Energia e AI. La rete elettrica è il nuovo choke point

Per anni, il dibattito sull’intelligenza artificiale ha girato attorno agli stessi temi: modelli sempre più grandi, semiconduttori sempre più scarsi, talenti sempre più contesi, capitali sempre più concentrati. Un riflesso comprensibile, perché era lì che si vedeva la ‘gara’. Ma oggi quel quadro mostra una nuova crepa sempre più larga. Il problema non è più soltanto quanta potenza di calcolo si riesce a costruire. Il problema è se quella potenza può essere ancora alimentata in modo stabile, continuo e in tempi compatibili con i piani di espansione. Poiché, senza queste condizioni, la promessa dell’AI rallenta. E rallenta non per mancanza di visione, ma per mancanza di corrente.

Il dato di partenza ufficiale arriva dall’IEA, e non lascia certo spazio a interpretazioni rassicuranti. Nel 2024 i data center hanno consumato circa 415 TWh di elettricità, pari all’1,5% della domanda elettrica globale. Ed entro il 2030, sempre secondo le proiezioni dell’Agenzia, quella cifra potrebbe raggiungere i 945 TWh: più del doppio in sei anni.

Ma dietro questo salto quantitativo si cela un cambiamento di natura ben più strutturale e profondo della mera crescita numerica. I server ottimizzati per l’AI accelerata, infatti, non gravano sulle infrastrutture come un normale carico cloud. Sono architetture ad alta intensità elettrica, progettate per addestrare ed eseguire modelli di frontiera sempre più esigenti in termini energetici. E questo rende la domanda sempre più concentrata, costante e difficile da gestire con la sola logica incrementale delle reti esistenti. In questo scenario gli Stati Uniti detengono già la quota principale dei consumi e assorbiranno una parte decisiva della crescita prevista. La Cina segue con un’espansione rapida. L’Europa cresce, ma su scala più contenuta. Non si tratta quindi di un semplice dettaglio settoriale, ma del segnale che l’AI sta diventando un’infrastruttura energivora di portata sistemica.

Il problema che cambia natura

Produrre solo più energia elettrica non è l’unica soluzione adottabile. Poiché, oltre a produrla, si deve anche capire dove quella elettricità potrà essere consegnata, con quale continuità, con quale affidabilità, a quali costi e in quali tempi autorizzativi. Un campus altamente operativo di AI hyperscale non ha bisogno di energia “media” per funzionare. Ha bisogno di capacità disponibile, stabile e integrabile con la propria curva di carico. E tra potenza teoricamente installata e potenza realmente consegnabile c’è di mezzo la rete. Ed è proprio la rete, oggi, il vero vincolo strutturale.

Inoltre, anche il mix energetico conta, e non solo per ragioni ambientali. Nel 2024 i data center globali hanno continuato a fare ricorso in misura rilevante a gas, carbone e fonti fossili. Rinnovabili e nucleare hanno coperto quote significative, ma non ancora sufficienti a risolvere, da sole, il problema della continuità operativa. L’IEA stima che entro il 2030 la quota delle rinnovabili possa crescere sensibilmente. Ma questo non elimina, almeno nel breve termine, il ruolo delle fonti programmabili — quelle attivabili quando il carico lo richiede. La questione, dunque, non è solo la decarbonizzazione delle fonti energetiche, ma il farlo senza perdere affidabilità.

Questo è il contesto che spiega perché il nucleare modulare sia uscito dal perimetro della discussione di nicchia per entrare in quello della pianificazione industriale di governi e grandi operatori. Gli Small Modular Reactors (SMR) infatti non sono più una tecnologia osservata con curiosità puramente accademica. Sono diventati, almeno in ambito strategico, una possibile risposta al problema di fornire continuità energetica stabile, scalabile e relativamente decarbonizzata ad infrastrutture digitali sempre più energivore. Secondo analisi di mercato e fonti di settore, nel primo trimestre 2025 la pipeline globale “unrisked” dei progetti SMR ha raggiunto 47 GW, con una forte crescita trimestrale, guidata dai data center, identificati come una delle principali destinazioni finali di questa capacità.

Una pipeline annunciata non è una capacità operativa certa

L’interesse strategico, però, non sempre equivale ad una maturità industriale disponibile su larga scala. Gli SMR vanno trattati, allo stato attuale, come una possibile infrastruttura della decade 2030 e non come una soluzione pronta per il problema attuale. I casi più rilevanti confermano il cambio di atteggiamento in merito, ma non il superamento delle criticità. Il Regno Unito, ad esempio, ha selezionato Rolls-Royce SMR come preferred bidder già nel giugno 2025, e ha indicato Wylfa come primo sito del programma, ma la generazione attesa resta collocata nella seconda metà del prossimo decennio. La Commissione europea, nella strategia pubblicata nel marzo 2026, stima per l’UE un potenziale compreso tra 17 e 53 GW di capacità SMR entro il 2050. Una direzione politica e industriale certamente chiara, ma non ancora pronta.

