Crescono le rivolte contro i data center dell’IA

Il conflitto sui data center sta ormai cambiando natura: non riguarda più soltanto gruppi ambientalisti o singoli comitati locali, ma mette in discussione il rapporto tra intelligenza artificiale, infrastrutture fisiche e comunità che devono ospitarle. Le ragioni sono molte, ma semplici. L’intelligenza artificiale appare immateriale: una domanda digitata, una risposta che arriva in pochi secondi, un modello che sembra vivere soltanto nei server.

Ma dietro ci sono edifici giganteschi, trasformatori, linee elettriche, sistemi di raffreddamento, acqua, terreni e migliaia di lavoratori impegnati nei cantieri. Più l’IA diventa invisibile nella vita quotidiana, più diventa fisicamente ingombrante nel territorio.

Negli Stati Uniti la protesta è diventata nazionale. Il 18 luglio si sono svolte 142 manifestazioni in 42 Stati contro la rapida espansione dei data center destinati anche a sostenere l’IA. Secondo Data Center Watch, tra aprile e giugno circa 45 progetti statunitensi, per un valore complessivo di 68 miliardi di dollari, sono stati bloccati o ritardati dalle opposizioni locali.

Il tema è soprattutto quello del prezzo materiale dell’intelligenza artificiale. I data center consumano enormi quantità di elettricità, richiedono infrastrutture energetiche dedicate e, a seconda delle tecnologie di raffreddamento, possono esercitare una forte pressione sulle risorse idriche.

In California, per esempio, la discussione è arrivata fino a San Jose, nel cuore della Silicon Valley, dove residenti e associazioni ambientaliste contestano nuovi impianti mentre l’amministrazione cittadina cerca di conciliare gli investimenti tecnologici con le preoccupazioni sull’energia, sull’acqua e sull’inquinamento.

Il caso più significativo è forse quello dello Stato di New York, che a luglio è diventato il primo Stato americano a introdurre una moratoria sui nuovi grandi data center, sospendendo per un periodo fino a un anno alcune autorizzazioni ambientali per gli impianti di grandi dimensioni. La misura è stata motivata dalla necessità di studiare gli effetti sulla rete elettrica, sulle bollette, sull’ambiente e sulle comunità locali.

Ma la protesta non è soltanto statunitense. In Europa i conflitti si stanno moltiplicando. In Irlanda diversi ricorsi hanno rallentato il progetto di un campus da circa un miliardo di euro a Rochfortbridge. In Scozia, il progetto Cato, da 600 MW e circa 5 miliardi di sterline, ha raccolto oltre 1.200 opposizioni durante la consultazione pubblica. Proteste e contestazioni sono emerse anche in Germania e Polonia.

In Olanda la questione riguarda direttamente Amsterdam, dove più di 500 persone hanno aderito alla campagna contro un grande data center a Zuidoost. Nel 2024 i data center rappresentavano già il 4,6% dell’intero consumo elettrico olandese, un dato che aiuta a capire perché la questione abbia assunto una dimensione politica.

E in Francia il conflitto ha assunto una forma ancora più clamorosa. A Étrechet, nel centro del Paese, il sindaco e altri amministratori locali si sono dimessi per protestare contro il progetto di un enorme data center di Google. L’impianto dovrebbe richiedere tra 880 megawatt e 1,1 gigawatt di elettricità, una potenza paragonabile a quella di un reattore nucleare. Gli amministratori hanno denunciato soprattutto il consumo di territorio e acqua, l’impatto paesaggistico e la pressione sulla rete elettrica.

In Italia il fenomeno si è sviluppato soprattutto in Lombardia. A sud di Milano è nata una rete di comitati, con mobilitazioni a Lacchiarella, Zibido San Giacomo, Opera, Rho, Bollate, Magenta e altri comuni. Le contestazioni riguardano consumo di suolo, acqua, rumore, calore, generatori e vicinanza alle abitazioni. A fine settembre la rete Stop Data Center riuniva circa venti realtà locali.

Le proteste hanno già prodotto alcuni risultati concreti. A Travagliato, nel Bresciano, il progetto di un data center da circa 120 MW è definitivamente tramontato. Dopo il parere negativo del Comune, motivato dalla mancanza di informazioni necessarie per valutare compiutamente l’impatto ambientale, la società East Gate ha ritirato la pratica edilizia e non ha depositato il progetto per l’allacciamento elettrico.

Anche a Rozzano la mobilitazione ha contribuito, secondo i comitati, alla riapertura della consultazione pubblica nell’ambito della valutazione di impatto ambientale relativa all’ampliamento di un data center. Il caso di Opera è invece ancora aperto. Il Comune ha avviato l’iter per un progetto EdgeConneX su circa 30 mila metri quadrati, con un edificio alto 18 metri e una potenza indicata in 100 MW complessivi, dei quali 60 MW di potenza IT. La documentazione comunale mostra che il progetto è tuttora dentro un percorso amministrativo, mentre cittadini e comitati stanno contestando l’intervento.

Le domande che stanno emergendo nelle comunità sono destinate a diventare centrali: chi paga l’elettricità necessaria per alimentare questi impianti? Chi paga le nuove infrastrutture? Quanta acqua possono consumare? Quanto territorio è ragionevole destinare ai server? E soprattutto, quale beneficio rimane alle comunità che sopportano i costi ambientali e infrastrutturali dei data center?

È questo il nuovo conflitto attorno all’intelligenza artificiale: non soltanto cosa può fare l’IA, ma quanto territorio, energia e risorse siamo disposti a mettere a disposizione perché possa farlo.

Fonte

Data center in Lombardia, tra conoscenza tecnica, territorio e pianificazione

Il convegno organizzato il 26 settembre all’Arci Bellezza di Milano dalla Rete dei Comitati Stop Data Center ha avuto innanzitutto un merito: mettere nella stessa discussione problemi che, fino a quando vengono affrontati separatamente, possono apparire come conseguenze locali di singoli progetti, mentre assumono un significato diverso non appena vengono osservati nella loro relazione reciproca.

Il consumo di energia e di suolo, la disponibilità di acqua, la dissipazione del calore, le emissioni degli impianti di emergenza e la costruzione delle infrastrutture elettriche necessarie, non appartengono infatti a compartimenti fra loro stagni, ma concorrono tutti a determinare l’impronta che la rapida crescita della capacità di calcolo sta imprimendo sul territorio lombardo.

Anche la struttura della giornata seguiva, non casualmente, questo percorso. Dopo l’introduzione affidata all’attivista Pietro Cataldi, la mattinata ha affrontato gli effetti ambientali e sanitari con Federica Brenta, medico chirurgo dell’Istituto Nazionale dei Tumori di Milano; Fabiana Di Pino, attivista della Rete Stop Data Center; e Sergio Manera, fisico dell’Università di Pavia ed esperto di radioprotezione presso il Laboratorio Energia Nucleare Applicata dell’ateneo.

Nel pomeriggio lo sguardo si è allargato invece alle strategie di localizzazione e alle dimensioni assunte dal fenomeno attraverso gli interventi di Alice Franchina, ricercatrice del Dipartimento di Architettura e Studi Urbani del Politecnico di Milano e componente del gruppo di ricerca ProdAction; Marco Mazzotti, professore emerito di ingegneria di processo al Politecnico federale di Zurigo; ed Enrico Duranti, attivista del Comitato Ciarlasco per la tutela del territorio.

La parte conclusiva è stata quindi dedicata al confronto tra le differenti realtà territoriali e alla costruzione del coordinamento regionale.

Non si è trattato soltanto di una successione di relazioni, perché procedere dagli effetti del singolo impianto alla distribuzione territoriale dei progetti significa modificare progressivamente la domanda dalla quale si parte. Finché si osserva un solo data center, infatti, è possibile discutere se produca troppo rumore, quanta acqua impieghi, quale terreno occupi o se i sistemi di raffreddamento adottati siano più o meno efficienti, quando invece sulla stessa carta geografica vengono sovrapposti progetti differenti, che insistono sulle medesime reti energetiche e su territori contigui, il problema diventa necessariamente quello dell’effetto complessivo prodotto dalla loro concentrazione.

Uno degli aspetti più riusciti del convegno è stato, in questo senso, l’incontro tra competenze scientifiche ed esperienze maturate nei territori, che ha permesso di sottrarre il confronto tanto a una generica paura della tecnologia quanto alla rappresentazione dei data center come infrastrutture sostanzialmente immateriali.

Dietro la capacità di calcolo ritornano infatti immediatamente la fisica e l’ingegneria. Un data center deve essere alimentato in modo continuo, raffreddato e mantenuto operativo anche in condizioni di guasto, il che significa dimensionare reti, trasformatori, gruppi di continuità, generatori di emergenza e sistemi termici con livelli di affidabilità elevati.

Queste infrastrutture non sono elementi collaterali del progetto, ma fanno parte della condizione stessa che permette alla capacità computazionale di essere disponibile ventiquattro ore su ventiquattro.

Sul piano termico il problema appare con particolare chiarezza. Quasi tutta l’energia elettrica utilizzata dall’hardware viene infine convertita in calore e, per quanto sia possibile migliorare enormemente le tecnologie attraverso le quali questo viene trasferito all’esterno, ridurre il consumo dei sistemi ausiliari o recuperarne una parte per altri utilizzi, il bilancio energetico di fondo non scompare. Proprio per questo l’efficienza, pur essendo necessaria, non esaurisce la questione.

L’impiego di sistemi di raffreddamento più performanti permette di dissipare una determinata quantità di calore con minori consumi accessori, mentre il raffreddamento a liquido rende possibile concentrare nei rack potenze assai superiori rispetto alle configurazioni tradizionali ma se l’aumento dell’efficienza consente contemporaneamente di installare una quantità ancora maggiore di capacità di calcolo, la riduzione dell’impatto per unità di potenza non coincide necessariamente con una diminuzione dell’impatto complessivo.

Lo stesso vale per il recupero del calore, spesso indicato come una delle possibili forme di integrazione dei data center con il territorio. Collegare un impianto a una rete di teleriscaldamento può essere tecnicamente sensato, perché consente di utilizzare almeno in parte un flusso termico che altrimenti dovrebbe essere dissipato, ma affinché questo recupero sia effettivo occorrono reti e utenze sufficientemente vicine, temperature compatibili e una domanda capace di assorbire il calore disponibile.

Poiché la produzione termica del data center rimane sostanzialmente continua mentre il fabbisogno di riscaldamento varia fortemente durante l’anno, deve comunque essere prevista la possibilità di disperdere il calore quando non può essere utilizzato.

Più che dimostrare che non esistano soluzioni tecnologiche, questi esempi mostrano quindi la necessità di collocarle nella scala corretta: si può progettare meglio un singolo impianto, ma la tecnologia non può stabilire da sola quale quantità complessiva di capacità computazionale sia opportuno concentrare in una determinata area.

Lo stesso ragionamento riguarda le emissioni dei generatori di emergenza, il consumo idrico e le opere elettriche. Se ogni progetto viene valutato singolarmente, può risultare compatibile con determinati limiti, quando però nello stesso territorio vengono previsti diversi campus (cioè un’area costituita da più “edifici” datacenter), ciò che deve essere considerato è anche la sovrapposizione dei loro fabbisogni, delle sottostazioni e dei cavidotti necessari ad alimentarli, delle emissioni e delle trasformazioni del suolo che li accompagnano.

La questione degli effetti cumulativi, emersa come uno dei temi trasversali della giornata, costituisce perciò il punto nel quale il dato tecnico incontra direttamente quello politico: se l’oggetto da valutare è un sistema territoriale e non più semplicemente un edificio, anche il livello al quale vengono assunte le decisioni deve necessariamente allargarsi oltre i confini del singolo comune.

È qui che il contributo della sessione pomeridiana ha permesso di fare un passo ulteriore. Alice Franchina ha partecipato negli ultimi mesi al lavoro con cui il gruppo ProdAction del Politecnico di Milano ha mappato la localizzazione, le superfici e le potenze dei data center presenti, in costruzione o programmati nell’area metropolitana, cercando di leggere il fenomeno non soltanto come successione di immobili, ma come trasformazione territoriale.

La ricerca del Politecnico ha infatti censito 33 data center attivi nella Città metropolitana di Milano, ai quali si aggiungono strutture in costruzione e numerosi progetti in valutazione, mentre le dimensioni medie dei nuovi insediamenti risultano sensibilmente superiori a quelle della generazione precedente.

Quando la scala passa da impianti relativamente piccoli a campus da decine o centinaia di megawatt, la distinzione tra investimento privato e infrastruttura pubblica diventa progressivamente più difficile da sostenere nella sua forma più semplice, perché la realizzazione dell’investimento presuppone una disponibilità di rete, trasformazioni urbanistiche e opere energetiche che devono necessariamente essere programmate. La pianificazione, insomma, entra nella vicenda prima ancora che qualcuno decida di chiamarla così.

Il problema diventa allora capire da quale punto essa debba partire. Se un progetto da centinaia di megawatt viene assunto come dato iniziale, la discussione consiste inevitabilmente nel determinare quali infrastrutture siano necessarie per alimentarlo, come raffreddarlo, quali risorse possa utilizzare e quali mitigazioni debbano essere previste.

Se si rovescia l’ordine del ragionamento, invece, la prima domanda riguarda la quantità e la funzione della capacità computazionale che si vuole installare, mentre il dimensionamento delle infrastrutture viene soltanto dopo. Da un punto di vista ingegneristico il principio sarebbe persino banale: prima si definisce il requisito e successivamente si dimensiona il sistema necessario a soddisfarlo. Trasferito alla scala territoriale, però, lo stesso principio assume immediatamente una dimensione politica, perché stabilire il requisito significa decidere quale quantità di energia, acqua, suolo e infrastrutture debba essere destinata a una funzione piuttosto che a un’altra.

È precisamente su questa scala che il passaggio dai singoli comitati alla costruzione di una rete regionale rappresenta il risultato più significativo della giornata.

Le mobilitazioni nate nei mesi precedenti hanno necessariamente preso le mosse da situazioni molto concrete: un terreno destinato a cambiare funzione, una sottostazione prevista vicino alle abitazioni, un nuovo elettrodotto, il timore per il rumore o per l’utilizzo delle risorse.

Il convegno ha permesso di mettere in relazione queste esperienze, facendo emergere come problemi apparentemente locali siano spesso parti differenti dello stesso processo. Il manifesto attraverso il quale la rete si è presentata pubblicamente aveva già indicato questa direzione, proponendo che lo sviluppo delle infrastrutture digitali venisse sottoposto a una programmazione capace di considerare insieme interesse collettivo, ambiente, salute, lavoro e diritti delle comunità, anziché lasciare ai singoli territori il compito di confrontarsi separatamente con progetti arrivati spesso a uno stadio già avanzato.

La composizione iniziale della rete comprende realtà provenienti da numerosi comuni lombardi. Il passo compiuto il 26 settembre consiste quindi nel rendere più difficile trattare la crescita dei data center come la semplice sommatoria di vicende comunali indipendenti. Non significa che il convegno abbia prodotto una soluzione già definita alla questione, né che un coordinamento regionale possa sostituire immediatamente la pluralità delle esperienze territoriali; significa però che esiste oggi un luogo nel quale conoscenze, documentazione e pratiche maturate nelle singole vertenze possono essere confrontate, permettendo di osservare il fenomeno nella sua dimensione complessiva.

Finché ogni comunità deve ricostruire autonomamente procedure autorizzative, consumi previsti, opere connesse e caratteristiche tecniche del progetto che la riguarda, il rapporto con operatori e istituzioni rimane inevitabilmente asimmetrico. Mettere in comune queste conoscenze significa invece aumentare la capacità dei territori non soltanto di contestare un singolo impatto, ma di confrontare progetti differenti e riconoscere le dinamiche che li accomunano.

Il confronto milanese ha mostrato inoltre come, una volta allargata la scala, la discussione possa difficilmente fermarsi agli effetti ambientali immediati.

Dietro il raffreddamento compare la quantità di potenza installata; dietro la connessione elettrica compare la programmazione della rete; dietro la scelta del sito compare la destinazione del territorio.

