Addestrare e far funzionare i modelli di intelligenza artificiale richiede molta potenza di calcolo, e quindi energia elettrica e spesso acqua per raffreddare i data center che li ospitano. Il tema è spesso raccontato con cifre impressionanti, ma i numeri precisi sono difficili da verificare e cambiano molto a seconda del modello, dell’hardware e del modo in cui il calcolo viene misurato. Capire cosa è costante e cosa è incerto aiuta a discutere del problema con onestà.
Addestramento e uso
L’addestramento di un modello grande è un’operazione concentrata, che richiede migliaia di processori specializzati per settimane o mesi. È un costo energetico rilevante, ma avviene una volta sola per ogni versione del modello. L’uso quotidiano, invece, si ripete ogni volta che qualcuno pone una domanda: con milioni di richieste al giorno, il consumo complessivo può diventare il fattore più pesante nel lungo periodo. Una singola richiesta consuma poco, ma la somma non è trascurabile.
Cosa sappiamo, e cosa no
Le stime pubblicate variano molto in base al modello, al tipo di hardware, all’efficienza dei data center e al metodo di calcolo. Alcune includono solo l’energia dei processori, altre anche il raffreddamento, l’infrastruttura e la produzione dei componenti. Le aziende pubblicano dati diversi e non sempre confrontabili. Diffida dei numeri precisi senza una fonte chiara e una metodologia spiegata: spesso sono stime parziali presentate come verità assolute.
Il contesto dei data center
I data center, nel complesso, sono una parte crescente del consumo elettrico globale, e l’IA ne costituisce una quota in aumento. Dove l’energia viene da fonti rinnovabili, l’impatto climatico è molto diverso che dove prevalgono i combustibili fossili. La localizzazione dei data center, quindi, conta quanto l’efficienza del software. Anche l’uso dell’acqua per il raffreddamento può pesare in territori soggetti a siccità.
Cosa si può fare
- Scegliere il modello giusto: per un compito semplice, un modello più piccolo e più economico spesso basta, con un consumo molto inferiore.
- Evitare richieste inutili: generare decine di varianti di un’immagine o di un testo che non servono ha un costo energetico reale.
- Chiedere trasparenza: ai fornitori si possono chiedere dati sui consumi, sull’energia usata e sulla provenienza dell’elettricità.
- Preferire infrastrutture efficienti: i fornitori che dichiarano l’uso di energie rinnovabili e metriche di efficienza pubbliche sono più facili da valutare.
Un equilibrio da valutare
L’IA può anche contribuire a ridurre consumi altrove, per esempio ottimizzando reti elettriche, processi industriali e logistica. Il bilancio complessivo dipende dagli usi concreti, e non si può stabilire con una formula semplice. La domanda utile, per chi usa o valuta questi strumenti, è se il beneficio giustifica il costo nel caso specifico.