Lo stesso discorso vale per il protagonismo delle Big Tech. Amazon, Microsoft, Alphabet ed altri operatori stanno prendendo posizione su progetti, accordi di fornitura e opzioni energetiche dedicate. E questa non è una semplice mossa di corporate strategy secondaria. È un segnale di fondo. Le grandi piattaforme, infatti, non possono più dare per scontato che la rete tradizionale regga il ritmo della propria espansione. In questa presa di coscienza, stanno cercando di assicurarsi approvvigionamento, opzionalità e controllo su porzioni sempre più ampie della propria base energetica. Ma anche qui vale la stessa avvertenza: i grandi annunci non equivalgono a capacità disponibile nel breve periodo. Rivelano invece qualcosa di più importante, ovvero che l’energia è ormai entrata nel perimetro della competizione tecnologica come asset strategico diretto.

Se gli SMR appartengono al medio-lungo termine, la ‘nuova’ tecnologia delle batteria a sodio-ione interessa per una ragione opposta, dato che la sua collocazione strategico-temporale è molto più vicina. E il fatto che MIT Technology Review l’abbia inclusa tra le dieci Breakthrough Technologies del 2026 non basta da solo a provarne la rilevanza industriale, ma indica certamente che non siamo più davanti a una mera curiosità da laboratorio. Nel 2025, infatti, CATL ha presentato il brand Naxtra, indicando per le nuove celle sodio-ione valori di densità energetica e ciclo di vita competitivi per alcuni impieghi specifici. Più controversa resta invece la lettura dei costi effettivi e dei volumi globali già raggiunti: le stime che circolano, pur se promettenti, non sono ancora mature al punto da consolidare questa tecnologia come nuovo standard di mercato.

La loro rilevanza, in questo contesto, rimane perciò più circoscritta e concreta: storage stazionario, integrazione con fotovoltaico, riduzione dei picchi di carico, microgrid per data center, supporto agli UPS e stabilizzazione della fornitura. Non è certo la risposta completa al problema energetico dell’AI, ma è certamente un layer di transizione potenzialmente più spendibile nel periodo 2026-2030. La loro forza, infatti, non sta soltanto nel possibile vantaggio di costo, ma nella prospettiva di alleggerire parte della pressione di rete mentre infrastrutture più complesse vengono implementate più lentamente.

La differenza di tempi è la struttura reale del problema

Quindi, se gli SMR appartengono, salvo accelerazioni ancora da dimostrare su scala industriale, ad una traiettoria di medio-lungo periodo. Il sodio-ione può diventare prima un tassello funzionale per la flessibilità. Dove si trova il problema? Il vero problema sta, come detto all’inizio dell’articolo, proprio nell’attuale capacità di rete attualmente disponibile. L’IEA avverte che fino a circa un quinto dei progetti di data center pianificati potrebbe subire ritardi proprio a causa dei vincoli di trasmissione e connessione dovuti alla rete elettrica. Quindi, prima ancora di chiedersi quale tecnologia vincerà nel lungo periodo, bisogna capire chi è — e sarà — in grado di connettere, stabilizzare e alimentare per primo i carichi che arrivano e arriveranno.

Spesso, nel breve termine, i beneficiari non sono necessariamente i soggetti associati alla promessa più visionaria. Sono invece quei soggetti che sanno presidiare la capacità esecutiva con l’innovazione concreta. Utility, operatori di rete, fornitori di trasformatori, produttori di cavi ad alta tensione, integratori di microgrid, storage di rete, generazione distribuita: è in questa fascia industriale che la domanda AI può produrre effetti più immediati e più certi. In alcuni mercati, soprattutto negli Stati Uniti, si sta già osservando un ritorno di interesse per nuova capacità a gas, inclusi schemi behind-the-meter, proprio perché il problema non è solo teorico, è operativo. Serve potenza affidabile in tempi compatibili con i piani di rollout.

Questa lettura impone anche di ridimensionare un riflesso frequente nel discorso tecnologico contemporaneo: l’idea che la competizione si giochi solo nel layer software o nei semiconduttori. In realtà, più l’AI si espande, più si lega ad una geografia materiale fatta di nodi elettrici, autorizzazioni, fonti primarie, infrastrutture di trasmissione, catene di approvvigionamento e capacità industriale. Non tutti i territori sono uguali, così come non tutti gli ecosistemi nazionali dispongono del medesimo margine per sostenere una crescita hyperscale o della stessa combinazione di capitale, capacità di rete, politica industriale e tolleranza normativa. La corsa all’AI si sta quindi trasformando, di fatto e sempre più, in una competizione per individuare localizzazioni capaci di ospitarla senza entrare prematuramente in conflitto con i limiti del sistema elettrico in essere.