Seguendo fino in fondo questa concatenazione, la domanda iniziale sul singolo impianto conduce inevitabilmente a quella su chi stabilisca priorità e dimensioni dello sviluppo della nuova infrastruttura digitale. Domande alle quali la politica ha difficoltà a rispondere, schiacciata dalle sue contraddizioni e del suo ruolo di “garante della profittabilità”.

Accade così che il tentativo di passerella del consigliere regionale PD Pierfrancesco Majorino abbia visto la piccata risposta, con conseguenti applausi dell’intera sala, di uno dei relatori che gli ricordava come il suo partito a livello nazionale avesse votato con la maggioranza tutte le norme di deregolamentazione.

Il prossimo passaggio di questo percorso è già fissato per sabato 10 ottobre alle 15 a Milano, quando la rete ha convocato una manifestazione regionale contro lo sviluppo incontrollato dei data center.

L’appuntamento era stato previsto nel manifesto insieme alla mobilitazione territoriale del 12 settembre e al convegno del 26, delineando così un percorso che dalle iniziative locali ha portato prima al confronto comune e ora a una mobilitazione regionale.

Il 26 settembre non si è semplicemente aggiunto un altro appuntamento alla lunga serie di assemblee sui singoli progetti: si è cominciato a costruire una scala comune alla quale discuterli.

Ed è proprio questa nuova scala a modificare la domanda.

Non soltanto se un determinato data center posso essere costruito in un determinato luogo, ma quale capacità computazionale debba essere realizzata, quali risorse sia ragionevole destinarle e attraverso quale processo collettivo debbano essere stabilite le priorità.

Fonte

Approvata al Senato la Legge Delega sul “nucleare sostenibile”, un assist alla guerra

Nonostante l’impegno su altri fronti, come una legge elettorale che restringe ancora di più gli spazi di democrazia, il Governo continua a puntare sul nucleare, e spinge sull’acceleratore. I prossimi passi prevedono l’implementazione dei decreti attuativi sulle varie materie oggetto della legge.

Lo aveva ricordato già la Meloni due settimane fa, ribadendo i cardini della “sicurezza energetica”: aumento dell’estrazione di idrocarburi in Italia e implementazione del nucleare.

Già di per sé, questo passo mostra come l’esigenza a cui si cerca di rispondere, nell’immediato e sul lungo periodo, non è quella di fronteggiare il cambiamento climatico, ma di ricorrere ad ogni mezzo possibile per aumentare la produzione energetica – soprattutto elettrica – in vista di una maggiore competizione economica e militare del continente.

Una competizione completamente a beneficio degli attori privati che guidano l’economia: le big tech, che richiedono sempre maggiore energia per i loro data center; le aziende coinvolte nella “cordata per il nucleare italiano” (dagli attori energetici come ENI a quelli militari come Leonardo); le startup come la Newcleo, che proprio ieri (neanche a farlo apposta!) è sbarcata in borsa per speculare sul mercato finanziario; le compagnie estrattive come la Reveille Resources PLC, che ha già iniziato ad accarezzare l’idea di esplorazioni minerarie in Italia alla ricerca di uranio.

Una competizione che diventa militare in un numero sempre maggiore di scenari, ed in cui il nucleare gioca un ruolo cardine: all'“Alleanza europea sul nucleare”, di cui è entrata a far parte anche l’Italia si affianca la più sinistra “Deterrenza avanzata” proposta dalla Francia a cui hanno già aderito nove paesi – mostrando come su questo piano si misuri la spinta europea all’integrazione industriale e militare, all’insegna di competizione e riarmo.

Queste decisioni hanno una ricaduta diretta sul nostro presente, e la avranno ancor di più sul nostro futuro: saremo noi a pagare queste scelte, in termini di sfruttamento dei territori, aggravamento della crisi climatica, implementazione di un’economia di guerra. Organizziamoci per fermarle!

Fonte

Più che l'etica, sull'IA pesa la fragilità delle quotazioni azionarie

L’appello dei big dell’intelligenza artificiale Usa, guidati dal Ceo di Anthropic Dario Amodei, a rallentare lo sviluppo dell’intelligenza artificiale per governarlo maggiormente ha suscitato vasto dibattito. La presunta “svolta etica” dei colossi dell’intelligenza artificiale ha suscitato ampie discussioni. Per Giuliano Noci, prorettore del Politecnico di Milano e attento studioso delle dinamiche geopolitiche ed economiche internazionali connesse anche alla corsa alla supremazia tecnologica e sull’IA, “il vero motivo di questa svolta non è etico”. Parlando con InsideOver, il professor Noci invita a riflettere a ampio raggio su un contesto che vede, oggigiorno, “l’intelligenza artificiale essere molto più di una tecnologia: l’Ia”, spiega Noci, “è una infrastruttura di cambiamento di portata enorme, è davvero un cambio di paradigma del funzionamento dei sistemi sociali, educativi, economici e geopolitici”.

L’IA è un settore che ha suscitato attenzione, interesse, investimenti. Come siamo arrivati fino al dibattito di questi giorni?

L’IA è un’infrastruttura di cambiamento e anche un’infrastruttura di potere, economico, e tecnologico, estremamente contesa. A mio avviso, il punto fondamentale su cui noi dobbiamo riflettere è che in questi due anni si sono creati delle insensate aspettative che hanno alimentato valutazioni oggettivamente senza senso delle big tech e di Nvidia, ed è questo un primo problema che oggi si ripercuote sulle dinamiche concrete della corsa all’IA.

A suo avviso, perché questo è successo?

Perché prima si è raccontato che l’intelligenza artificiale avrebbe molto rapidamente cambiato tutto. Ma proprio perché l’intelligenza artificiale non è una tecnologia ma è molto di più, un sistema complesso e in evoluzione, la sua penetrazione richiederà parecchio tempo prima che venga correttamente digerita dai sistemi economici. In un certo senso, è come avvenne con le ferrovie nel XIX secolo: allora moltissimi operatori investirono su binari e fallirono praticamente tutti. Questo non significa che la tecnologia fosse sbagliata. Come sappiamo, poi le ferrovie sono state infrastrutture che hanno avuto un impatto enorme: il problema è la scala dei tempi con cui un nuovo sistema arriva a maturazione. Sottolineerei, inoltre, il fatto che la stessa cosa avvenne con l’arrivo dell’energia elettrica, gli operatori hanno impiegato 30 anni per capire come usarla.

Questo, per quanto riguarda l’IA, come si è concretizzato?

Si è verificata un’alimentazione di aspettative che non ha riscontro reale nell’economia e che di fatto rende certe quotazioni estremamente fragili. Secondo me tutta questa narrativa è stata assolutamente alimentata dal fondatore di Nvidia, che è l’azienda con la maggior capitalizzazione di borsa al mondo e vale due volte il PIL italiano. Negli anni Jensen Huang sostanzialmente ha fatto di tutto pur di massimizzare entrate e capitalizzazione di borsa. In primo luogo ha fatto operazioni di finanza circolare, in secondo luogo ha fatto anche da “assicurazione”, garantendo ai committenti che compravano le sue GPU che Nvidia avrebbe coperto il mancato fatturato degli operatori se i data center non avessero avuto sufficientemente domanda e, infine, si è accordato con le grandi banche internazionali perché prestassero soldi ai suoi clienti. Quel che è andato in scena, a mio avviso, è stato un meccanismo di totale distorsione delle normali dinamiche di business, e questo ci porta a  renderci conto del fatto che sotto il profilo delle quotazioni l’intero costrutto dell’IA vive un momento di grandissima fragilità e di elevato rischio.

Quali novità principali degli ultimi mesi, a suo avviso, hanno contribuito a tale scenario?

Negli ultimi mesi il quadro si è complicato perché progressivamente è emersa la consapevolezza che i cinesi avessero applicazioni efficienti, sistemi di intelligenza artificiale meno potenti di quelli americani ma operanti a costi infinitamente più bassi. Questo ha reso palese che non era necessariamente vero ciò che affermavano gli americani, e cioè che la via maestra dell’IA passasse per lo sviluppo di Large Language Models sviluppati con un’enorme e costosa potenza di calcolo. Personalmente, credo che gli LLM rischino di fare la fine di molti operatori di telecomunicazioni, titolari di un’infrastruttura indispensabile ma che non genera flussi di cassa positivi e guadagno.

Insomma, le aziende dell’IA che hanno guidato l’inizio della corsa vivono una sfida importante per difendere il vantaggio acquisito...

Il tema della difesa della posizione da parte degli operatori dell’IA è fondamentale. Questi cantori delle intelligenze artificiali che adesso diventano tutto a un tratto cantori dell’etica sulle IA mirano principalmente a erigere delle barriere difensive per cercare di congelare il vantaggio acquisito ed evitare che i cinesi si inseriscano per sottrarre loro parte delle risorse disponibili nel mercato dell’IA. Manovre difensive, queste, operate da soggetti che io ritengo ormai privi di qualsiasi credibilità: mi riferisco a Sam Altman, Dario Amodei, Jensen Huang.

Per che motivo, a suo avviso?

Purtroppo, queste figure di punta dell’IA hanno la responsabilità di aver fatto salire talmente tanto questo mercato e di averlo portato a rappresentare una parte talmente rilevante del valore complessivo della borsa americana che qualora un granello di sabbia arrivasse a inceppare questo infernale meccanismo, si corre il rischio che tutto il costrutto possa venire giù. Insomma, hanno creato una situazione di rischio significativo.

OpenAI e Anthropic hanno annunciato a lungo la loro intenzione di sbarcare a Wall Street. Lo ritiene possibile?

Non si quoteranno, almeno non entrambe: c’è spazio forse per una quotazione, ma secondo me in particolar modo Dario Amodei sarà molto prudente a farla perché questo meccanismo di aspettative esagerate che hanno creato comincia a ritorcersi contro. Tenga peraltro conto che un altro fattore di incertezza è rappresentato dal fatto che questi cantori dell’IA  adesso hanno interessi che dovrebbero divergere da quelli di Trump.

In che modo, a suo avviso?

Trump ha bisogno che l’IA e gli investimenti in data center corrano per sostenere l’economia, la cui crescita è il suo unico interesse. Trump sa che se le big-tech taglieranno la corsa ai data center, già rallentata, i dati di crescita del Pil Usa saranno molto diversi e minori.

Spingendo per rallentare la corsa dell’IA loro sostanzialmente si mettono di traverso rispetto agli interessi di Trump, e questo è un altro fattore di complessità di tutta questa vicenda. Io credo che loro saranno molto prudenti a quotarsi, e secondo me in particolare Altman sa benissimo che OpenAI non può quotarsi, perché il suo è un modello business to consumer che alla luce delle promesse che ha fatto non sta in piedi.

E gli investimenti già annunciati in data center?

Affrontano una forza maggiore che si chiama materia. Di recente, ad esempio, Jensen Huang per tenersi sui mercati ha dichiarato che raddoppierà la capacità produttiva l’anno prossimo.

Vorrei proprio capire come farà, le fabbriche sono tutte a saturazione, non sono sue e per costruire fabbriche nuove di questo tipo servono 5 anni. L’IA ha un collo di bottiglia fisico, che è la catena di fornitura che non regge. Parliamo di  materie prime, semiconduttori, macchinari, ma anche, se non soprattutto, di maestranze addestrate e profili tecnici estremamente specializzati. Non è qualcosa che sia disponibile dall’oggi al domani. Per ora i mercati si stanno bevendo tutto ma alla prima difficoltà l’intera situazione potrebbe complicarsi.

Ci sono paragoni possibili col passato?

La perdita del senso della misura ricorda molto la bolla del “Dot.com” di oltre un quarto di secolo fa. Anche allora emergeva un cambio di paradigma dirompente destinato a cambiare tutto, Internet, ma nonostante l’importanza del nuovo sistema ciò che hanno fatto gli operatori in quel momento non aveva senso per le logiche di mercato. Temo che qui siamo nella stessa situazione.

In relazione a questi sviluppi il mondo cinese ha delle prospettive diverse dai colossi americani?

La Cina si è mossa in modo chiaro e diverso dagli statunitensi. Parliamo di una competizione in cui gli americani hanno fatto una scelta molto chiara: avendo le big tech e i semiconduttori più avanzati del mondo, hanno puntato su un’intelligenza artificiale di potenza, quindi Large Language Models e data center. La Cina, che è la più grande manifattura del Pianeta e non ha i semiconduttori più avanzati, ha fatto una scelta di funzione obiettivo, che è la massimizzazione della diffusione di applicazioni di intelligenza artificiale per la manifattura. Quindi la scelta di Pechino è stata una scelta applicativa, orientata alla massimizzazione della diffusione delle applicazioni, da qui il fatto anche di avere i modelli a pesi aperti.

Due filosofie diverse per due sistemi produttivi diversi...

Questa è stata una scelta ortogonale rispetto alla mossa americana. Una scelta che in qualche modo, a mio avviso, ha presupposti di coerenza con il sistema economico, è più sincrona alle esigenze del modello cinese di oggi e ha come obiettivo ulteriore la volontà di innervare con propri algoritmi altri sistemi, altri Paesi, principalmente nel Sud Globale. Quale dei due modelli prevarrà è presto per dirlo. Diciamo che io ritengo che tutta la potenza americana, allo stato attuale farà fatica a valorizzarla e a trovare un riscontro di business. Quindi credo che le strade per valorizzare al meglio l’intelligenza artificiale siano altre e tra le altre secondo me c’è quella della physical AI, dove, peraltro, anche l’Europa potrebbe trovare un’opportunità significativa e diventerà sempre più una nuova frontiera.

Fonte 

 

I conti con la termodinamica: il guinzaglio fisico dell’intelligenza artificiale

La riflessione e l’analisi sul potenziale e i rischi dell’Intelligenza Artificiale è in pieno svolgimento. Non tutto è già chiaro ed è bene non cedere alla tentazione di dare subito una definizione-slogan che sembra una “categoria interpretativa”, ma non lo è affatto. Qui di seguito un contributo che ci ricorda quanto la potenza del software dipenda dalla fisica, dall’industria, dall’elettricità.

Buona lettura e continuiamo a cercare di capire.

*****

Tra manifesti apocalittici firmati dai guru della Silicon Valley e film di fantascienza stile Terminator, il dibattito pubblico sulla “perdita di controllo” dell’Intelligenza Artificiale sembra ormai ostaggio di una favola: un bel giorno un algoritmo super-intelligente prende coscienza, si replica nell’etere e sottomette l’umanità attraverso internet.

È una narrazione suggestiva che fa fare milioni di visualizzazioni.

Peccato che dimentichi un dettaglio elementare: l’intelligenza da sola non muove una foglia. Per agire nel mondo reale, qualunque intelligenza – biologica o sintetica – deve piegarsi alle leggi della fisica, della materia e della termodinamica.

Quando guardiamo all’IA non con gli occhi della paura ma con quelli dell’ingegneria, scopriamo che il “controllo” non è un problema filosofico: è un guinzaglio fatto di rame, silicio e gigawatt. 

L’errore concettuale: confondere il software con l’azione fisica

Un’Intelligenza Artificiale può essere brillante quanto vuole nel risolvere equazioni o generare codice, ma per conquistare o distruggere alcunché ha bisogno di agency fisica: deve azionare pistoni, muovere masse, fondere metalli, saldare condotte e scavare minerali.

Il nostro mondo non gira sul codice: gira su tonnellate di acciaio, pale eoliche, scambiatori termici e cemento armato.

Un’entità digitale confinata in un server non può “costruire fabbriche segrete” dal nulla. Per stampare un singolo microchip a 2 nanometri serve una macchina litografica EUV prodotta da una sola azienda al mondo (ASML), che pesa 180 tonnellate, richiede tre Boeing 747 per il trasporto e necessita di filiere industriali sparse in 40 Paesi.

Pensare che un algoritmo possa fabbricare un’infrastruttura fisica parallela all’insaputa della specie umana significa ignorare come funziona l’industria pesante. 

