi e dispersione energetica.
Progetti bloccati
Nel corso del 2026, oltre 75 progetti di data center, per un valore stimato di 130 miliardi di dollari, sono stati rinviati o sospesi a causa della limitata disponibilità di energia elettrica e acqua. Un segnale evidente di come l'accesso alle risorse energetiche stia diventando un fattore strategico per l'espansione dell'intelligenza artificiale.
Un data center può consumare quanto due città
I più grandi data center AI attualmente in costruzione potrebbero arrivare a consumare una quantità di elettricità pari al doppio di quella utilizzata dall'intera città di New Orleans, a dimostrazione della scala senza precedenti raggiunta dalle infrastrutture di nuova generazione.
Il punto di svolta del 2027
Entro il prossimo anno, i server ottimizzati per l'intelligenza artificiale dovrebbero consumare più energia di tutti i server tradizionali presenti nei data center messi insieme. Un cambiamento destinato a ridefinire profondamente il modo in cui le infrastrutture enterprise utilizzano l'energia.
La nuova corsa all'infrastruttura: ottenere di più con meno
Ogni grande rivoluzione tecnologica presenta un costo inatteso. Il cloud e il modello Software as a Service (SaaS) hanno accelerato la diffusione dei data center hyperscale. Lo streaming ha trasformato le reti a banda larga. Oggi è l'intelligenza artificiale a ridisegnare l'infrastruttura IT, influenzando persino gli equilibri dei mercati energetici.
L'AI, però, non crea inefficienza: la rende semplicemente evidente. Le organizzazioni che costruiranno i data center più grandi non saranno necessariamente quelle destinate ad avere successo. Il vantaggio competitivo andrà a chi saprà realizzare infrastrutture più efficienti.
Riconosciuta da Gartner e scelta da oltre 28.000 clienti nel mondo, Sangfor HCI consente di integrare in un'unica architettura elaborazione, storage, networking, sicurezza nativa, backup e disaster recovery.
Tra le funzionalità disponibili figurano High Availability (HA), Continuous Data Protection (CDP), protezione antivirus in tempo reale e servizi di Disaster Recovery, oltre a strumenti che semplificano la migrazione da ambienti legacy, virtualizzati e cloud.
In questo modo le aziende possono migliorare l'efficienza energetica, semplificare la gestione dell'infrastruttura e affrontare con maggiore sicurezza il percorso di modernizzazione richiesto dall'intelligenza artificiale.
FAQs
Un data center ad alta efficienza energetica è progettato per massimizzare il valore di ogni unità di capacità elaborativa, riducendo al minimo i consumi energetici, le esigenze di raffreddamento e gli sprechi di hardware. Più che affidarsi esclusivamente a componenti più efficienti, le organizzazioni migliorano le prestazioni energetiche aumentando il tasso di utilizzo dei server, consolidando i workload, adottando la virtualizzazione e implementando infrastrutture iperconvergenti (HCI) per semplificare la gestione dell'infrastruttura. Il risultato è un data center capace di sostenere la crescita del business con un'impronta fisica più contenuta e costi operativi inferiori.
I workload di intelligenza artificiale richiedono una capacità elaborativa nettamente superiore rispetto alle tradizionali applicazioni aziendali. I modelli AI si basano su GPU ad alte prestazioni, sistemi di storage ad alta velocità e reti a bassa latenza, componenti che consumano più energia e producono più calore rispetto ai carichi di lavoro convenzionali.
Con l'aumentare dell'adozione dell'intelligenza artificiale, le organizzazioni hanno bisogno di infrastrutture in grado di garantire prestazioni elevate, migliorando al tempo stesso l'utilizzo delle risorse e riducendo i consumi energetici non necessari.
L'infrastruttura iperconvergente (HCI) migliora l'efficienza energetica integrando elaborazione, storage, networking e software di virtualizzazione in un'unica piattaforma software-defined. Questo approccio riduce il numero di server fisici necessari, aumenta il livello di utilizzo delle risorse, semplifica la gestione dell'infrastruttura ed elimina molte delle inefficienze tipiche delle architetture a silos.
Ottenendo di più con un numero inferiore di risorse fisiche, l'HCI consente alle organizzazioni di realizzare data center più sostenibili, efficienti e facilmente scalabili.
Sì. La virtualizzazione dei server consente di eseguire più workload su un numero ridotto di server fisici, aumentando il livello di utilizzo delle risorse e diminuendo il fabbisogno di hardware, il consumo energetico e le esigenze di raffreddamento.
Per molte organizzazioni rappresenta un passaggio fondamentale verso la realizzazione di un green data center e il raggiungimento degli obiettivi di sostenibilità e delle strategie ESG. Inoltre, crea una base infrastrutturale più flessibile, in grado di adattarsi all'evoluzione delle esigenze del business e delle applicazioni di intelligenza artificiale.
Assolutamente sì. Le moderne piattaforme HCI offrono la scalabilità, la flessibilità e la gestione centralizzata necessarie per supportare sia i workload di intelligenza artificiale sia le tradizionali applicazioni enterprise. Integrando elaborazione, storage, networking e virtualizzazione in un'unica piattaforma, l'infrastruttura iperconvergente semplifica la gestione dell'ambiente IT, migliorando al contempo prestazioni, resilienza ed efficienza energetica.
Per le organizzazioni che stanno modernizzando il proprio data center, rappresenta una base infrastrutturale già pronta per l'AI, capace di sostenere la crescita futura senza introdurre complessità non necessarie.
