OpenAI userà un gigantesco campus AI in Ohio realizzato da SB Energy con infrastruttura NVIDIA. La prima fase punta a 4,25 GW di capacità informatica e il progetto completo può arrivare a 8 GW. Numeri difficili da visualizzare: se quella capacità IT lavorasse continuamente, parliamo di una scala energetica paragonabile a una frazione significativa dei consumi elettrici di un intero Paese come l’Italia.
Quanto sono 4,25 gigawatt?
Quando leggiamo le dimensioni dei nuovi data center destinati all’intelligenza artificiale, numeri come 1 GW, 4 GW o 8 GW rischiano di diventare praticamente astratti.
Il nuovo progetto di OpenAI, NVIDIA e SB Energy in Ohio permette invece di capire quanto rapidamente stia aumentando la scala fisica necessaria per alimentare l’AI.
Il PORTS-Pike Technology Campus, nella contea di Pike, è progettato per partire con 4,25 IT-GW di capacità dedicata all’infrastruttura AI, con OpenAI come cliente attraverso un contratto di locazione di 20 anni.
Il progetto può successivamente arrivare fino a 8 IT-GW.
Ma prima di confrontarlo con città, famiglie e centrali elettriche bisogna chiarire una cosa fondamentale.
4,25 GW non significa automaticamente 4,25 GW prelevati dalla rete
È probabilmente il punto più importante dell’intera notizia.
Nella comunicazione ufficiale di NVIDIA, il dato viene indicato come 4,25 IT-GW.
IT-GW indica la potenza destinata principalmente all’infrastruttura informatica: GPU, CPU, networking e sistemi direttamente collegati al calcolo.
Un data center, però, utilizza energia anche per:
- raffreddamento;
- pompe e sistemi idraulici;
- distribuzione elettrica;
- conversione dell’energia;
- illuminazione;
- sistemi di sicurezza;
- infrastrutture ausiliarie.
Il consumo complessivo del campus sarà quindi superiore alla sola potenza IT quando l’infrastruttura lavorerà a pieno regime.
Questo dettaglio è importante perché permette di evitare un errore frequente: GW di capacità e consumo energetico annuale non sono la stessa cosa.
Quanto consumerebbero 4,25 GW utilizzati continuamente?
Possiamo comunque fare un calcolo teorico molto semplice.
La potenza indica quanta energia viene richiesta in un determinato momento.
Per ottenere l’energia utilizzata nel corso di un anno dobbiamo moltiplicare quella potenza per il numero di ore.
Un anno contiene circa 8.760 ore.
Se 4,25 GW di carico IT funzionassero costantemente al 100%:
4,25 GW × 8.760 ore = circa 37,2 TWh all’anno.
Attenzione: questo non è il consumo annuale dichiarato del campus.
È un riferimento teorico che ci permette di comprendere l’ordine di grandezza della sola capacità informatica.
| Capacità IT | Energia teorica in un anno al 100% |
|---|---|
| 800 MW | circa 7 TWh |
| 1 GW | 8,76 TWh |
| 4,25 GW | 37,2 TWh |
| 8 GW | 70,1 TWh |
E manca ancora l’energia necessaria alle infrastrutture che circondano i server.
37 TWh sono tanti? Confrontiamoli con l’Italia
Qui il numero diventa molto più comprensibile.
Nel 2025 il fabbisogno elettrico italiano è stato di circa 311,3 TWh.
I 37,2 TWh teorici corrispondenti a 4,25 GW utilizzati continuamente rappresenterebbero quindi circa il 12% del fabbisogno elettrico annuale dell’Italia.
Naturalmente non significa che il data center consumerà realmente il 12% di quanto consuma l’Italia.
Il confronto serve soltanto a mostrare quanto sia enorme la scala della capacità installata prevista.
Se il campus raggiungesse gli 8 IT-GW e questi fossero utilizzati costantemente, la sola componente IT corrisponderebbe teoricamente a circa 70 TWh all’anno, oltre un quinto del fabbisogno elettrico italiano del 2025.
In termini di famiglie, cosa significano 4,25 GW?
Possiamo fare un altro confronto.
Una famiglia italiana utilizzata come riferimento nei calcoli regolatori tradizionali consuma circa 2.700 kWh di elettricità all’anno.
Dividendo 37,2 TWh per 2.700 kWh otteniamo un equivalente teorico di circa:
13,8 milioni di famiglie.
A 8 GW si salirebbe a quasi 26 milioni di famiglie tipo.
Ancora una volta: non significa che il data center sottrarrà letteralmente elettricità a 14 o 26 milioni di abitazioni.
È un confronto di scala.
Ma rende immediatamente evidente perché la disponibilità di elettricità sia diventata uno dei principali limiti alla costruzione dei grandi data center AI.
Per 8 GW informatici serviranno almeno 10 GW di nuova generazione
Il dato più interessante comunicato da NVIDIA è forse un altro.
SB Energy e SoftBank prevedono di costruire almeno 10 GW di nuova capacità di generazione energetica destinata a sostenere gli 8 IT-GW previsti per il campus completo.
Parallelamente sono previsti almeno 4,2 miliardi di dollari di investimenti nella rete elettrica regionale.
Questo ci dice molto più del semplice numero stampato sulla scheda tecnica del data center.
Per ospitare AI su questa scala non basta comprare milioni di GPU.
Bisogna costruire attorno ai chip una nuova infrastruttura energetica.
Perché l’AI sta spingendo i data center verso i gigawatt
Un normale servizio web distribuisce il proprio carico su server che spesso trascorrono buona parte del tempo senza lavorare alla massima potenza.
L’intelligenza artificiale generativa introduce carichi molto più intensivi.