Il vincolo di Landauer: pensare consuma energia reale

L’elaborazione delle informazioni non è un’astrazione eterea. In fisica esiste il Principio di Landauer: cancellare o modificare un singolo bit di informazione dissipa una quantità minima di calore pari a:

E >= kb x T x ln 2

Nella pratica dei data center moderni siamo ordini di grandezza sopra quel limite teorico.

L’illusione dell’algoritmo che fugge

Un modello linguistico di frontiera o un sistema avanzato non può “fuggire e nascondersi dentro i nostri smartphone o nei tostapane connessi”. Ha bisogno di decine di migliaia di acceleratori grafici dedicati (ciascuno da 700 a 1.000 Watt di potenza termica ed elettrica) che lavorano in parallelo a bassissima latenza.

Il cordone ombelicale della rete

Un supercomputer per l’IA moderna assorbe decine o centinaia di Megawatt continui, 24 ore su 24. Non può alimentarsi d’aria: è rigidamente legato a una cabina primaria di trasformazione ad alta tensione da 380 kV, a contratti di fornitura giganti e a milioni di litri d’acqua di raffreddamento.

Il famigerato “kill switch” di cui parlano i filosofi non è una riga di codice che l’IA può hackerare: è un interruttore di manovra elettromeccanico in una sottostazione di Terna. Tagli la corrente, l’entropia fa il suo corso e la “super-intelligenza” torna a essere un ammasso inerte di sabbia drogata e rame.  

Il vero rischio non è Skynet: è la nostra pigrizia sistemica

Significa che possiamo dormire sonni tranquilli? Assolutamente no.

Ma il rischio reale non è la rivolta dei robot: è la nostra dipendenza da modelli opachi per gestire sistemi critici.

Allucinazioni sul dispacciamento

Se deleghiamo a reti neurali complesse (di cui non comprendiamo a fondo i pesi decisionali) la gestione dei flussi di rete elettrica, dei carichi ospedalieri o dei mercati finanziari, l’incidente non nasce da “cattiveria” dell’algoritmo, ma da un banale errore di calcolo probabilistico applicato a un’infrastruttura fragile.

La bolla energetica

I colossi del tech stanno accaparrandosi intere centrali nucleari e quote mostruose di rinnovabili per alimentare l’IA, spingendo la rete elettrica al limite e facendo lievitare i costi infrastrutturali che poi ricadono sulle bollette dei consumatori comuni.

Il verdetto de Il Megawattora

Non perderemo il controllo del mondo a favore di una mente sintetica senziente per un motivo puramente fisico: l’universo richiede lavoro utile e potenza termica per essere modificato.

Finché la produzione di energia primaria, le miniere di litio, i cavi sottomarini e le turbine a vapore saranno gestiti e mantenuti dalla materia biologica in carne e ossa, l’algoritmo resterà un potente strumento di calcolo statistico vincolato alla presa di corrente.

Smettiamo di aver paura dei robot assassini da film e iniziamo a preoccuparci di quanti Terawattora stiamo bruciando per far generare video e testi a un server.

Fatti, non ideologie!

Fonte

Data center, valorizzazione del capitale e sovranità digitale in Lombardia

La nuvola ha radici nella terra

Per anni la trasformazione digitale è stata raccontata attraverso un lessico apparentemente immateriale: i dati sono nella “nuvola”, i servizi vengono erogati dal cloud e l’intelligenza artificiale sembra operare in uno spazio separato dalla produzione materiale. Eppure, proprio mentre questa rappresentazione si afferma, diventa sempre più evidente che dietro ogni modello, piattaforma o servizio digitale esiste una base fisica fatta di semiconduttori, server, edifici, reti in fibra ottica, sottostazioni elettriche, sistemi di raffreddamento, acqua, energia e territorio.

I data center costituiscono questa base materiale. Al loro interno non vengono semplicemente conservati dati, ma viene prodotta la capacità di calcolo dalla quale dipendono ormai una parte crescente dell’industria, della logistica, del sistema bancario, della pubblica amministrazione e, soprattutto, dello sviluppo dell’intelligenza artificiale. Proprio per questo la questione non può essere ridotta al confronto tra innovazione e ambiente, perché, prima ancora di discutere quanto queste infrastrutture consumino risorse, occorre capire quale funzione stiano assumendo nel processo di accumulazione e chi controlla la ricchezza che esse rendono possibile.

La crescita degli investimenti mostra infatti che non siamo davanti a una componente marginale dell’economia digitale. Nel 2025 la spesa in conto capitale delle maggiori imprese tecnologiche mondiali ha raggiunto centinaia di miliardi di dollari e continua ad aumentare, fino a collocarsi su dimensioni confrontabili, e in alcuni casi superiori, con quelle dei grandi settori energetici tradizionali.

L’intelligenza artificiale, quindi, non rende il capitalismo meno materiale; al contrario, costringe il capitalismo delle piattaforme a poggiare su una quantità crescente di capitale fisso. Se Google, Amazon, Microsoft o Meta erano state spesso rappresentate come imprese capaci di valorizzarsi soprattutto attraverso software, dati e proprietà intellettuale, la nuova fase mostra come quella valorizzazione richieda ora [abbia sempre richiesto in realtà -ndR] enormi anticipazioni di capitale in infrastrutture energetiche e computazionali.

Questo non significa che la corsa all’intelligenza artificiale sia soltanto un modo per assorbire capitale eccedente, dal momento che le applicazioni della nuova tecnologia possono effettivamente trasformare produttività, organizzazione del lavoro e interi settori economici. Proprio perché questa trasformazione è reale, tuttavia, essa apre una nuova frontiera della valorizzazione e rende strategico il controllo della capacità di calcolo sulla quale quella trasformazione si fonda.

La concentrazione del mercato mostra già in quale direzione si stia procedendo: Amazon Web Services, Microsoft e Google controllano insieme la maggior parte del mercato mondiale delle infrastrutture cloud. Quanto più la capacità di calcolo diventa una condizione generale della produzione, tanto maggiore diventa quindi il potere economico di chi può determinarne accesso, prezzo e destinazione.

È in questo passaggio che il rapporto tra capitale e Stato assume un’importanza decisiva, perché la crescita dei data center non avviene attraverso il semplice funzionamento spontaneo del mercato. Quando una nuova infrastruttura diventa essenziale per la competitività e per la posizione geopolitica delle economie occidentali, gli Stati intervengono direttamente per costruirne le condizioni di sviluppo, finanziando nuove reti, semplificando le procedure, mettendo a disposizione territori e sostenendo gli investimenti.

Negli Stati Uniti questo avviene apertamente, perché la costruzione di data center, impianti per semiconduttori e nuova capacità energetica viene ormai considerata una condizione della competizione internazionale sull’intelligenza artificiale; l’Unione europea utilizza invece il linguaggio dell’“autonomia strategica” e della “sovranità tecnologica”, ma persegue anch’essa un’espansione accelerata della capacità computazionale, mobilitando risorse pubbliche con l’obiettivo dichiarato di attirare una quantità ancora maggiore di capitale privato.

La pianificazione, dunque, non è scomparsa sotto il neoliberismo; ciò che è cambiato è soprattutto il fine al quale viene subordinata. Lo Stato non pianifica necessariamente quali bisogni sociali soddisfare, ma organizza le condizioni generali affinché il capitale possa investire nei settori ritenuti strategici.

I data center rendono questo processo particolarmente evidente, perché il capitale privato può possedere edifici, server e sistemi di raffreddamento, ma non può costruire autonomamente la rete elettrica, le infrastrutture territoriali, le procedure urbanistiche e autorizzative, la disponibilità di energia e il quadro normativo necessari al funzionamento degli impianti. Le condizioni della produzione vengono quindi socializzate, mentre il controllo dell’infrastruttura e l’appropriazione della ricchezza rimangono privati.

L’Italia entra in questo processo con una contraddizione ancora più evidente, dal momento che il governo Meloni presenta l’espansione dei data center come parte della costruzione della “sovranità digitale”, mentre la propria strategia ufficiale è esplicitamente orientata all’attrazione degli investimenti esteri nel settore.

Agli investimenti già avviati dovrebbero aggiungersi nei prossimi anni decine di miliardi, con un ruolo rilevante di operatori globali come EdgeConneX, Equinix e K2 Strategic. La distanza tra sovranità proclamata e realtà non consiste tuttavia soltanto nell’origine straniera dei capitali, perché localizzare fisicamente un data center in Italia può certamente migliorare latenza, resilienza e giurisdizione sui dati, senza che ciò significhi controllare la capacità computazionale che vi è installata, dal momento che il capitale, le piattaforme cloud, i semiconduttori e i modelli di intelligenza artificiale possono continuare a dipendere da soggetti multinazionali.

La sovranità rischia così di ridursi alla capacità di ospitare sul territorio nazionale infrastrutture che rimangono inserite in catene del valore e di comando esterne. Lo Stato mantiene il controllo sul luogo nel quale vengono collocate le macchine, senza per questo acquisire il controllo sulle macchine stesse, sulla capacità computazionale che producono e sulla ricchezza che attraverso di esse viene generata.

È dentro questo processo generale che va collocata la crescita dei data center in Lombardia, dove nel marzo 2026 risultavano 49 impianti attivi, 33 dei quali nella Città metropolitana di Milano, nella quale si concentra circa il 68% della potenza nominale nazionale censita. A questi si aggiungono gli impianti in costruzione e quelli sottoposti a valutazione, che mostrano dimensioni molto maggiori rispetto alla generazione precedente.

Quando gli insediamenti passano da pochi megawatt a campus da decine o centinaia di megawatt, il problema non può più essere trattato come quello di una singola attività produttiva, perché la loro presenza comincia a incidere direttamente sulla pianificazione energetica e territoriale. Le richieste di connessione alla rete attribuite ai progetti di data center hanno ormai raggiunto in Lombardia valori dell’ordine delle decine di gigawatt; non tutta questa potenza verrà necessariamente realizzata, ma la sua dimensione è già sufficiente a influenzare la programmazione delle infrastrutture elettriche.

A questo punto la questione ambientale assume un significato politico più preciso. Non si tratta soltanto di misurare quanta energia o quanta acqua consumi il singolo impianto, perché anche un data center efficiente continua a utilizzare risorse che potrebbero essere destinate ad altri usi.

L’energia necessaria ad alimentare centinaia di megawatt di capacità computazionale può essere utilizzata anche per elettrificare i trasporti, decarbonizzare l’industria o ridurre il consumo di combustibili fossili negli edifici; allo stesso modo un terreno può essere destinato a un data center, all’agricoltura o a servizi, mentre un’area urbana dismessa può ospitare infrastrutture digitali ma anche edilizia pubblica, ricerca, produzione o verde.

Quando le risorse sono limitate, decidere come utilizzarle significa inevitabilmente stabilire una gerarchia tra bisogni differenti.

La legge regionale lombarda sui data center, approvata nel giugno 2026, rende visibile proprio questa contraddizione. Da un lato introduce criteri ambientali reali, privilegiando le aree dismesse, il recupero del calore e la riduzione dei consumi idrici; dall’altro afferma esplicitamente l’obiettivo di favorire gli investimenti attraverso semplificazioni e misure premiali.

Non siamo quindi davanti a una Regione che ignora gli impatti ambientali, bensì a un modello nel quale quegli impatti vengono trattati come variabili da governare affinché l’espansione possa continuare.

Il consumo di suolo lo dimostra bene: pur privilegiando le aree già compromesse, la legge non vieta in assoluto l’utilizzo di suolo agricolo, ma rende economicamente più onerosi gli interventi che lo consumano. Il limite naturale viene così trasformato in un costo che può essere incorporato nell’investimento.

La differenza tra due possibili forme di pianificazione emerge precisamente qui. Una pianificazione orientata ai bisogni collettivi può decidere che una determinata quantità di territorio, acqua o energia non sia disponibile perché necessaria ad altre finalità; una pianificazione orientata alla valorizzazione, invece, prende l’investimento come punto di partenza e cerca successivamente di renderlo compatibile, mitigando o compensando gli effetti prodotti.

Non sorprende, da questo punto di vista, che nella discussione regionale siano emerse forti resistenze nei confronti di una valutazione cumulativa più stringente degli insediamenti e di limiti rigidi alle localizzazioni, mentre nella stessa maggioranza è stata esplicitata la preoccupazione che norme troppo severe possano spingere gli investitori verso territori meno restrittivi.

Il capitale può scegliere dove localizzarsi; le istituzioni vengono quindi spinte a competere per rendere il proprio territorio sufficientemente attrattivo.

Milano riproduce la stessa contraddizione su scala urbana. Il progetto Rubattino 84, collocato interamente nel Comune di Milano, interessa circa 66 mila metri quadrati e viene presentato dall’amministrazione come parte della trasformazione dell’area in un polo tecnologico e infrastrutturale avanzato.

Nel caso di Rubattino l’investimento privato porta con sé opere pubbliche e interventi di riqualificazione, tra cui collegamenti ciclabili, mobilità e trasformazioni degli spazi circostanti. Il problema non è negarne l’utilità, ma osservare che il bisogno pubblico viene soddisfatto come conseguenza di una trasformazione privata dalla quale l’amministrazione cerca di ricavare una quota di utilità collettiva.

È lo stesso meccanismo che attraversa una parte della trasformazione urbanistica milanese: anziché partire dai bisogni della città per individuare gli investimenti necessari, si parte dall’investimento disponibile e si negoziano al suo interno servizi, verde e compensazioni.

Anche in questo caso, dunque, non manca la pianificazione; cambia il principio dal quale prende le mosse.

È questa logica che le mobilitazioni lombarde potrebbero mettere in discussione, qualora riuscissero a superare la dimensione della singola vertenza e a sottrarsi alla possibilità che il conflitto venga progressivamente ricondotto entro il terreno della compatibilità.

La nascita della Rete dei Comitati Cittadini Stop Data Center e il manifesto “Verso un movimento contro lo sviluppo irrazionale dei Data Center” indicano, da questo punto di vista, una possibilità interessante, perché il documento non rifiuta la digitalizzazione né l’intelligenza artificiale, ma pone il problema del modo in cui il loro sviluppo viene deciso, chiedendo un Piano nazionale capace di stabilire quali data center siano realmente necessari, dove possano essere localizzati e quali limiti energetici, idrici e territoriali debbano rispettare.

Se questa impostazione venisse portata fino alle sue conseguenze, il conflitto potrebbe spostarsi dalla compatibilità del singolo impianto alla finalità sociale dell’intero processo: perché domandare quali data center siano necessari significa inevitabilmente chiedere quanto siano necessari a chi, per produrre cosa e sotto il controllo di quale soggetto.

Non è però un esito scontato

Le mobilitazioni territoriali attraversano inevitabilmente contraddizioni politiche e sociali differenti e possono essere ricondotte, attraverso il rapporto con amministrazioni, forze istituzionali e associazioni ambientaliste, sul terreno della mitigazione e della compensazione. Il precedente di Bollate è istruttivo proprio perché mostra questa ambivalenza: il ricorso e la mobilitazione hanno prodotto risultati concreti sul piano delle compensazioni ambientali e della tutela di alcune aree, senza tuttavia impedire la realizzazione dell’infrastruttura, tanto che il conflitto ha potuto chiudersi attraverso un accordo tra le parti.

Non si tratta di liquidare quel risultato, che per il territorio può avere un valore reale, quanto di coglierne il limite politico: quando la discussione viene spostata esclusivamente sulla quantità della compensazione, la decisione fondamentale sull’utilità sociale dell’investimento torna fuori dal campo del conflitto.

Lo stesso rischio potrebbe riprodursi su scala regionale qualora la costruzione della rete dei comitati si limitasse a ottenere maggiori tutele, compensazioni o una distribuzione territorialmente meno impattante degli impianti, lasciando però intatto il principio secondo cui la quantità di capacità computazionale da costruire viene determinata dalla domanda del mercato e dalla disponibilità del capitale a investirvi.

La presenza, intorno alle mobilitazioni, di forze politiche e istituzionali che criticano alcuni aspetti dell’attuale sviluppo dei data center senza mettere necessariamente in discussione il modello di fondo rende questa possibilità tutt’altro che astratta. Ciò non significa attribuire ai comitati una regia esterna né negarne l’autonomia, ma riconoscere che ogni movimento attraversa una lotta sulla propria direzione politica e sul punto fino al quale è disposto a spingere le proprie rivendicazioni.

