Intelligenza artificiale e domanda di energia : una prospettiva geografica

L'intelligenza artificiale è strettamente legata alla questione energetica. Le sue infrastrutture fondamentali, i data center, richiedono grandi quantità di energia. Questa forte dipendenza da fonti energetiche concentrate nello spazio rende l'IA una tecnologia territorialmente selettiva e, al tempo stesso, ambivalente: può contribuire all'efficienza energetica e alla transizione ecologica, ma può anche generare nuovi squilibri socio-ambientali. La crescente domanda globale di energia da parte dei data center, che secondo l'International Energy Agency potrebbe più che raddoppiare entro il 2030, incide in modo significativo sull'organizzazione spaziale delle infrastrutture digitali. I criteri localizzativi dei data center variano in base alla funzione svolta nell'ambito dell'intelligenza artificiale, distinguendo due fasi: training e inferenza. La fase di training richiede grandi quantità di energia ma non impone vincoli stringenti sulla latenza della rete. Per questo motivo, i data center dedicati a questa

fase tendono a essere collocati in aree periferiche. Nella fase di inferenza, che comporta l'interazione in tempo reale tra l'intelligenza artificiale e gli utenti, la priorità diventa la velocità e l'affidabilità della rete, fattori che spingono la localizzazione dei data center in prossimità dei grandi centri urbani. Queste scelte generano ingiustizie ambientali e energetiche, in cui alcuni territori si specializzano nell'attrazione di grandi infrastrutture digitali (spesso ad alto impatto ambientale), subendone gli effetti negativi. La presenza di data center hyperscale può infatti innescare conflitti legati all'uso delle risorse energetiche e ambientali, mettendo in luce il ruolo sempre più centrale del territorio nelle dinamiche dell'economia digitale. [Testo dell'editore]

Artificial intelligence is closely linked to energy. Its fundamental infrastructures, data centers, require large amounts of energy. This strong dependence on geographically concentrated energy sources makes AI a territorially selective and, at the same time, ambivalent technology: it can contribute to energy efficiency and ecological transition, but it can also generate new socio-environmental imbalances. The growing global energy demand from data centers, which, according to the International Energy Agency, could more than double by 2030, significantly impacts the spatial organization of digital infrastructures.The location criteria of data centers vary depending on the function they serve within artificial intelligence systems, distinguishing two main phases: training and inference. The training phase requires high energy consumption but does not impose strict constraints on network latency. As a result, data centers dedicated to this phase tend to be located in peripheral areas. In the inference phase,

which involves real-time interaction between artificial intelligence systems and users, priority is given to network speed and reliability, factors that drive the placement of data centers closer to major urban centers. These choices perpetuate environmental and energy injustices, where some territories specialize in attracting large digital infrastructures, often with high environmental impacts, while bearing the negative consequences. The presence of hyperscale data centers can indeed trigger conflicts over the use of energy and environmental resources, highlighting the increasingly central role of territory in the dynamics of the digital economy. [Publisher's text]