Addestramento e inferenza utilizzano enormi quantità di GPU, memoria ad alta velocità e reti capaci di trasferire continuamente grandi quantità di dati.
Quando decine di migliaia o centinaia di migliaia di acceleratori lavorano insieme, il consumo cresce rapidamente.
È una trasformazione che abbiamo già analizzato parlando dell’impatto ambientale dell’AI e della crescita dei consumi dei data center.
Secondo le proiezioni dell’International Energy Agency, la domanda elettrica globale dei data center potrebbe crescere enormemente entro la fine del decennio.
Il nuovo campus dell’Ohio mostra quanto rapidamente questa previsione stia diventando un problema infrastrutturale concreto.
Il problema non sono soltanto le GPU
Quando si parla di consumo dell’AI, l’attenzione finisce quasi sempre sulle GPU NVIDIA.
Ma un data center deve anche eliminare il calore prodotto da queste macchine.
Più energia elettrica entra nei server, più calore deve essere gestito.
I sistemi AI di nuova generazione utilizzano sempre più spesso raffreddamento a liquido, pompe, scambiatori di calore e grandi infrastrutture elettriche dedicate.
Per misurare l’efficienza complessiva viene spesso utilizzato il PUE, Power Usage Effectiveness.
In forma semplificata:
PUE = energia totale del data center / energia utilizzata dall’infrastruttura IT
Un PUE di 1 sarebbe perfetto e irrealizzabile nella pratica: significherebbe che tutta l’elettricità viene utilizzata esclusivamente dai computer.
Un PUE di 1,2 significherebbe invece che per ogni 1 MW assorbito dall’infrastruttura IT il data center richiede complessivamente circa 1,2 MW.
Per questo 4,25 IT-GW non devono essere interpretati come 4,25 GW di consumo totale del sito.
Quanto sarà grande PORTS-Pike
Il progetto sorgerà nell’area dell’ex Portsmouth Gaseous Diffusion Plant, un sito precedentemente utilizzato per l’arricchimento dell’uranio.
SB Energy costruirà, possiederà e gestirà il campus, mentre OpenAI ne utilizzerà la capacità attraverso un accordo di 20 anni.
NVIDIA sarà invece il fornitore esclusivo dell’infrastruttura di calcolo AI del sito.
La prima capacità dovrebbe iniziare ad arrivare dal 2028.
Il piano prevede:
- una prima fase da 4,25 IT-GW;
- possibilità di estensione per ulteriori 3,75 IT-GW;
- 8 IT-GW complessivi;
- almeno 10 GW di nuova generazione energetica;
- almeno 4,2 miliardi di dollari destinati alla rete elettrica regionale.
Non stiamo più parlando semplicemente di un grande edificio pieno di server.
È praticamente un nuovo sistema industriale costruito attorno al calcolo AI.
Perché NVIDIA è direttamente coinvolta
Anche la struttura dell’accordo è insolita.
NVIDIA non venderà soltanto GPU.
La società investirà 1,5 miliardi di dollari in SB Energy e fornirà supporto finanziario per assicurare terreno, energia e costruzione delle infrastrutture necessarie alla prima fase del campus.
OpenAI sarà il cliente finale della capacità.
È un modello che mostra quanto il mercato AI stia cambiando.
Prima il collo di bottiglia principale era ottenere abbastanza GPU.
Ora stanno diventando altrettanto importanti:
- terreni;
- connessioni alla rete;
- produzione energetica;
- acqua e raffreddamento;
- autorizzazioni;
- infrastrutture elettriche.
L’energia è diventata parte della competizione tra aziende AI.
E le bollette delle persone?
È una delle domande più delicate.
L’arrivo di enormi data center può aumentare la domanda locale di elettricità e richiedere investimenti importanti nelle reti.
Questo non significa automaticamente che le bollette domestiche aumenteranno.
Dipende da chi paga nuove centrali, linee, trasformatori e connessioni.
Proprio negli Stati Uniti abbiamo già analizzato perché la crescita dei data center AI sta provocando proteste e timori per bollette e infrastrutture locali.
Nel caso PORTS-Pike, NVIDIA sostiene che il progetto finanzierà le infrastrutture energetiche necessarie e che l’accordo con AEP Ohio è stato strutturato per proteggere gli utenti della rete.
Sarà però un aspetto da verificare quando il progetto entrerà nella fase operativa.
Quindi il data center consumerà davvero 4,25 GW?
Non necessariamente.
4,25 GW rappresentano la capacità IT prevista nella prima fase, non una dichiarazione secondo cui il sito consumerà costantemente quella quantità di elettricità 24 ore al giorno.
Il consumo reale dipenderà da:
- percentuale di utilizzo delle GPU;
- numero di sistemi installati;
- efficienza energetica delle diverse generazioni hardware;
- raffreddamento;
- PUE effettivo;
- carichi di addestramento e inferenza;
- fasi di costruzione e attivazione del campus.
Ma il calcolo teorico rimane impressionante.
A pieno utilizzo continuo, 4,25 GW IT equivalgono a circa 37 TWh di energia in un anno.
A 8 GW, circa 70 TWh.
Ed è questo il vero significato della corsa ai maxi data center AI.
Non stiamo soltanto costruendo computer più potenti.
Stiamo arrivando al punto in cui per far funzionare l’intelligenza artificiale su scala globale bisogna progettare centrali elettriche, reti e infrastrutture energetiche con dimensioni normalmente associate a intere regioni.
Il prossimo limite dell’AI potrebbe quindi non essere il numero di GPU disponibili.
Potrebbe essere semplicemente quanta energia siamo in grado di produrre e portare fino a loro.