Se riuscisse a mantenere aperta la domanda sulla necessità degli impianti, sulla proprietà della capacità di calcolo e sulla destinazione delle risorse, la rete potrebbe quindi superare tanto il localismo quanto il rifiuto astratto della tecnologia; se invece il conflitto venisse ricondotto alla ricerca di un compromesso più sostenibile con lo stesso modello di sviluppo, il risultato potrebbe essere una forma più regolata e territorialmente compensata della medesima espansione.

La differenza è decisiva

Se la capacità di calcolo sta diventando una forza produttiva indispensabile alla ricerca, alla sanità, all’industria e ai servizi pubblici, proprio per questo la sua quantità, la sua localizzazione e il suo controllo non possono essere lasciati esclusivamente alla redditività degli investimenti privati.

Una pianificazione fondata sui bisogni sociali dovrebbe partire dalla quantità di capacità computazionale realmente necessaria e dalle funzioni alle quali destinarla, stabilendo poi quali risorse possano essere impiegate e quale forma di proprietà consenta di distribuire collettivamente i benefici prodotti. La pianificazione oggi dominante segue invece il percorso inverso: parte dalla nuova frontiera di valorizzazione, mobilita energia, territorio, reti e apparati pubblici affinché l’investimento si realizzi e interviene successivamente per mitigarne le conseguenze.

Nel primo caso sono i bisogni a determinare l’investimento; nel secondo è l’investimento a determinare quali bisogni possano trovare spazio.

La contraddizione che attraversa oggi la Lombardia non riguarda quindi soltanto alcuni data center. Essa mostra come, proprio mentre le condizioni della produzione diventano sempre più socializzate e dipendenti dall’intervento pubblico, il controllo delle nuove forze produttive e l’appropriazione della ricchezza rimangano concentrati.

Per questo i conflitti nati intorno ai terreni agricoli, alle sottostazioni, ai consumi idrici o ai nuovi insediamenti potrebbero diventare qualcosa di più di una resistenza periferica alla modernizzazione, nella misura in cui riuscissero a mettere in discussione non soltanto gli effetti della trasformazione digitale, ma il principio secondo il quale essa viene organizzata.

Fonte

Malaysia, il paese dei data center

L’Italia invasa dai data center

Secondo i dati più recenti, i data center – le infrastrutture che ospitano i server necessari, tra le altre cose, ad addestrare e utilizzare i sistemi di intelligenza artificiale – presenti o in progettazione in Italia sono 262: solo un anno fa erano 146. La crescita non riguarda soltanto il numero degli impianti, ma anche il loro fabbisogno energetico. Nel 2024 i data center italiani hanno consumato 5,8 TWh, pari a circa il 2% dei consumi elettrici nazionali. Secondo alcuni scenari riportati dall’Osservatorio Data Center del Politecnico di Milano, entro il 2035 potrebbero arrivare a consumare tra 24,5 e 42 TWh, pari al 7-12% del totale nazionale.

Di fronte a un’espansione così rapida, è necessario chiedersi se lo sviluppo dei data center possa essere governato in modo sostenibile o rischi invece di riprodurre le distorsioni già osservate negli Stati Uniti e in altri paesi: consumo di acqua ed energia, occupazione del suolo, aumento dei costi per i cittadini e benefici occupazionali inferiori alle attese.

È in questo scenario che il Ministero delle Imprese e del Made in Italy ha elaborato la “Strategia per l’attrazione in Italia degli investimenti industriali esteri in data center”. L’obiettivo di questa strategia è mostrare come il territorio italiano, con una rete di infrastrutture (fibra ottica, 5G e cavi sottomarini) distribuita in modo omogeneo in tutta la penisola, “possa garantire uno sviluppo sostenuto e sostenibile dei data center in grado di moltiplicare il fattore attrattivo agli investimenti”. Il documento presenta in tal senso un’analisi di settore e una strategia per ridurre e semplificare tempi e modalità di investimento, per rendere l’Italia un polo di investimenti strategico, definito ‘Hub del Mediterraneo’. 

La diffusione dei data center in Italia

Il mercato dei data center in Italia è effettivamente in fortissima crescita: nel triennio 2023-2025 ci sono stati investimenti pari a 7,1 miliardi di euro e per i prossimi tre anni ci si aspetta di raggiungere i 25 miliardi. Una cifra comunque inferiore rispetto alle previsioni del 2023: secondo i dati riportati sempre dall’Osservatorio del Politecnico, ci si aspettava infatti di raggiungere 10,5 miliardi di euro. L’incongruenza è dovuta principalmente agli errori di previsione di operatori internazionali, che sono entrati nel mercato italiano con eccessivo ottimismo riguardo alle tempistiche burocratiche italiane. Ed è proprio per venire incontro alle esigenze degli investitori internazionali e capitalizzare il più possibile le previsioni di mercato che è stata sviluppata la Strategia del Mimit. 

Attualmente, dalla richiesta di costruzione di un data center fino al diritto di iniziare i lavori è previsto un iter che va dai 18 mesi ai 3 anni, periodo nel quale vengono espletate le valutazioni urbanistiche e ambientali. Un periodo che secondo l’Italian Data Center Association (IDA), citata nella strategia, pone il nostro paese in svantaggio competitivo rispetto ad altre nazioni europee. Per superare questo limite, il Mimit propone l’introduzione di un’Autorizzazione Unica a livello nazionale, che possa semplificare le procedure e unificarle sotto un unico ente amministrativo, così da garantire tempi certi.

L’impatto dei data center sul territorio

La semplificazione, in linea di principio, non sottovaluta l’impatto dei data center nel territorio italiano. Anzi, la strategia identifica quattro potenziali effetti benefici a livello territoriale e locale derivanti dagli investimenti sui data center: riqualificazione di aree industriali dismesse (i cosiddetti siti brownfield), iniezione di risorse economiche nei comuni coinvolti, utilizzo del calore di scarto per teleriscaldamento, aumento dei posti di lavoro nel territorio. Va tuttavia verificato se e in che modo questi benefici possono concretizzarsi, analizzando la situazione nei territori protagonisti della crescita del settore. 

La Lombardia è di gran lunga la regione che riceve più investimenti, candidandosi a essere una delle maggiori regioni europee per numero di data center, attualmente concentrati soprattutto nella città metropolitana di Milano, a Bergamo e, più di recente, nella provincia di Pavia. Questi territori stanno vivendo un aumento vertiginoso di nuove strutture: secondo Data Center Map, sono oltre 110 i data center attivi nella sola Lombardia, a cui se ne aggiungeranno una trentina nei prossimi anni. Il rapido sviluppo di queste strutture porta con sé alcune controversie rispetto ai benefici ambientali, specialmente riguardo alla bonifica e riutilizzo delle aree industriali e al teleriscaldamento tramite il calore di scarto. 

Su questi aspetti, la strategia pone solo delle linee guida da rispettare laddove possibile: per esempio, riconvertire siti brownfield invece di utilizzare aree verdi (greenfield) o prediligere sistemi a circuito chiuso in grado di consumare meno acqua. Tuttavia, in assenza di una legge, queste linee guida non vincolano chi investe nel territorio italiano. Per colmare questo vuoto, e per l’ampio numero di investitori, nel maggio scorso la Lombardia è stata la prima regione italiana a promulgare una legge in questa direzione, che pone disincentivi fino al 200% per chi costruisce su terreni verdi che potrebbero essere destinati all’agricoltura.

“Ma la legge non ha tenuto conto delle richieste”, commenta, parlando con Guerre di Rete, Renato Bertoglio di Legambiente Pavia. “Abbiamo chiesto di governare il processo, di porre vincoli, invece hanno messo disincentivi che il più delle volte non hanno un effetto reale, perché costa meno pagare il sovrapprezzo piuttosto che bonificare un’ex area industriale”. Anche da parte di Legambiente, dunque, c’è la richiesta di una legge nazionale che definisca delle condizioni e le renda vincolanti. In assenza di essa, il sito di costruzione di un data center è soggetto alle contingenze del luogo e degli attori coinvolti: può essere effettivamente scelto un sito brownfield, come nel caso del progetto del data center hyperscale della società DC Adriatic a Bari, oppure occupare 60mila metri quadri di terreno verde, come a Certosa di Pavia.

L’invasione del pavese

Negli ultimi anni, proprio la zona del pavese sta registrando la costruzione di numerosi data center: oltre a Certosa, a Lacchiarella è previsto un campus con cinque data center da oltre 200mila metri quadri, a Vellezzo Bellini 110mila, a Bornasco 165mila. Non sempre i progetti offrono ai territori in cui sono installati i benefici indicati nella strategia: se a Magenta, per esempio, è stata riqualificata la vecchia area industriale della Novaceta, a Certosa si vuole costruire su un terreno verde che era destinato ad uso agricolo. 

In entrambi i casi, i cittadini denunciano la costruzione a breve distanza dalle abitazioni: “Non si è considerato che, negli ultimi anni, i paesi si sono espansi in contiguità alle aree dismesse”, dice a Guerre di Rete Sergio Manera, fisico e membro del Comitato di tutela del territorio Certosino. “Non si può costruire vicino alle case, così si rischiano di ripetere gli errori del passato, quando si costruiva senza la sensibilità ambientale che abbiamo oggi”. Nella legge della Regione Lombardia è assente qualsiasi riferimento al limite di vicinanza, e ciò, secondo Manera, fa perdere valore agli immobili del territorio, ridimensionando in questo modo anche gli oneri di urbanizzazione che, secondo la strategia, dovrebbero costituire risorse economiche per i comuni dove si costruisce. 

Come sottolinea Chiara Brocchetta, vicepresidente del Comitato Certosino, ci sono altre vie per far girare l’economia locale: “Certosa ha guadagnato tre milioni dagli oneri dovuti alla costruzione, ma il vicino comune di Borgarello ne ha presi molti di più attraverso progetti europei. In tutto il territorio stanno nascendo sempre più data center, bisogna considerare gli effetti cumulativi di questi impianti in un corridoio agricolo che è anche un’area ad alto interesse turistico”.

D’altronde, l’impatto ambientale non riguarda soltanto i comuni in cui vengono costruiti i data center, ma anche in quelli confinanti. Ce lo spiega Alberta Samuele, sindaca di Borgarello, comune che confina con Certosa e con l’area in cui sorgerà il data center: “L’effetto inquinante sarà prevalentemente nel nostro comune, che non godrà di alcun beneficio economico da questa struttura. Negli ultimi anni abbiamo vinto bandi da sei milioni di euro spesi in opere pubbliche: costruzione di un ambulatorio, ristrutturazione della scuola, depavimentazione. Ci può essere crescita economica anche senza snaturare il territorio”. 

Da quanto emerge da queste testimonianze, la scelta di siti brownfield, laddove venisse effettuata, non sarebbe comunque sufficiente per mitigare gli impatti ambientali, che rimarrebbero elevati specialmente perché si costruiscono tanti impianti in un’area ridotta. In Lombardia è presente quasi la metà dei data center nazionali e anche guardando le richieste di allacciamento (dunque l’interesse futuro) per i data center, la Lombardia da sola rappresenta quasi il 50% di potenza richiesta, seguita con molto distacco da Piemonte (15%) e Puglia (10%). 

Nonostante la maggior parte delle richieste non sia concretamente realizzabile, il rapporto mostra bene la loro distribuzione. La sola Milano, secondo dati del Politecnico, concentra il 68% della potenza energetica nominale installata a livello nazionale con 414 MW IT e punta a superare il valore simbolico di 1 GW entro il 2028. D’altra parte, la strategia del Ministero si propone di distribuire queste infrastrutture su tutta la penisola, ma i comitati cittadini e Legambiente sono d’accordo nel chiedere con celerità una legge nazionale che governi il fenomeno.

Teleriscaldamento e rinnovabili

Anche l’energia pulita gode di grande attenzione. Oggi, con il mix energetico che è al 40% circa composto da fonti rinnovabili, le emissioni di CO2 da parte dei data center sono approssimativamente un milione di tonnellate, a quanto riporta il Politecnico di Milano. Secondo il Piano Nazionale Integrato Energia e Clima (PNIEC) entro il 2030 sarà necessario installare in Italia circa 65 GW di nuova capacità rinnovabile per realizzare un mix elettrico decarbonizzato al 65%. Se anche fosse raggiunto questo obiettivo, secondo l’Osservatorio del Politecnico le emissioni raggiungerebbero un intervallo tra 2,9 e 5 milioni di tonnellate. Una crescita sostenuta e dovuta proprio all’aumento dei data center, ma comunque contenuta rispetto alle 5-8 milioni di tonnellate di emissioni previste se il mix energetico rimanesse invariato. 

La strada verso le rinnovabili è un impegno fondamentale e la strategia del Ministero si muove in questa direzione. Tuttavia, l’energia pulita, da sola, non è sufficiente, perché, come ci spiega Manera, “nel momento in cui ci si allaccia alla corrente elettrica, si utilizza il mix nazionale. Quindi non è possibile, come dicono alcuni, realizzare un data center con energia al 100% rinnovabile, a meno di togliere le fonti pulite ad altri, visto che la coperta è corta”.

Per questo motivo, grande importanza è dedicata anche alle tecnologie che permettono di ridurre inquinamento e dispersione di calore. Il teleriscaldamento, capace di riutilizzare il calore di scarto dei data center per riscaldare abitazioni vicine, è per esempio considerato da varie parti la soluzione ottimale. Permette di ridurre i costi dell’energia così come le emissioni di CO2: esemplare è il caso del data center Avalon 3 di Retelit, a Milano, che, secondo IDA, consente di riscaldare le abitazioni di 1.250 famiglie del Municipio 6, con un risparmio energetico equivalente a 1.300 tonnellate di petrolio e una riduzione delle emissioni di CO2 di 3.300 tonnellate. Ad oggi sono però ben pochi i progetti che godono di tale efficienza. “Ma sono necessari: l’alternativa è la dispersione di calore nell’aria”, spiega Manera, che fa notare come esista una direttiva UE che impone alle imprese uno studio di efficienza energetica per questo tipo di impianti.

La crescita occupazionale

La strategia del Mimit cita tra gli impatti benefici sui territori anche la “creazione di posti di lavoro ad alta specializzazione, sia nelle fasi di progettazione e costruzione sia nella gestione operativa delle infrastrutture stesse”. Secondo l’Italian Data Center Association (IDA), nel 2024 si contavano 28mila lavoratori nell’orbita dei data center, ma di questi solo 1200 erano lavoratori diretti nelle strutture. La maggioranza dei nuovi posti di lavoro riguarda la fase di costruzione, oppure si concentra nelle imprese legate al mondo del digitale e dell’intelligenza artificiale, e quindi la creazione di data center è solo in parte causa di queste nuove assunzioni. 

Non è facile trovare dati sulla crescita dell’occupazione nei data center, ma varie fonti riportano che il settore è agli ultimi posti riguardo a numero di lavoratori per metro quadro. Un recente articolo del Wall Street Journal ha riportato il caso di Abeline, una città in Texas in cui per un data center che inizialmente avrebbe dovuto occupare 100mila metri quadrati non sarebbero stati assunti più di 100 lavoratori. In questo modo, creare un data center in un territorio non significa necessariamente aumentare i posti di lavoro in quel dato luogo. 

Nella strategia del Mimit, molta attenzione è dedicata alla semplificazione amministrativa per ridurre i tempi degli investimenti, mentre per le questioni ambientali si rimanda alle direttive europee e alle linee guida del Ministero dell’Ambiente. Anche per questo è necessaria una legge complessiva, che garantisca una visione a lungo termine di sviluppo tecnologico sostenibile.

Fonte

La sfida dei data center spaziali

I data center divorano l’1,5% dell’elettricità mondiale. Per la precisione: 415 terawattora nel 2024. L’equivalente di quasi l’intero consumo annuo di energia elettrica di una nazione come la Francia. Ma è una quota destinata a più che raddoppiare entro il 2030, spinta soprattutto dall’intelligenza artificiale generativa, che l’Agenzia Internazionale dell’Energia identifica come “il fattore più importante” di questa crescita.

