Il problema non è marginale. L’IEA stima che i data centre passeranno da circa 460 TWh di elettricità nel 2024 a quasi 950 TWh nel 2030. Un grande centro di calcolo può però assicurarsi forniture dedicate da eolico, fotovoltaico, idroelettrico o nucleare. Una workstation domestica prende invece l’energia disponibile dalla presa. In Italia, nel 2025, le rinnovabili hanno coperto circa il 41% della domanda elettrica e oltre metà della produzione nazionale è rimasta termoelettrica non rinnovabile.
Eppure proprio qui può nascere una soluzione: l’IA distribuita intimamente associata alla alimentazione da fonti rinnovabili locali. Una Graphics Processing Unit (GPU) locale di vertice può arrivare a consumare 575 watt di potenza, ma stanno comparendo sistemi compatti con memoria unificata capaci di eseguire localmente modelli da decine o perfino centinaia di miliardi di parametri, evitando per molte attività il continuo viaggio dei dati verso il cloud. Il progresso decisivo non sarà solo nei pannelli fotovoltaici a cui connettere stabilmente queste piccole centrali di calcolo, ma nell’efficienza perseguita ovunque possibile: modelli più piccoli e specializzati, quantizzazione, chip NPU, sistemi di calcolo “energy aware”.
Un impianto fotovoltaico domestico da pochi kW può, su base annua, produrre alcune migliaia di kWh: abbastanza per coprire largamente una workstation usata alcune ore al giorno. Il problema è quando li produce. A mezzogiorno l’energia abbonda, la sera no. Servirebbero batterie, che aumentano costi, materiali e perdite, oppure un’IA capace di spostare nel tempo i compiti non urgenti: addestrare, indicizzare archivi, generare immagini o aggiornare la propria memoria quando splende il sole. Non sarebbe soltanto smart computing, ma una sorta di carbon-aware computing.
I vantaggi sarebbero notevoli: maggiore privacy e sovranità sui dati, minore traffico verso il cloud, resilienza, possibilità per una PMI di controllare il proprio patrimonio informativo e valorizzare l’autoconsumo fotovoltaico. Ma esistono anche svantaggi: un grande data centre usa hardware molto più intensamente, ottimizza il raffreddamento e può risultare più efficiente per singola operazione. Milioni di macchine sottoutilizzate moltiplicherebbero inoltre elettronica, batterie e impatti incorporati.
La risposta, allora, probabilmente non sarà “cloud oppure casa”. Sarà un’architettura ibrida. Sul dispositivo personale resteranno memoria, identità, dati sensibili e gran parte dell’inferenza quotidiana, mentre al cloud andranno soltanto i compiti troppo grandi, possibilmente verso centri alimentati con energia a basse emissioni. A casa e nelle imprese, fotovoltaico, accumulo e calcolo flessibile potranno coprire una quota crescente del lavoro.
L’IA personale potrebbe così diventare anche energeticamente personale: non una miriade di piccoli data centre inefficienti, ma una rete di intelligenze distribuite che scelgono dove e quando calcolare. Proteggere la privacy senza aumentare la CO₂ non è una contraddizione inevitabile. È un problema di progetto. E, in fondo, proprio questo dovrebbe saper fare bene un ingegnere, finché il mondo avrà bisogno di ingegneri in carne ed ossa.
