Valore prodotto e sprechi. E qui la scommessa dei data center

Fra le motivazioni per cui tanti elettori hanno votato per il Partito democratico, martedì scorso, ci sarebbe anche una preoccupazione diffusa per i data center. Consumo di suolo e grandi necessità di acqua ed elettricità – già nel 2025 la domanda elettrica dei data center americani pesava per circa il 5 per cento del totale – li rendono una minaccia per la sostenibilità ambientale. Ma anche la sostenibilità economica non è scontata. La portata della scommessa è enorme. Dopo le trimestrali di ottobre 2026, la spesa in conto capitale dei maggiori investitori tecnologici è stimata in oltre 800 miliardi di dollari per l’anno. Questi investimenti contribuiscono in modo significativo alla crescita Usa, per quanto le stime siano diverse.

Perché costruire nuovi centri di calcolo? L’idea è che il miglioramento dei modelli linguistici avvenga a tassi relativamente costanti all’aumentare dei parametri, dei dati e della potenza di calcolo impiegata nell’addestramento. La strategia dell’industria sembra dunque essere: più calcolo significa modelli migliori e vantaggio di mercato. C’è però un salto logico. Le regolarità empiriche riscontrate finora non corrispondono a una legge di natura. Arriverà il momento in cui il data center in più costerà più dei benefici prodotti, anche in termini di apprendimento. La questione è complessa e riguarda fattori economici, non solo il funzionamento degli LLM. Nella corsa all’accumulo di potenza di calcolo conta anche la percezione che su quel terreno si giochi la gara del primato geopolitico. Se in ballo c’è l’egemonia americana, la tentazione è staccare un assegno in bianco. Alcune stime ipotizzano ricavi annui nell’ordine di migliaia di miliardi per giustificare la capacità prevista. I ricavi crescono rapidamente, ma non è così facile pesarli. C’è differenza tra il run-rate – cioè il valore annualizzato degli ultimi dati disponibili, proiettato su dodici mesi – e i ricavi contabilizzati.

I data center non sono tutti uguali. Edifici, collegamenti elettrici e sistemi di raffreddamento possono durare decenni. Acceleratori e server hanno cicli tecnologici molto più brevi. Allungarne la vita riduce gli ammortamenti, non l’obsolescenza. Immaginiamo uno scenario in cui l’AI trasformi davvero il lavoro, ma i ricavi crescano meno della capacità installata. Possiamo anche immaginare che l’efficienza migliori più rapidamente della domanda. A fallire sarebbe la scommessa infrastrutturale: la tecnologia sopravvivrebbe, ma la prima generazione di investitori prenderebbe una bella sberla.

Non sarebbe la prima volta. Ferrovie ottocentesche e reti in fibra hanno già prodotto questo paradosso: investitori rovinati e società beneficiarie dell’infrastruttura sopravvissuta alla bolla. Con l’AI c’è però un problema in più: la rapida obsolescenza degli investimenti. DeepSeek ha mostrato quanto rapidamente possano scendere i costi necessari per ottenere prestazioni competitive. I cinesi hanno, in linea di massima, avuto un approccio diverso. Con il programma “Dati a est, calcolo a ovest”, avviato nel 2022, hanno cercato di spostare le attività meno sensibili alla latenza – cioè quelle per cui un lieve ritardo nella trasmissione dei dati non compromette il servizio, come l’addestramento o l’archiviazione, a differenza delle applicazioni in tempo reale – verso regioni con costi energetici più favorevoli. Ciò ha prodotto infrastrutture imponenti, forse troppo: secondo le ricostruzioni giornalistiche, molti impianti sono rimasti sottoutilizzati.

Paradossalmente, la necessità di correggere la rotta ha avvicinato la prospettiva cinese al punto di vista del consumatore e l’ha allontanata dalle ambizioni di grandeur. Anziché cercare il modello più potente, i cinesi puntano all’adozione diffusa. Gli obiettivi ufficiali delle ultime iniziative governative riguardano la diffusione dell’intelligenza artificiale nella manifattura, nei servizi e nell’amministrazione. I modelli a pesi aperti – ossia modelli di cui sono pubblicamente disponibili i parametri addestrati, scaricabili e utilizzabili da chiunque, senza passare necessariamente dai server del produttore – e i contributi al calcolo mirano a ridurre le barriere all’ingresso. C’è, a causa delle amministrazioni americane (sia Trump sia Biden), un vincolo geopolitico: i controlli statunitensi spingono Pechino a sostenere l’hardware nazionale anche quando è meno efficiente. Per farla semplice, la Cina sfrutta l’abbondanza relativa di energia e sussidi alla domanda – tagli fino al 50 per cento sulle bollette elettriche per i data center che utilizzano chip cinesi – per compensare la scarsità di silicio avanzato.

La domanda vera non è chi vincerà la corsa, ma quale rapporto esista tra quantità di calcolo e valore prodotto. Gli Usa puntano sulla possibilità che capacità sempre maggiori generino vantaggi sufficientemente redditizi da ripagare investimenti ingenti. La Cina scommette sul valore di capacità meno costose, distribuite nell’economia reale. Se l’AI evolvesse da strumento consultivo a sistema capace di svolgere autonomamente attività complesse, la domanda di calcolo potrebbe crescere oltre le previsioni attuali. La maggiore efficienza non ridurrebbe necessariamente i consumi: renderebbe convenienti applicazioni oggi impossibili, dalla ricerca scientifica alla medicina, dalla manifattura ai servizi. Quale sarà il modello di business, però, non è chiaro. Incassare più token non significa necessariamente fare più soldi, men che meno remunerare il capitale impiegato. La reazione degli investitori alle semestrali delle compagnie high tech, nelle scorse settimane, può forse preludere a una correzione di mercato.

E’ normale che nella fase di decollo di una tecnologia ci siano sprechi. La questione cruciale è: quanti, e quanto grandi. Lo scopriremo solo col tempo. Sia i fautori che i critici della moltiplicazione dei data center potrebbero avere ragione. Ma non necessariamente per le ragioni che pensano.