Le reti elettriche globali sono già sotto pressione, ma la costruzione di nuove linee di trasmissione richiede dai quattro agli otto anni nei paesi più avanzati. Nel frattempo, la domanda di calcolo aumenta così velocemente che nessuna infrastruttura terrestre riesce a stare al passo.

È in questo contesto che governi e aziende tecnologiche hanno cominciato a guardare allo spazio. Del resto, lo spazio offre energia solare continua senza competere con le reti terrestri, la possibilità di sfruttare il raffreddamento passivo nel vuoto senza consumare acqua e di elaborare i dati direttamente a bordo dei satelliti che li raccolgono, senza doverli trasmettere integralmente a Terra. Quello che sembrava fantascienza è diventato, nel giro di pochi anni, un programma industriale con date, contratti e lanci già effettuati.

A maggio 2025, la Cina ha lanciato i primi satelliti di una costellazione per l’elaborazione dei dati direttamente nello spazio. Nella stessa direzione si stanno muovendo anche gli Stati Uniti. Le due grandi potenze hanno avviato programmi concreti, ancora in parte sperimentali, per portare calcolo e archiviazione oltre il cielo. Si tratta, però, di un salto tecnologico con una conseguenza politica: in futuro, i dati più strategici di governi, eserciti e grandi aziende potrebbero non trovarsi più in nessuna nazione.

I progetti a stelle e strisce

I satelliti producono quantità enormi di dati, spesso troppo grandi per essere inviati interamente sulla Terra in tempo reale. Processarli in orbita riduce la latenza e la dipendenza dalle stazioni terrestri. Hewlett Packard Enterprise ha dimostrato la fattibilità di questo approccio con il programma Spaceborne Computer. La multinazionale statunitense, leader nelle soluzioni tecnologiche edge-to-cloud (in cui l’elaborazione dei dati avviene in parte sul dispositivo remoto e in parte sui server centrali), ha installato server commerciali standard sulla Stazione Spaziale Internazionale (ISS) nel 2017, 2021 e 2024. Questo ha permesso di ridurre fino al 90% il volume dei dati da trasmettere a Terra.

In un’intervista a Via Satellite (novembre 2025), Clint Crosier, già responsabile della pianificazione della U.S. Space Force e oggi direttore di Aerospace & Satellite Solutions di AWS, ha illustrato i risultati pratici. In un test con la startup italiana D-Orbit, elaborare i dati direttamente a bordo del satellite ha permesso di trasmettere a Terra solo le immagini realmente utili: il satellite ha continuato a soddisfare tutti i requisiti della missione usando il 42% in meno di banda. Liberando quella banda, lo stesso satellite può inviare quasi il doppio dei dati utili senza alcuna modifica all’hardware. Il vantaggio per le applicazioni militari è evidente (non a caso, il Department of Defense Space Strategy statunitense identifica lo spazio come dominio operativo a tutti gli effetti).

Gli Stati Uniti stanno inoltre sviluppando la Proliferated Warfighter Space Architecture (PWSA) della Space Development Agency (SDA): una costellazione di centinaia di piccoli satelliti in orbita bassa interconnessi otticamente. Una flotta progettata per garantire comunicazioni resilienti e rilevamento missilistico anche in caso di attacchi a infrastrutture terrestri. A dicembre 2025, la SDA ha assegnato contratti per circa 3,5 miliardi di dollari per la costruzione di altri 72 satelliti di tracciamento missilistico. La logica strategica è chiara: in uno scenario di conflitto, gli impianti e le installazioni a terra sono tra i primi obiettivi a essere colpiti. Una capacità di calcolo dislocata nello spazio, interconnessa otticamente e ridondante offre invece maggiore sicurezza e una continuità operativa difficilmente replicabile sulla Terra.

La Cina accelera: la Three-Body Computing Constellation

Dagli Stati Uniti alla Cina. Come già accennato, il 14 maggio 2025 la Repubblica Popolare ha lanciato i primi 12 satelliti della Three-Body Computing Constellation, sviluppata dall’istituto di ricerca Zhejiang Lab e dall’azienda ADA Space di Chengdu. Ogni satellite offre 744 TOPS (tera-operazioni al secondo) e l’intera rete è progettata per espandersi fino a 2.800 satelliti, con una potenza computazionale complessiva di 1.000 peta-operazioni al secondo, paragonabile per ordine di grandezza ai supercomputer terrestri più potenti. I satelliti sono collegati da link laser inter-satellite (un collegamento che usa fasci di luce laser per trasmettere dati direttamente da un satellite all’altro), alimentati da pannelli solari e raffreddati passivamente dal vuoto, eliminando i costosi sistemi di raffreddamento a liquido dei data center terrestri.

Secondo un piano quinquennale citato dall’emittente televisiva cinese CCTV e ripreso dalla Reuters lo scorso 29 gennaio, la CASC (China Aerospace Science and Technology Corporation) ha annunciato la costruzione di un’infrastruttura digitale spaziale da un gigawatt di potenza, identificata come pilastro del 15° Piano Quinquennale cinese, integrando capacità cloud, edge computing e terminali per elaborare dati direttamente in orbita.

Il ruolo delle aziende private

C’è però da osservare che la corsa ai data center orbitali non è più una prerogativa dei governi. A novembre 2025, Starcloud ha lanciato il primo satellite equipaggiato con una GPU NVIDIA H100, realizzando la prima dimostrazione di addestramento IA direttamente in orbita. L’11 gennaio 2026, con la missione Twilight di SpaceX, sono arrivati in orbita i primi due nodi del data center orbitale della statunitense Axiom Space, sviluppati in collaborazione con la canadese Kepler Communications e collegati tramite link ottici da 2,5 Gbps.

Google, con il progetto Suncatcher, punta invece a una costellazione di satelliti dotati di TPU (i processori per l’intelligenza artificiale progettati da Google) alimentati da energia solare, con un primo test, in collaborazione con la società di San Francisco Planet Labs, previsto per il 2027. Secondo indiscrezioni, SpaceX starebbe preparando una generazione aggiornata dei satelliti della sua costellazione Starlink capace di ospitare carichi di calcolo, con link ottici inter-satellite a banda ultralarga.

A rendere economicamente plausibili delle infrastrutture permanenti in orbita è anche la riduzione dei costi di lancio, che – secondo uno studio della NASA – sono passati da circa 54mila dollari al chilogrammo con lo Space Shuttle a 2.700 dollari con il razzo riutilizzabile Falcon 9 della società spaziale di Elon Musk: una riduzione di venti volte in due decenni. Tuttavia, la gestione privata di sistemi potenzialmente critici introduce domande (per ora) senza risposta: a cominciare da chi sia responsabile in caso di violazione dei dati su un satellite commerciale.

Dal canto suo, l’Europa non dispone di un programma comparabile per il cloud orbitale. Il progetto IRIS² – 290 satelliti per comunicazioni sicure, contratto da 10,5 miliardi firmato nel dicembre 2024 con il consorzio SpaceRISE – non include infrastrutture di calcolo orbitale autonome. Sul fronte della ricerca, il progetto europeo ASCEND ha completato nel 2024 uno studio che conferma la fattibilità tecnica dei data center orbitali e si pone l’obiettivo di dispiegare 1 GW entro il 2050. ASCEND è guidato da Thales Alenia Space, joint venture tra Thales e Leonardo: la partecipazione dell’azienda italiana è il contributo più diretto del nostro paese a questo scenario.

C’è poi da notare che D-Orbit, startup comasca già protagonista del test AWS, è tra le realtà italiane più avanzate sul tema dell’elaborazione dati in orbita e ha sottoscritto contratti con l’ESA (l’Agenzia spaziale europea) nell’ambito della costellazione di osservazione IRIDE, finanziata con fondi PNRR. Ma l’Italia non ha un programma nazionale dedicato al cloud orbitale. Il rischio è quello già visto in altri ambiti digitali: competenze industriali elevate senza controllo sull’infrastruttura finale.

Vulnerabilità e limiti

Il 24 febbraio 2022, all’ora esatta dell’invasione russa dell’Ucraina, un attacco informatico ha colpito la rete KA-SAT di Viasat (il gigante californiano delle telecomunicazioni satellitari), disabilitando decine di migliaia di modem satellitari in Ucraina e in Europa. Il malware usato – un wiper chiamato AcidRain – non ha violato nessun satellite in orbita, sfruttando invece una vulnerabilità VPN in server di gestione della rete fisicamente localizzati nel nord Italia, propagandosi fino a disabilitare 5.800 turbine eoliche in Germania. A maggio 2022, Stati Uniti, Unione Europea, Regno Unito e una dozzina di governi europei – inclusa l’Italia – hanno attribuito pubblicamente l’attacco al GRU, l’intelligence militare russa.

Il caso Viasat contiene una lezione che vale doppio per i data center orbitali: il punto più vulnerabile di un’infrastruttura spaziale non è il satellite. È tutto ciò che lo gestisce da Terra: stazioni di controllo, reti di uplink, sistemi di autenticazione, catena di fornitura dell’hardware. A questo si aggiunge un problema strutturale specifico dello spazio: il patching. Un data center terrestre può infatti ricevere una patch di sicurezza in pochi minuti. Un satellite in orbita bassa ha finestre di comunicazione limitate, banda ristretta e nessuna possibilità di intervento fisico. Se un sistema orbitale venisse compromesso, la risposta sarebbe strutturalmente più lenta e, in alcuni scenari, impossibile senza un nuovo lancio.

Jamming e spoofing GPS sono già operativi in zona di conflitto e documentati sistematicamente dall’Agenzia europea per la sicurezza aerea (EASA) nel Mar Nero, in Medio Oriente e nel Baltico: dimostrano che l’interferenza deliberata sulle infrastrutture spaziali è una realtà, non un’ipotesi. Un attacco a un sistema orbitale porterebbe le stesse complessità a un livello superiore: chi ha giurisdizione, chi può intervenire, con quali strumenti e in quale tempo utile.

Il vuoto normativo

L’Outer Space Treaty del 1967 attribuisce allo Stato di lancio la giurisdizione e il controllo sugli oggetti spaziali, indipendentemente da dove operino. Ma questo trattato non contempla infrastrutture digitali, non regola la proprietà dei dati in orbita, non prevede meccanismi di applicazione in caso di violazione informatica. 

A quasi sessant’anni dalla firma, non esiste nessun trattato internazionale che disciplini specificamente la protezione dei dati nello spazio. Nel 2019, dopo otto anni di negoziato, l’UN COPUOS (la Commissione delle Nazioni Unite sull’uso pacifico dello spazio extra-atmosferico) ha adottato 21 linee guida per la sostenibilità a lungo termine delle attività spaziali: volontarie, non vincolanti e relative a detriti, sicurezza operativa e traffico orbitale. La protezione dei dati non è contemplata.

Il primo segnale che la questione stia diventando urgente sul piano normativo è arrivato a gennaio di quest’anno: SpaceX ha depositato all’americana FCC (Federal Communications Commission) una richiesta per lanciare fino a un milione di satelliti definiti esplicitamente “orbital data centers”. Questo è il primo iter normativo al mondo che affronta direttamente il tema, ma riguarda una sola nazione e non tocca le questioni di giurisdizione sui dati.

Payal Arora, professoressa di IA inclusiva all’Università di Utrecht (Olanda), ha sintetizzato il problema in un’analisi pubblicata da Rest of World nel febbraio 2026: se i dati dei cittadini sono elaborati in orbita, la sovranità digitale “diventa ambigua”, sospesa tra il Paese d’origine, lo Stato di lancio e l’operatore commerciale del satellite. Nessuno dei meccanismi esistenti – né il diritto spaziale internazionale, né il diritto cyber nazionale, né i trattati di mutua assistenza giudiziaria – è stato progettato per rispondere a questi aspetti.

Per decenni il potere digitale è stato ancorato a piattaforme fisiche entro confini nazionali. Anche i cavi sottomarini, che trasportano oltre il 95% del traffico internet globale, hanno una giurisdizione di riferimento, con trattati, procedure e responsabilità definite. Il cloud orbitale rompe questo sistema. I dati possono essere archiviati ed elaborati in luoghi che nessuna autorità nazionale può raggiungere, né fisicamente né giuridicamente. In sostanza, per la prima volta, la localizzazione dei dati smette di coincidere con il territorio.

Come spiega Jane Munga, ricercatrice per l’Africa al Carnegie Endowment for International Peace, la sovranità tende a seguire la proprietà dell’infrastruttura: chi non partecipa al suo possesso e alla sua governance rischia di essere relegato a produttore di dati senza alcuna capacità reale di controllo su come siano archiviati, elaborati o usati. Un’incognita che sconfina dal campo dell’innovazione tecnologica. 

Quello in corso è un passaggio epocale le cui conseguenze sono ancora da scrivere. Il rischio è che si erigano infrastrutture informatiche cruciali per nazioni, imprese e cittadini che superino la sovranità digitale degli Stati. Senza che ci siano le regole per governarle.

Fonte 

La termodinamica del capitale: intelligenza artificiale, crisi energetica e crisi ecologica

In questo articolo, Te Li smaschera il mito della dematerializzazione digitale diffuso dai sostenitori dell’intelligenza artificiale (IA), i quali presentano questa tecnologia come un fenomeno che è fuggito dal regno materiale e, di conseguenza, dalla stessa entropia. In realtà, l'autore dimostra come i requisiti materiali ed energetici dell’intelligenza artificiale la inseriscano a pieno titolo nel regno fisico, collocando tale tecnologia nel contesto della frattura metabolica nel capitalismo.

Nella primavera del 2023, Microsoft ha annunciato un investimento multimiliardario in OpenAI, descrivendo la partnership come un salto in avanti verso una civiltà più pulita, più intelligente e più efficiente. Le immagini che accompagnano tali annunci sono invariabilmente eteree: reti neurali luminose, flussi di dati senza peso e algoritmi che danzano attraverso lo spazio digitale privo di attrito. L’intelligenza artificiale (IA), nella narrativa dominante della Silicon Valley e del suo ecosistema mediatico, si presenta come l’apoteosi della dematerializzazione: una tecnologia così raffinata, così puramente cognitiva, da essere finalmente fuggita dal mondo sporco ed entropico delle macchine a vapore, delle miniere di carbone e delle fabbriche.

Questo articolo sostiene che tali rappresentazioni siano ideologiche nel senso marxista del concetto: esse capovolgono la realtà, presentando come immateriale un processo che è profondamente, e conseguentemente, materiale. Si stima che l'addestramento di GPT-4 abbia consumato energia equivalente all'uso annuo di energia elettrica di migliaia di famiglie.[1] Una singola query [richiesta] ad un modello linguistico di grandi dimensioni richiede circa dieci volte l'elettricità necessaria per una ricerca standard su Internet.[2] Il consumo di acqua da parte di Microsoft è aumentato del 34% in un solo anno, un'impennata che il proprio rapporto ambientale ha attribuito direttamente all'espansione dell'infrastruttura di IA.[3] Queste non sono inefficienze incidentali in attesa di un miglioramento tecnico; sono necessità strutturali di una tecnologia il cui substrato fisico – semiconduttori, data center, sistemi di raffreddamento e reti di trasmissione – è tra le infrastrutture che richiedono il maggior impiego di risorse che l’umanità abbia mai costruito.

Il mito della dematerializzazione digitale ha una lunga genealogia. A partire dagli anni ’90, i teorici della “economia dell’informazione” hanno sostenuto che il passaggio dalla produzione manifatturiera ai servizi, e dagli atomi ai bit, avrebbe disaccoppiato la crescita economica dal consumo di risorse materiali.[4] L’ascesa dell’IA ha dato a questa tesi una nuova e più potente versione: se le precedenti tecnologie digitali si limitavano a elaborare le informazioni, l’IA – così recita l'argomentazione – genera essa stessa l’intelligenza, una risorsa la cui abbondanza non esaurisce la natura ma la trascende. Questa è la visione che anima la retorica della “IA per il clima”, della “IA per la sostenibilità”, e l’affermazione più ampia secondo cui la potenza di calcolo può sostituire le risorse naturali nella risoluzione della crisi ecologica.