Energia è strategia

Chi controlla l’energia oggi controlla una parte crescente delle condizioni materiali dell’innovazione. E chi riesce a ridurre la distanza tra domanda computazionale e capacità elettrica disponibile, acquisisce un vantaggio industriale che non dipende dalla sola eccellenza dei modelli. In questo scenario, chi non dispone di queste due condizioni rischia di vedere la propria ambizione tecnologica rallentata non da carenza di visione, ma da limiti infrastrutturali più lenti da risolvere e meno glamour da raccontare. Si tratta di uno slittamento importante e in continuo movimento. Uno slittamento capace di muoversi costantemente dalla frontiera algoritmica alla profondità strutturale dei sistemi che la ospitano e la alimentano.

SMR, sodio-ione e potenziamento delle reti non vanno letti come storie separate. Sono tre livelli della stessa struttura. Gli SMR offrono una possibile architettura di lungo periodo per campus e sistemi che richiedano energia stabile e a basse emissioni. Il sodio-ione offre un’opzione più vicina per accumulo e flessibilità. La rete, intanto, resta il vincolo che decide cosa può partire davvero e cosa no. Tenuto insieme, questo quadro dice qualcosa di ben preciso: la partita energetica dell’AI non avrà un vincitore unico e immediato, ma una gerarchia di soluzioni distribuite su tempi diversi.

La prossima frontiera dell’intelligenza artificiale potrebbe non essere definita soltanto da chi sviluppa i modelli migliori o possiede i chip più avanzati. Potrebbe essere definita da chi riesce a garantire energia disponibile, connessioni rapide e infrastrutture adeguate a sostenerne la scala. E, se questa traiettoria verrà confermata, la competizione sull’AI sarà sempre meno digitale e sempre più industriale, elettrica e territoriale.

Glossario

AI accelerata. Sistemi hardware e software progettati per eseguire applicazioni di intelligenza artificiale ad alte prestazioni, tipicamente tramite GPU, TPU o acceleratori specializzati.

Behind-the-meter. Impianti di generazione o accumulo energetico collocati fisicamente dietro il contatore del cliente finale, i quali consentono di produrre e consumare energia senza passare dalla rete pubblica.

Campus AI hyperscale. Infrastruttura di grandi dimensioni dedicata all’elaborazione di carichi di lavoro AI su scala industriale, con elevata densità di potenza e continuità operativa.

Choke point. Punto critico di una filiera o di un sistema nel quale un blocco o una riduzione del flusso produce effetti a cascata sull’intero sistema.

Curva di carico. Rappresentazione dell’andamento del consumo energetico di un’infrastruttura nel tempo, utile per pianificare la fornitura e gestire i picchi.

Decarbonizzazione. Processo di riduzione progressiva delle emissioni di CO₂ associate alla produzione e al consumo di energia.

Fonti programmabili. Fonti di energia attivabili su richiesta in base alla domanda, come il gas naturale o il nucleare, in contrasto con le fonti intermittenti come sole e vento.

Grid capacity. Capacità della rete elettrica di trasmettere e distribuire energia in modo affidabile verso i punti di consumo.

Microgrid. Rete elettrica locale e autonoma, capace di funzionare in modo indipendente dalla rete principale, spesso integrata con fonti rinnovabili e sistemi di storage.

Pipeline “unrisked”. Nel contesto degli investimenti energetici, indica il valore complessivo dei progetti annunciati o in sviluppo, senza alcuno sconto per la probabilità di realizzazione effettiva.

Rollout. Messa in opera progressiva di una nuova infrastruttura, tecnologia o servizio.

Semiconduttori. Materiali e componenti alla base dei chip elettronici, essenziali per server, acceleratori AI e sistemi digitali avanzati.

Small Modular Reactor (SMR). Reattore nucleare modulare di piccola taglia, progettato per essere più standardizzabile e teoricamente più rapido da realizzare rispetto alle centrali nucleari tradizionali.

Sodio-ione. Tecnologia di batteria che utilizza sodio al posto del litio in alcuni componenti chiave, considerata promettente per storage stazionario in cui costo, disponibilità dei materiali e durata contano più della densità energetica massima.

Storage stazionario. Sistema di accumulo energetico installato in modo fisso, utilizzato per immagazzinare elettricità e rilasciarla quando necessario, utile per stabilizzare la rete e gestire i picchi di domanda.

TWh (terawattora). Unità di misura dell’energia. Un TWh equivale a un miliardo di kilowattora. Utilizzata per indicare grandi volumi di consumo o produzione elettrica.

UPS (Uninterruptible Power Supply). Sistema di alimentazione di emergenza il quale entra in funzione immediatamente in caso di interruzione o instabilità della corrente, proteggendo server e infrastrutture critiche.

Utility. Azienda che produce, trasmette o distribuisce servizi essenziali, in particolare energia elettrica, gas o acqua.

Wh/kg (wattora per chilogrammo). Misura della densità energetica di una batteria: indica quanta energia può immagazzinare in rapporto al suo peso.