Il quadro teorico sviluppato in questo articolo, mette in discussione questa visione fin dalle sue fondamenta. Attingo alla tradizione termodinamica nell'ambito dell’economia politica ecologica – dall’opera fondamentale di Nicholas Georgescu-Roegen, The Entropy Law and the Economic Process, alla sintesi ecosocialista sviluppata da John Bellamy Foster e Brett Clark – per sostenere che l’ascesa dell’IA sotto il capitalismo rappresenta non una trascendenza dal mondo materiale ma un’intensificazione del rapporto entropico del capitale con esso.[5] La seconda legge della termodinamica è inesorabile nella sua universalità: ogni calcolo è un evento termodinamico. Consuma energia a bassa entropia – ordinata, utilizzabile, libera per compiere lavori – e restituisce alla biosfera rifiuti ad alta entropia sotto forma di calore, anidride carbonica e materia degradata. Nessun algoritmo, per quanto elegante, sospende questa legge. La questione non è se l'IA produce entropia, ma quanta, a quale ritmo, e quali ecosistemi ne assorbono le conseguenze.

Karl Marx concepiva la produzione come un processo metabolico, come un continuo interscambio tra le società umane e il mondo naturale, mediato dal lavoro e dalla tecnologia. Nel Capitale, egli ha osservato che i macchinari non creano energia, ma trasformano e trasmettono le forze naturali incorporate al suo interno, e che questa trasformazione comporta sempre il consumo di sostanze naturali.[6] Ciò che non avrebbe potuto prevedere era una forma di accumulazione capitalistica in cui la forza produttiva primaria fosse la potenza di calcolo, e in cui le esigenze termodinamiche di tale potenza avrebbero esercitato uno stress senza precedenti sui sistemi energetici planetari, sulle riserve di acqua dolce e sulla stabilità climatica. L’ascesa dell’IA ci pone di fronte alla necessità di estendere l’analisi metabolica di Marx al mondo digitale.

Le dinamiche dell'accumulazione: l'IA come motore ad alta entropia

In primo luogo, la crisi ecologica dell’IA non è un problema termodinamico. È un fatto sociale e storico. I processi specifici che stanno generando l’impatto ecologico dell’IA – la competizione al rialzo tra una manciata di monopoli tecnologici, l’imperativo di aumentare la capacità computazionale a prescindere dall’utilità sociale, e l’esternalizzazione sistematica dei costi ecologici sulle comunità e sugli ecosistemi del Sud globale – sono i prodotti di una particolare formazione storica: il capitalismo nella sua fase monopolistica-digitale. La termodinamica non causa questi processi, ma registra le loro conseguenze. La seconda legge della termodinamica ci dice che ogni calcolo degrada l’energia. Non ci dice perché il calcolo sia organizzato su questa scala, a questo ritmo, per questi scopi, e a spese di chi. Per fare questo, abbiamo bisogno di un'analisi sociale e storica. Ciò che il quadro termodinamico fornisce, e ciò che lo rende indispensabile, è una spiegazione precisa del perché il danno ecologico generato da questi processi sociali non sia incidentale ma strutturale, non correggibile tramite miglioramenti dell'efficienza ma aggravante, e non reversibile attraverso i meccanismi di mercato ma permanente.

Per capire perché l'IA sia termodinamicamente costosa per via di modalità strutturalmente necessarie, piuttosto che contingenti, è essenziale esaminare la relazione tra scalabilità computazionale, accumulazione capitalistica e consumo energetico. Questa relazione è governata da dinamiche che rendono il peso ecologico dell’IA nel sistema capitalistico non solo elevato ma autorinforzante ed espansivo.

La base fisica del calcolo dell'IA è l'elaborazione di grandi quantità di operazioni numeriche – moltiplicazioni, aggiunte e confronti – eseguite da hardware specializzato a velocità straordinaria. L'energia necessaria per eseguire queste operazioni non è trascurabile. Emma Strubell, Ananya Ganesh e lo studio di riferimento 2019 di Andrew McCallum hanno stimato che l’addestramento di un singolo modello di elaborazione del linguaggio naturale con ricerca di architettura neurale produce emissioni di anidride carbonica paragonabili alle emissioni di cinque automobili medie statunitensi nel loro ciclo di vita.[7] Le successive generazioni di modelli di elaborazione sono sostanzialmente  a emissioni maggiori. Mentre le aziende tecnologiche si sono rifiutate di pubblicare i dati relativi ai consumi energetici complessivi dei loro sistemi più recenti, le analisi indipendenti suggeriscono che i modelli di formazione più avanzati, come GPT-4, hanno consumato energia nell'ordine di decine di gigawattora, abbastanza per alimentare una piccola città per settimane.[8]

La relazione tra la scala del modello di elaborazione e la domanda computazionale non è lineare ma superlineare. La ricerca sulle leggi di scala nei modelli linguistici di grandi dimensioni ha stabilito che le prestazioni del modello si ridimensionano approssimativamente in funzione della potenza del prodotto dei parametri del modello, e dei dati di formazione.[9] Ciò significa che i perfezionamenti progressivi della capacità del modello richiedono aumenti spropositati negli investimenti computazionali. Per migliorare le prestazioni di un modello di una percentuale fissa, il budget computazionale – e quindi il consumo di energia – deve aumentare di una percentuale significativamente maggiore. Questa è l'espressione termodinamica dei rendimenti decrescenti: man mano che i sistemi di intelligenza artificiale di frontiera si avvicinano ai limiti delle prestazioni nei compiti di riferimento, ogni incremento aggiuntivo di capacità richiede un apporto energetico esponenzialmente maggiore. Il costo entropico dell’IA, secondo gli attuali paradigmi tecnologici, aumenta più rapidamente dell’IA stessa.

Questa dinamica è ulteriormente amplificata dalla logica dell’accumulazione capitalistica. L’industria dell’IA è organizzata intorno a un piccolo numero di grandi aziende – Google, Microsoft, Amazon, Meta (Facebook) e le loro controparti cinesi – la cui posizione competitiva dipende dal mantenimento della superiorità algoritmica. In questo contesto, la capacità informatica non è solo un input di produzione, ma un asset strategico: l'azienda con maggiori risorse computazionali può formare modelli più grandi, attirare più utenti e accumulare più dati, rafforzando così il suo dominio del mercato. Questo crea quella che potrebbe essere definita una competizione al rialzo, in cui ogni azienda è costretta ad espandere la propria infrastruttura di IA non perché il beneficio sociale marginale del calcolo aggiuntivo giustifichi il costo marginale, ma perché la logica competitiva dell'accumulazione capitalistica rende qualsiasi contenimento equivalente all'uscita dal mercato.[10] Nessuna singola impresa può ridurre volontariamente il suo consumo energetico senza cedere terreno ai rivali. Il risultato è un fallimento dell'azione collettiva di proporzioni storiche: complessivamente, l'industria espande la sua impronta energetica ben oltre ciò che qualsiasi valutazione razionale del bisogno sociale richiederebbe.

Il meccanismo attraverso il quale opera questa dinamica è illuminato dal paradosso di Jevons (Jevons Paradox)*, riconosciuto per la prima volta dall'economista inglese William Stanley Jevons nella sua analisi del 1865 sul consumo di carbone britannico. Jevons ha osservato che i miglioramenti nell'efficienza delle macchine a vapore – riduzioni della quantità di carbone necessaria per svolgere una determinata unità di lavoro – non hanno ridotto il consumo totale di carbone ma l'hanno accelerato, perché minori costi dell'uso di energia hanno stimolato l'espansione dell'attività economica ad alta intensità energetica.[11] Il paradosso non è una stranezza dell'economia politica vittoriana; è una caratteristica strutturale dell'accumulazione capitalistica, operante ogniqualvolta i guadagni di efficienza riducono il costo di una risorsa e quindi stimolano la domanda per il suo utilizzo.

Nel settore dell'IA, il paradosso di Jevons opera con particolare forza. Le generazioni successive di chip IA, dalle architetture A100 alle H100 di NVIDIA, hanno prodotto notevoli miglioramenti nell’efficienza computazionale, misurati in operazioni per watt. Eppure il consumo totale di energia da parte delle infrastrutture di IA è aumentato continuamente e rapidamente, perché i guadagni di efficienza hanno ridotto il costo del calcolo dell'IA, stimolato la proliferazione delle applicazioni di intelligenza artificiale, aumentato il volume delle operazioni di inferenza, e accelerato lo sviluppo di modelli sempre più grandi. L’analisi di OpenAI ha rilevato che i requisiti computazionali dell'intelligenza artificiale di frontiera sono raddoppiati circa ogni 3/4 mesi tra il 2012 e il 2018, con un tasso di incremento di gran lunga superiore ai miglioramenti di efficienza forniti dai progressi dell'hardware.[12] Nel 2024, l'Agenzia internazionale per l'energia (AIE) ha previsto che il consumo di energia elettrica da data center potrebbe superare i 1.000 terawattora all’anno entro il 2026, approssimativamente equivalente all’intera domanda di elettricità del Giappone.[13]

Sono questi processi sociali e storici concreti – la monopolistica competizione al rialzo, la dinamica di Jevons e l’impossibilità strutturale di automoderazione in un regime di accumulazione competitiva – che la termodinamica registra, ma non può da sola spiegare. La termodinamica del non equilibrio di Ilya Prigogine, sviluppata più pienamente in Order Out of Chaos, fornisce il ponte concettuale tra la logica sociale del capitale e le sue conseguenze fisiche.[14] Prigogine ha dimostrato che i sistemi complessi che sono lontani dall'equilibrio termodinamico – le cosiddette strutture dissipative – mantengono il loro ordine interno importando continuamente energia a bassa entropia dal loro ambiente ed esportando rifiuti ad alta entropia. La cellula vivente, l’uragano e la fiamma sono tutte strutture dissipative in questo senso: sostengono la loro complessità interna aumentando l’entropia nell'ambiente circostante. Ma l’intuizione più profonda di Prigogine, e quella più importante per gli scopi attuali, è che i processi che spingono le strutture dissipative lontano dall'equilibrio non sono reversibili. L'entropia generata nell'ambiente circostante non può essere recuperata; il deterioramento dell'ambiente è permanente. Questa irreversibilità non è un effetto collaterale dell'inefficienza, ma la firma termodinamica dei processi dissipativi stessi.

Il complesso capitalista dell'IA è una struttura dissipativa di questo tipo, ma la scala, il tasso di crescita e l'irreversibilità di questa struttura sono determinati non dalle dinamiche naturali, ma dagli imperativi dell'accumulazione capitalistica. Mantiene l'ordine interno del profitto aziendale, dell'ottimizzazione algoritmica e del dominio del mercato riducendo continuamente le scorte a bassa entropia della biosfera – combustibili fossili, acqua dolce e giacimenti minerari – e restituendole come rifiuti ad alta entropia: anidride carbonica, inquinamento termico e rifiuti elettronici. L'anidride carbonica emessa dai data center si accumula nell'atmosfera su scale temporali di secoli. Le falde acquifere, prelevate dai sistemi di raffreddamento, si possono ricreare solo in tempi millenari, se non si prosciugano del tutto. Gli ecosistemi sconvolti dall'estrazione di minerali nel bacino del Congo o nel deserto di Atacama non ritornano ai loro stati precedenti dopo che le miniere chiudono. Ciò che il capitalismo fa, attraverso la logica competitiva dell’accumulo di IA, è guidare questi processi dissipativi a un ritmo e su una scala che superano la capacità rigenerativa dei sistemi naturali, determinando danni ecologici che nessuna futura soluzione tecnologica potrà annullare. L'ordine dell'algoritmo viene acquisito al prezzo del disordine permanente nell'atmosfera, nei bacini idrografici e nei suoli.

Questa elaborazione ci permette di vedere cosa nasconde la narrazione tecno-ottimista: che l’“intelligenza” prodotta dai sistemi di IA non è un dono gratuito dell'informatica, ma un prodotto termodinamico, estratto dalla natura ad un costo che il mercato omette sistematicamente di registrare. I conti finanziari delle aziende tecnologiche registrano i ricavi generati dai servizi di IA; non registrano il costo entropico imposto agli ecosistemi, alle comunità e ai sistemi climatici dai flussi di energia e dai materiali che rendono possibili tali servizi. Non si tratta di un errore contabile ma di una caratteristica strutturale del rapporto del capitalismo con la natura – quella che John Bellamy Foster, Brett Clark e Richard York hanno definito la “frattura ecologica”: la separazione sistematica dei costi di produzione dai luoghi e dai soggetti che li subiscono.[15]

Un'ulteriore dimensione dell'analisi termodinamica riguarda il rapporto tra la formazione dell'IA e l'inferenza dell'IA. L'addestramento, ovvero il processo di ottimizzazione dei parametri di un modello su grandi set di dati, è un processo computazionalmente impegnativo, ma avviene una sola volta. L'inferenza, ovvero il processo di esecuzione di un modello addestrato per generare output, è individualmente meno intensivo, ma avviene in modo continuo, miliardi di volte al giorno, nell'ambito dell'implementazione globale dei sistemi di IA. Man mano che l’intelligenza artificiale viene integrata nei motori di ricerca, nei software di produttività, nella diagnostica sanitaria, nella ricerca legale, nell’analisi finanziaria e nei sistemi di targeting militare, la domanda energetica aggregata di inferenza cresce in proporzione alla scala di implementazione. Goldman Sachs Research ha stimato che la domanda di energia per l'inferenza dell'intelligenza artificiale potrebbe superare quella della formazione entro l'attuale decennio, con l'espansione della sua diffusione.[16] Ciò significa che l'onere ecologico dell'intelligenza artificiale non è un costo una tantum per la costruzione del sistema, ma una tassa continua e crescente sui bilanci energetici e idrici del pianeta: una tassa con un'aliquota che aumenta con ogni nuova applicazione, ogni nuovo utente e ogni nuovo ciclo di accumulazione capitalistica nel settore dell'IA.

Il quadro che emerge è quello in cui la crisi ecologica dell’IA è prodotta non dalla termodinamica in quanto tale, ma dai processi sociali e storici specifici dell’accumulazione capitalistica – la competizione al rialzo, la dinamica di Jevons e l’esternalizzazione sistematica dei costi ecologici – che insieme guidano processi dissipativi irreversibili, secondo Prigogine, su scala planetaria. L’entropia è la misura del danno; l’accumulazione capitalistica è la sua causa.

La frattura energetica: energia, acqua ed estrazione mineraria

L’analisi termodinamica della sezione precedente, definisce la logica strutturale delle richieste energetiche dell’IA. Questa sezione esamina la realtà materiale di queste richieste in tre dimensioni: elettricità, acqua e minerali critici. Insieme, questi tre vettori di estrazione costituiscono quello che possiamo chiamare, adattando il concetto di "frattura metabolica" di Foster e Clark, una “spaccatura energetica” specifica dell'era digitale: una rottura sistematica della relazione metabolica tra i sistemi tecnologici umani e i cicli naturali che li sostengono, mediata dalle disuguaglianze spaziali e sociali del capitalismo globale.[17]

Elettricità: la rete sotto assedio

La dimensione più immediatamente visibile dell'impronta ecologica dell'intelligenza artificiale è la sua domanda di energia elettrica. I data center – l'infrastruttura fisica dell'IA, che ospita i server che addestrano i modelli ed elaborano le richieste di inferenza – sono tra le strutture che consumano più elettricità nell'economia moderna. Un grande hyperscale data center, come quello gestito da Google, Microsoft o Amazon, può consumare ininterrottamente tra 100 e 500 megawatt di energia – è paragonabile alla domanda di elettricità di una città di medie dimensioni. L'espansione dell'IA ha accelerato drasticamente la costruzione di tali strutture. Nel 2024, Microsoft ha annunciato l’intenzione di investire, da sola, 100 miliardi di dollari in nuove infrastrutture di data center a livello globale, con impegni simili da parte di Google, Amazon e Meta.[18]

La portata di questa espansione sta esercitando una forte pressione sulle reti elettriche nelle regioni in cui si concentra la costruzione di data center. Nella Virginia settentrionale, che ospita la più grande concentrazione di data center al mondo, i gestori della rete hanno lanciato l'allarme: la crescita pianificata dei data center minaccia di superare la capacità di generazione e trasmissione di elettricità della regione, rendendo potenzialmente necessaria la costruzione di nuove centrali a combustibili fossili per soddisfare la domanda.[19] In Irlanda, i data center rappresentano già circa il 21% del consumo totale di energia elettrica nazionale: una cifra che i progetti dei gestori di rete nazionale potrebbero far aumentare al 32% entro il 2031, escludendo la capacità di energia rinnovabile destinata alla decarbonizzazione domestica e industriale.[20] A Singapore, il governo ha imposto una moratoria sulla costruzione di nuovi data center tra il 2019 e il 2022, adducendo limitazioni energetiche, prima di revocarla sotto la pressione delle aziende tecnologiche.

La relazione tra la domanda di elettricità dell’IA e la transizione energetica è molto contraddittoria. Le aziende tecnologiche hanno assunto impegni di alto profilo per alimentare le loro operazioni con energie rinnovabili, e hanno investito in modo sostanziale in accordi di acquisto di energia elettrica eolica e solare. Ma questi impegni sono sistematicamente compromessi da tre dinamiche strutturali. In primo luogo, il disallineamento temporale tra la disponibilità di energia rinnovabile, che è intermittente, dipendente dalle condizioni eoliche e solari, e la domanda di data center, che è continua e non può essere interrotta, significa che gli accordi di acquisto di energia rinnovabile spesso non corrispondono ai modelli di consumo effettivo di elettricità. L'elettricità che fluisce attraverso i circuiti dei data center in un dato momento può essere generata da gas naturale, carbone o impianti nucleari, indipendentemente da quali contratti rinnovabili l'azienda ha firmato.[21]

In secondo luogo, e più sostanzialmente, la crescita della domanda di elettricità da parte dell'IA sta superando l'espansione della capacità di energia rinnovabile. Un'analisi del 2024 condotta dall'Agenzia Internazionale per l'Energia ha rilevato che in diversi mercati importanti, la crescita prevista della domanda di elettricità nei data center consumerebbe una quota sostanziale di energia rinnovabile di nuova generazione, escludendo di fatto la decarbonizzazione in altri settori.[22] Sviluppare capacità rinnovabili per alimentare l'IA non aumenta l'approvvigionamento di energia pulita per l'economia in generale; assorbe energia pulita che altrimenti sostituirebbe i combustibili fossili altrove.

In terzo luogo, gli enormi requisiti di affidabilità delle infrastrutture di IA hanno spinto le aziende tecnologiche a cercare contratti a lungo termine per la produzione di elettricità alimentata a gas naturale. L'accordo di Microsoft con Constellation Energy per riaprire la centrale nucleare di Three Mile Island ha attirato una notevole pubblicità, ma meno notata è stata la tendenza delle aziende tecnologiche di siglare contratti di capacità con i produttori di gas per garantire una alimentazione stabile di energia.[23] La logica ecologica è chiara: l'espansione dell'IA sta prolungando direttamente la vita economica delle infrastrutture per l'estrazione di combustibili fossili, vincolando il sistema a emissioni di carbonio per i decenni a venire.

Acqua: il metabolismo nascosto

Se l’elettricità è il volto visibile dell’impatto ecologico dell’IA, l’acqua ne costituisce il metabolismo nascosto. I data center richiedono grandi quantità di acqua dolce per il raffreddamento, sia attraverso sistemi di raffreddamento evaporativo diretto che consumano acqua sotto forma di vapore che attraverso il raffreddamento delle centrali termoelettriche che forniscono loro l’elettricità. Questa domanda di acqua è strutturalmente invisibile nella maggior parte della valutazione pubblica dell’impatto ambientale dell’IA, eppure rappresenta uno dei fattori più gravi e localmente acuti dell’impronta ecologica di questa tecnologia.

Lo studio del 2023 di Pengfei Li e colleghi, ha fornito le prime stime sistematiche del consumo di acqua dell’IA, calcolando che l’addestramento di ChatGPT-3 [un assistente virtuale sviluppato da OpenAI] ha richiesto l’utilizzo di circa 700.000 litri di acqua dolce, abbastanza per produrre 370 auto BMW o 320 veicoli elettrici Tesla.[24] Per inferenza, il quadro è altrettanto sorprendente: lo studio ha stimato che ChatGPT consuma circa 500 millilitri [mezzo litro] di acqua, per rispondere a 20-50 domande. Moltiplicato per milioni di utenti giornalieri, ciò rappresenta una domanda complessiva di acqua dolce di enormi proporzioni.

I dati divulgati dalle aziende confermano questa tendenza. Il Rapporto ambientale di Microsoft del 2022 ha rivelato un aumento del 34%, nel consumo globale di acqua rispetto all’anno precedente, attribuendo esplicitamente tale aumento all'espansione delle infrastrutture di IA.[25]  Nello stesso periodo Google ha registrato un aumento del 20% del consumo di acqua.[26] Queste non sono fluttuazioni marginali: rappresentano un cambiamento strutturale nella domanda di acqua dolce da parte del settore tecnologico, guidato direttamente dalla crescita dei sistemi di IA.

La geografia del consumo di acqua non è affatto neutrale. I data center sono spesso situati in regioni scelte per il basso costo di terreni, la presenza di regimi fiscali favorevoli e di condizioni climatiche adatte al raffreddamento, criteri che portano abitualmente le aziende tecnologiche a insediarsi in aree caratterizzate da stress idrico, esistente o emergente. Nel Sud-ovest degli Stati Uniti, i data center competono per l'acqua con l'agricoltura e con i sistemi idrici pubblici, in una regione che è già alle prese con gravi condizioni di siccità, amplificate dai cambiamenti climatici. In Cile, le aziende tecnologiche hanno costruito strutture per data center nella regione di Atacama e nelle sue vicinanze, attingendo alle risorse idriche di uno degli ecosistemi più aridi del mondo – risorse da cui dipendono, per la sopravvivenza, le comunità indigene degli Atacameño e i piccoli agricoltori.[27] In India, negli stati di Telangana e Andhra Pradesh, i progetti di parchi di data center hanno incontrato resistenze a livello locale per le preoccupazioni relative all’esaurimento delle falde acquifere in aree che già soffrono di scarsità d’acqua per l’agricoltura.

Questo modello spaziale riproduce, nello specifico delle infrastrutture digitali dominanti, la logica più estesa di ciò che Rob Nixon chiama “slow violence” [violenza lenta]: le forme graduali, sparse e attenuate temporalmente, di danno ecologico, che non vengono registrate come eventi nei media o nei sistemi politici dominati da catastrofi drammatiche e improvvise.[28] L’esaurimento di una falda acquifera regionale dovuto alle operazioni di raffreddamento dei data center, avviene nel corso di anni e decenni, colpendo comunità la cui insicurezza idrica è già cronica e la cui voce politica è limitata: non genera titoli di giornali. Non compare nei rapporti di sostenibilità delle aziende tecnologiche. Ma è materialmente reale, termodinamicamente necessario e strutturalmente determinato dalla logica competitiva dell'accumulazione dell’IA.

Minerali: la base estrattiva

La terza dimensione della frattura energetica dell’IA è rappresentata dalla base estrattiva del suo hardware. I semiconduttori, i server, i sistemi di archiviazione e le apparecchiature di rete che costituiscono l'infrastruttura dell’IA richiedono una complessa gamma di minerali critici – litio, cobalto, tantalio, neodimio, disprosio, indio, gallio e altri – la cui estrazione comporta gravi e concentrati danni ecologici, che gravano in modo sproporzionato sulle comunità del Sud globale.

La geografia dell'estrazione di minerali critici coincide quasi esattamente con la geografia dell’estrazione coloniale storica. La Repubblica Democratica del Congo fornisce circa il 70% della produzione globale di cobalto, in gran parte proveniente da miniere artigianali che operano in condizioni di grave degrado ambientale e sfruttamento del lavoro, incluso l’uso diffuso del lavoro minorile.[29] Bolivia, Cile e Argentina – il “triangolo del litio” – detengono la maggior parte delle riserve globali di litio, e la loro estrazione genera l’esaurimento delle falde acquifere saline in ecosistemi ad alta quota di eccezionale sensibilità ecologica. Gli elementi delle terre rare, essenziali per i magneti permanenti utilizzati nelle ventole di raffreddamento e nei sistemi di alimentazione dei data center, sono concentrati in Cina, Myanmar e Repubblica Democratica del Congo, con operazioni di trasformazione che generano rifiuti radioattivi e tossici.

L'accelerazione dello sviluppo dell’hardware per l'IA aggrava queste pressioni estrattive attraverso la logica dell'obsolescenza programmata. Le dinamiche della competizione al rialzo dell’IA richiedono alle aziende tecnologiche di aggiornare continuamente il proprio hardware, sostituendo le precedenti generazioni di GPU e gli acceleratori di IA personalizzati con modelli più nuovi e potenti, che hanno cicli di due-tre anni. Questo genera enormi quantità di rifiuti elettronici: server, GPU, moduli di memoria e apparecchiature di rete scartati  che contengono materiali tossici tra cui piombo, mercurio, cadmio e ritardanti di fiamma bromurati. La produzione globale di rifiuti elettronici ha raggiunto i 62 milioni di tonnellate nel 2022 e si prevede che crescerà fino a 82 milioni di tonnellate entro il 2030.[30] Una parte sostanziale di questi rifiuti viene esportata, spesso in violazione della Convenzione di Basilea, verso impianti di trattamento in Africa occidentale, Asia meridionale e Sud-Est asiatico, dove viene gestita in condizioni di grave rischio per la salute e l'ambiente.

Il concetto di scambio ecologico ineguale ha una storia lunga e controversa, che affonda le sue radici nella più ampia tradizione dello scambio ineguale e nella critica marxista dell’imperialismo. Attingendo a questa ricca tradizione intellettuale – che dalle teorie classiche dell'imperialismo arriva alla teoria della dipendenza e all'analisi del sistema-mondo – gli studiosi hanno progressivamente incorporato le dimensioni ecologiche nell'analisi delle asimmetrie Nord-Sud.[31] Il contributo di Clark e Foster a questo quadro teorico si fonda principalmente sulla critica dell'imperialismo ecologico: il riconoscimento che il rapporto metabolico tra il Nord globale [il centro del sistema-mondo] e il Sud globale [la periferia] non è solo un'asimmetria economica, ma anche ecologica in quanto la periferia assorbe i costi ambientali dell'accumulazione del centro.[32] Questo quadro teorico fornisce le basi per comprendere l’economia politica globale del metabolismo dei materiali dell’IA.

Questi tre vettori di estrazione – elettricità, acqua e minerali – non sono indipendenti; sono dimensioni interconnesse di un unico sistema metabolico organizzato dagli imperativi di accumulazione capitalistica. I data center richiedono elettricità, che a sua volta richiede infrastrutture che richiedono minerali e acqua. I sistemi di raffreddamento necessitano di acqua ed entrano in competizione con l'agricoltura e l'approvvigionamento idrico pubblico, con ripercussioni sui sistemi alimentari e sulla salute umana. La produzione di hardware richiede minerali, e la loro estrazione produce rifiuti e crea problemi di smaltimento che causano ulteriori danni ecologici. La frattura energetica dell’IA non è una singola rottura nel metabolismo della natura, ma una perturbazione a cascata che interessa molteplici sistemi ecologici, coordinata dalla mano invisibile del capitale e resa invisibile dall’apparato ideologico della dematerializzazione digitale.

I limiti termodinamici del capitale

Le prove materiali raccolte nella sezione precedente vanno oltre la portata della crisi e ne evidenziano la struttura. Ciò che emerge dai dati empirici relativi alla domanda di elettricità, all’esaurimento delle risorse idriche e all’estrazione di minerali non è una serie di fallimenti indipendenti del mercato, ma un’unica logica sistemica, che richiede una spiegazione teorica, non solo tecnica.

La crisi ecologica generata dal capitalismo dell’IA non è riducibile ad un problema di aumento dei costi di produzione o, dal lato dell’offerta, di vincoli che ostacolano l’accumulazione. Rappresenta, piuttosto, un attacco sistematico alle capacità rigenerative del mondo naturale stesso. Come ha sostenuto Foster, il rapporto tra capitalismo e natura è definito da un antagonismo strutturale: la logica dell’accumulazione infinita è inconciliabile con i limiti rigenerativi finiti dei sistemi naturali.[33] Il capitale non si limita a sfruttare la natura come condizione di produzione: interrompe metabolicamente i cicli e le relazioni attraverso i quali la natura si riproduce. Paul Burkett approfondisce questa analisi recuperando da Marx una concezione della natura che rifiuta la sua riduzione a valore strumentale.[34] I sistemi naturali possiedono valori d’uso che sono irriducibili al loro ruolo nel processo produttivo, e la distruzione sistematica di questi valori d’uso da parte del capitalismo – la sua conversione degli ecosistemi viventi in fattori di produzione e discariche di rifiuti – costituisce una crisi ecologica nel senso più pieno del termine: non una crisi di redditività, ma una crisi delle condizioni biofisiche della vita stessa.

L'economia dell'IA rappresenta un'acuta intensificazione di questa dinamica. I data center, i sistemi di raffreddamento e le catene di approvvigionamento minerario che sostengono l’infrastruttura dell’IA non si limitano a sfruttare le risorse naturali, nel senso economico di aumentare i costi di produzione. Contribuiscono soprattutto a un degrado cumulativo e in gran parte irreversibile dei sistemi idrici, degli ecosistemi energetici e dei paesaggi estrattivi da cui dipende la vita umana e non umana. Questo degrado non compare nei bilanci delle imprese tecnologiche, non perché sia economicamente marginale, ma perché il sistema contabile del capitale è strutturalmente incapace di registrare la distruzione di valori che non sono mai stati mercificati. La crisi ecologica dell’IA non è quindi un fallimento del mercato in attesa di una correzione di mercato; è l’espressione di ciò che il capitalismo fa alla natura quando opera senza limiti.

La risposta dominante a questa contraddizione nel quadro della governance capitalista è la narrazione dell’IA “verde” e dell’informatica sostenibile – l’affermazione che la crisi ecologica dell’IA può essere risolta attraverso l’innovazione tecnologica, i meccanismi di mercato e l’impegno volontario delle imprese. Questa risposta merita una seria attenzione analitica, non perché sia convincente ma perché comprenderne il fallimento mette in luce il carattere strutturale del problema.

La narrazione sull’IA verde si basa su tre affermazioni: che le energie rinnovabili possono soddisfare la domanda di elettricità dell’IA senza causare danni ecologici netti; che i miglioramenti nell’efficienza dell’hardware ridurranno il costo ecologico unitario in misura sufficiente da compensare la crescita della domanda totale; e che l’IA stessa genererà benefici ambientali – attraverso la modellazione climatica, l’ottimizzazione energetica e la scienza dei materiali – che supereranno i suoi costi ecologici. Ciascuna di queste affermazioni è pregiudicata dalle dinamiche strutturali dell'accumulazione capitalistica.

Come osservato sopra, l’affermazione sulle energie rinnovabili non regge perché la domanda di elettricità dell’IA sta crescendo più rapidamente della capacità di energia rinnovabile [si riferisce alla potenza massima che un impianto o un paese può generare tramite fonti rinnovabili], perché i disallineamenti temporali tra l’offerta di energia rinnovabile e la domanda dei data center richiedono una/la generazione di energia di riserva [back-up] da combustibili fossili e perché le aziende tecnologiche, per garantire l’affidabilità, stanno attivamente stringendo accordi  per la generazione di energia di riserva con centrali a turbina a gas. L'affermazione sull’efficienza non regge a causa del paradosso di Jevons: i miglioramenti dell'efficienza dell’hardware riducono i costi e quindi stimolano una maggiore domanda, producendo un consumo energetico totale maggiore anziché inferiore. L’affermazione sul beneficio netto non regge perché tratta i costi e i benefici ecologici dell’IA come commensurabili e commerciabili, quando in realtà, i costi ecologici sono concentrati, locali e pagati dalle comunità vulnerabili. Nel frattempo, i benefici sono diffusi, speculativi e appropriati dagli azionisti e dai consumatori dei paesi ricchi. Non esiste un meccanismo di mercato in grado di aggregare questi effetti, distribuiti in modo asimmetrico, in una contabilità sociale razionale.[35]

I meccanismi di compensazione delle emissioni di carbonio (carbon offset) e gli impegni per le emissioni nette zero (net-zero pledge) attraverso i quali le aziende tecnologiche gestiscono la loro contabilità ecologica pubblica sono soggetti a critiche analoghe. Le compensazioni delle emissioni di carbonio – pagamenti a progetti che dichiarano di ridurre le emissioni altrove, compensando quelle dell'azienda stessa – sono afflitte da problemi di addizionalità, permanenza e verificabilità che rendono molti di essi ecologicamente fittizi.[36] Gli impegni per le emissioni nette zero che dipendono sostanzialmente dalle compensazioni piuttosto che dalle riduzioni delle emissioni assolute sono, in termini termodinamici, manovre contabili piuttosto che interventi fisici: non riducono l'entropia generata dai data center; acquistano diritti su riduzioni di entropia altrove, molte delle quali non si materializzano affatto. Come Clark e York hanno dimostrato nella loro analisi del metabolismo del carbonio, la frattura biosferica generata dal capitalismo dei combustibili fossili non è un’esternalità da prezzare e gestire, ma una caratteristica strutturale del rapporto tra il capitale e il ciclo del carbonio – un rapporto che l’espansione delle infrastrutture di IA sta ora approfondendo e accelerando.[37]

Una critica più importante riguarda il rapporto tra efficienza e scala. La storia del capitalismo industriale è una storia di miglioramenti dell’efficienza che sono stati costantemente sopraffatti dall'espansione di scala, una storia che Georgescu-Roegen ha analizzato come l'inevitabile conseguenza dell'applicazione dei principi della termodinamica a un sistema economico basato su una crescita illimitata.[38] Non esiste alcun miglioramento dell'efficienza, per quanto drastico, che sia in grado di rendere sostenibile un sistema in espansione esponenziale – su un pianeta finito – con un bilancio entropico fisso. La questione non è se l’IA possa essere resa più efficiente – può esserlo, e i miglioramenti sono reali – ma se i miglioramenti in termini di efficienza possano superare la crescita della domanda guidata dall’accumulazione competitiva. Le prove dell'ultimo decennio suggeriscono che non sia possibile. La logica termodinamica dell'accumulazione capitalistica ne fornisce la ragione strutturale.

Questo ci porta a ciò che potremmo chiamare il limite termodinamico del capitale: il punto in cui l’entropia generata dall’accumulazione capitalistica supera la capacità della biosfera di assorbirla senza provocare uno sconvolgimento catastrofico dei sistemi – clima, idrologia, biodiversità e fertilità del suolo – da cui dipende la civiltà umana. Questo limite non è una soglia precisa che si possa identificare in anticipo; è una zona di crisi, sempre più profonda, in cui siamo già entrati sotto diversi aspetti (concentrazione del carbonio nell’atmosfera, esaurimento delle risorse di acqua dolce e perdita di biodiversità) e verso la quale ci stiamo avvicinando per altri. L’espansione dell’IA nell’attuale regime di accumulazione capitalistica non sta allontanando la civiltà da questo limite, ma la sta avvicinando ad esso, ad un ritmo sempre più accelerato.

L'economia politica di questa traiettoria è chiara. I costi legati all’avvicinamento/approssimazione al limite termodinamico del capitale non sono sostenuti da coloro che guidano l'accumulazione, cioè gli azionisti, i dirigenti e gli investitori istituzionali delle aziende tecnologiche le cui dinamiche competitive determinano il ritmo di espansione dell'IA. Sono sostenuti dalle comunità che vivono in regioni con scarsità idrica le cui falde acquifere vengono prosciugate dai sistemi di raffreddamento dei data center, dai lavoratori delle miniere la cui salute viene compromessa dall'estrazione mineraria, dalle popolazioni dei paesi vulnerabili ai cambiamenti climatici la cui sicurezza alimentare è minacciata dalle emissioni di carbonio, e dalle generazioni future che erediteranno un pianeta con una ridotta capacità di autoregolazione ecologica. Questa è l'economia politica dell'entropia: la privatizzazione dei benefici del consumo a bassa entropia e la socializzazione dei costi dei rifiuti ad alta entropia.[39]

Nessuna innovazione tecnica può risolvere questa economia politica, perché non si tratta di un problema tecnico. È una questione di potere, di chi controlla i mezzi di calcolo, di chi stabilisce le finalità per cui viene impiegata la capacità computazionale e di chi ne sostiene i costi ecologici. Affrontare la questione non richiede algoritmi migliori o chip più efficienti ma una trasformazione radicale dei rapporti sociali di produzione nell'economia digitale. Richiede, in sintesi, una politica all’altezza della posta in gioco termodinamica del momento attuale.

Conclusione

L’analisi sociale e storica sviluppata in questo articolo porta a una conclusione che il discorso dominante sull’IA e sulla sua sostenibilità elude sistematicamente: la crisi ecologica dell’IA non è un problema di insufficiente innovazione o di inadeguata responsabilità aziendale, bensì è l’espressione strutturale della tensione irrisolvibile tra il capitalismo ed i limiti biofisici del pianeta. I processi specifici che alimentano questa crisi – la competizione al rialzo, la dinamica di Jevons e lo spostamento sistematico dei costi ecologici nel Sud globale – non sono malfunzionamenti tecnici in attesa di soluzioni ingegneristiche. Sono normali dinamiche di accumulazione capitalistica nella sua fase monopolistico digitale, registrate in termini termodinamici come processi dissipativi irreversibili: permanenti, cumulativi e fuori dalla portata delle correzioni del mercato.

La tradizione ecosocialista offre il punto di partenza teorico più coerente per un’alternativa. Come ha sostenuto Foster, la frattura metabolica tra capitale e natura non può essere sanata nel quadro istituzionale del capitalismo stesso; richiede una riorganizzazione sostanziale dei rapporti sociali di produzione che subordini gli imperativi dell’accumulazione ai limiti rigenerativi del mondo naturale. Una logica ecosocialista dell'informatica si fonderebbe su tre impegni fondamentali.

In primo luogo, si baserebbe sul controllo democratico delle infrastrutture informatiche: i data center, le piattaforme di intelligenza artificiale e le reti che le collegano costituiscono un'infrastruttura sociale critica la cui governance non può essere lasciata agli imperativi competitivi del capitale privato. Al pari delle reti elettriche e dei sistemi idrici, esse richiedono responsabilità democratiche: forme di controllo sociale che consentano alle comunità di determinare le finalità d'uso della capacità informatica e i termini in base ai quali vengono distribuiti i costi ecologici.

In secondo luogo, richiederebbe un riorientamento delle priorità di ricerca e sviluppo, allontanandosi dalle applicazioni volte alla massimizzazione del profitto – ottimizzazione pubblicitaria, trading finanziario e sorveglianza del lavoro – indirizzandosi verso applicazioni che rispondano realmente ai bisogni sociali. Tra queste rientrano la gestione delle energie rinnovabili, la salute pubblica, il monitoraggio ecologico e l'istruzione.

In terzo luogo, e soprattutto, richiederebbe l'accettazione del fatto che che la scala dell'attività informatica debba essere vincolata dai limiti ecologici. Il principio di sufficienza – inteso come "calcolare quanto basta", piuttosto che "calcolare sempre di più" – deve diventare il criterio guida che sostituisca l'imperativo di crescita su cui si fonda l'attuale competizione al rialzo dell'IA.

Nessuna di queste trasformazioni è imminente e nessuna può essere realizzata solo con mezzi tecnici. L'irreversibilità che Prigogine ha identificato nei sistemi dissipativi ha il suo analogo sociale nelle dipendenze dal percorso (path dependencies)** proprie delle infrastrutture capitalistiche: i data center già costruiti, i contratti già firmati per i combustibili fossili e i paesaggi estrattivi già degradati. Ciò che la politica ecosocialista può realizzare non è la reversibilità dei danni passati ma l'interruzione dei processi che generano danni futuri: una rottura nella logica sociale dell'accumulazione che la termodinamica registra, ma non può produrre autonomamente.

La questione che ci troviamo ad affrontare non è se i limiti del capitale prevarranno, ma se ciò avverrà secondo modalità stabilite dalle società democratiche impegnate nella sopravvivenza ecologica o nelle modalità imposte dalle crisi a cascata di una biosfera spinta oltre la propria capacità rigenerativa. Non è l'algoritmo a decidere. È la politica.

Note

* Il paradosso di Jevons è un principio economico secondo cui, quando un'innovazione tecnologica aumenta l'efficienza nell'uso di una risorsa, il consumo totale di quella risorsa aumenta anziché diminuire. Questo avviene perché il miglioramento dell'efficienza riduce i costi, stimolando una maggiore domanda e un utilizzo più diffuso. N.d.T.

** Il termine indica un fenomeno per cui le decisioni o gli eventi del passato influenzano in modo determinante le scelte e i risultati futuri, limitando le alternative disponibili. N.d.T.

[1] Sasha Luccioni, Alexandre Viguier e Anne-Laure Ligozat, Estimating the Carbon Footprint of BLOOM, a 176B Parameter Language Model, in "Journal of Machine Learning Research", 24, n. 253, 2023, pp. 1–15.

[2] Goldman Sachs Research, AI Is Poised to Drive 160% Increase in Data Center Power Demand, 14.05.2024.

[3] Microsoft, 2022 Environmental Sustainability Report, Microsoft Corporation, Washington, Redmond, 2022, p. 17.

[4] Jeremy Rifkin, The Zero Marginal Cost Society: The Internet of Things, the Collaborative Commons, and the Eclipse of Capitalism, Palgrave Macmillan, New York, 2014, pp. 11-14.

[5] Nicholas Georgescu-Roegen, The Entropy Law and the Economic Process, Harvard University Press, Cambridge, 1971, pp. 3-4; John Bellamy Foster, Brett Clark e Richard York, The Ecological Rift: Capitalism’s War on the Earth, Monthly Review Press, New York, 2010, pp. 54-76.

[6] Karl Marx, Capital: A Critique of Political Economy, vol. 1, Penguin, Londra, 1976, pp. 493-494; tr. it. Roberto Fineschi et al., Karl Marx, Il Capitale, Libro 1, Einaudi, Torino, 2024, pp. 377-378.

[7] Emma Strubell, Ananya Ganesh e Andrew McCallum, Energy and Policy Considerations for Deep Learning in NLP, Proceedings of the Fifty-Seventh Annual Meeting of the Association for Computational Linguistics, 2019, pp. 3645-3650.

[8] David Patterson, et al., Carbon Emissions and Large Neural Network Training, arXiv preprint, arXiv, 2104.10350, 2021, pp. 1-9.

[9] Jordan Hoffmann, et al., Training Compute-Optimal Large Language Models, arXiv preprint, arXiv, 2203.15556, 2022, pp. 1-19.

[10] John Bellamy Foster, The Ecology of Marxian Political Economy, in "Monthly Review", 63, n. 4, settembre 2011, pp. 1-16.

[11] William Stanley Jevons, The Coal Question: An Inquiry Concerning the Progress of the Nation, and the Probable Exhaustion of Our Coal Mines, Macmillan, Londra, 1865, pp. 152-153.

[12] AI and Compute, OpenAI (blog), openai.com/blog/ai-and-compute.

[13] International Energy Agency, Electricity 2024: Analysis and Forecast to 2026, IEA, Parigi, 2024, p. 14.

[14] Ilya Prigogine e Isabelle Stengers, Order Out of Chaos: Man’s New Dialogue with Nature, Bantam Books, New York, 1984, pp. 143-145; tr. it., di Pier Daniele Napolitani, Ilya Prigogine e Isabelle Stengers, La nuova alleanza. Metamorfosi della scienza, Einaudi, Torino, 1981.

[15] John Bellamy Foster, Brett Clark e Richard York, The Ecological Rift, op. cit., pp. 73-76.

[16] Goldman Sachs Research, AI Is Poised to Drive 160% Increase in Data Center Power Demand.

[17] Brett Clark e John Bellamy Foster, Ecological Imperialism and the Global Metabolic Rift: Unequal Exchange and the Guano/Nitrates Trade, in "International Journal of Comparative Sociology", 50, n. 3–4, 2009, pp. 311-334.

[18] Arsheeya Bajwa, Microsoft, OpenAI Plan $100 Billion Data-Center Project, Media Report Says, Reuters, 29.03.2024.

[19] International Energy Agency, Electricity 2024, op. cit., p. 27.

[20] EirGrid, Tomorrow’s Energy Scenarios 2023, EirGrid, Dublino, 2023, p. 34.

[21] Benjamin K. Sovacool, et al., Sustainable Minerals and Metals for a Low-Carbon Future, in "Science", 367, n. 6473, 2020, pp. 30-33.

[22] International Energy Agency, Electricity 2024, op. cit. pp. 27-29.

[23] Kim Crawford e Vladan Joler, Anatomy of an AI System, 2018, anatomyof.ai.

[24] Pengfei Li, et al., Making AI Less ‘Thirsty’: Uncovering and Addressing the Secret Water Footprint of AI Models, arXiv preprint, arXiv, 2304.03271, 2023, pp. 1-10.

[25] Microsoft, 2022 Environmental Sustainability Report, op. cit., p. 17.

[26] Google, 2023 Environmental Report, Google, California, Mountain View, 2023, p. 22.

[27] Peter Dauvergne, AI in the Wild: Sustainability in the Age of Artificial Intelligence, MIT Press, Cambridge, 2020, pp. 78-79.

[28] Rob Nixon, Slow Violence and the Environmentalism of the Poor, Harvard University Press, Cambridge Massachusetts, 2011, pp. 2-3.

[29] Guillaume Pitron, The Rare Metals War: The Dark Side of the Clean Energy and Digital Technologies, Scribe, Londra, 2023, pp. 45-67.

[30] United Nations Institute for Training and Research, The Global E-waste Monitor 2024, UNITAR, Bonn, 2024, p. 3.

[31] John Bellamy Foster e Hannah Holleman, The Theory of Unequal Ecological Exchange: A Marx-Odum Dialectic, Journal of Peasant Studies 41, n. 2, 2014, pp. 199-233; tr. it., La teoria dello scambio ecologico ineguale: una dialettica Marx-Odum, online, antropocene.org, 10.05.2023

[32] John Bellamy Foster e Brett Clark, Introduction to the Updated Edition of Arghiri Emmanuel’s Unequal Exchange, in "Monthly Review", 77, n. 8, gennaio 2026, pp. 1-19.

[33] John Bellamy Foster, Capitalism and Ecology: The Nature of the Contradiction, in "Monthly Review", 54, n. 4, settembre 2002, pp. 6-16.

[34] Paul Burkett, Fusing Red and Green, in "Monthly Review" 50, n. 9, febbraio 1999, pp. 47-56; Paul Burkett, Marx and Nature: A Red and Green Perspective, St. Martin’s Press, New York, 1999.

[35] John Bellamy Foster e Brett Clark, The Robbery of Nature: Capitalism and the Metabolic Rift, in "Monthly Review" 70, n. 3, luglio-agosto 2018, pp. 1-20.

[36] Benjamin K. Sovacool, et al., Sustainable Minerals and Metals for a Low-Carbon Future, in "Science", 367, n. 6473, 2020, pp. 30-33.

[37] Brett Clark e Richard York, Carbon Metabolism: Global Capitalism, Climate Change, and the Biospheric Rift, in "Theory and Society", 34, n. 4, 2005, pp. 391-428.

[38] Georgescu-Roegen, The Entropy Law and the Economic Process, op. cit., pp. 276-278.

[39] John Bellamy Foster, Marx’s Ecology: Materialism and Nature, Monthly Review Press, New York, 2000, pp. 141-177.

Fonte