Tra il 2025 e il 2027 gli Stati Uniti registreranno una carenza elettrica proiettata tra 9 e 18 gigawatt, generata interamente dalla costruzione di data center per intelligenza artificiale. Il dato è confermato dalle proiezioni ERCOT, NERC e dallo Stanford AI Index 2026, che stima il raddoppio della domanda elettrica dei data center entro il 2030. Microsoft ha riaperto il reattore di Three Mile Island per Sam Altman. OpenAI ha annunciato Stargate, progetto da 500 miliardi di dollari su 10 GW di capacità entro il 2029. Il 25 marzo 2026 i senatori Sanders e Ocasio-Cortez hanno depositato l’AI Data Center Moratorium Act. La frontiera dell’AI nel 2026 non è più software, è elettricità.
I numeri del bottleneck americano
La curva della domanda di compute AI cresce più velocemente della curva di costruzione di nuova capacità di generazione.
Le proiezioni del Department of Energy americano e dell’EPRI (Electric Power Research Institute) convergono su questo punto. Negli Stati Uniti, dove il 95% dell’investimento globale in compute AI si concentra nel 2026, lo squilibrio è già operativo. Texas e Virginia, i due epicentri storici dell’industria dei data center, sono i primi territori dove la rete elettrica fa fatica. ERCOT, l’operatore della rete texana, ha alzato del 40% le previsioni di picco di domanda per l’estate 2026 rispetto all’anno precedente. Il 60% dell’incremento è attribuibile direttamente ai nuovi data center AI. In Virginia, dove ha sede il Data Center Alley che ospita Amazon Web Services e Microsoft Azure, le richieste di nuove connessioni alla rete da parte di operatori AI hanno superato di tre volte la capacità disponibile.
La risposta delle big tech è stata pragmatica: chi non aspetta la rete pubblica si compra l’energia direttamente. Microsoft ha siglato un accordo da 1,6 miliardi di dollari per la riapertura del reattore Unit 1 di Three Mile Island, fermato nel 2019, con energia destinata esclusivamente ai propri data center. Amazon ha acquisito un campus di data center adiacente alla centrale nucleare di Susquehanna in Pennsylvania per 650 milioni di dollari. Google ha firmato accordi con Kairos Power per piccoli reattori modulari (SMR) operativi entro il 2030. OpenAI ha annunciato Stargate, joint venture con SoftBank e Oracle per 10 GW di capacità nuova.
La risposta politica: la moratoria di Sanders e AOC
Il 25 marzo 2026 Bernie Sanders e Alexandria Ocasio-Cortez hanno depositato al Senato l’AI Data Center Moratorium Act. La proposta prevede il blocco temporaneo di nuove autorizzazioni federali per data center sopra una certa soglia di consumo energetico, in attesa di una valutazione di impatto ambientale e sociale. La probabilità di approvazione è bassa nell’attuale composizione del Congresso, ma il segnale politico conta.
A livello statale 11 stati USA hanno presentato proposte legislative restrittive su data center: Massachusetts, Oregon, Maryland, Illinois e Georgia hanno introdotto requisiti di trasparenza sui consumi idrici ed elettrici, alcuni hanno proposto la rimozione degli sgravi fiscali storicamente concessi ai data center. La fase di corsa al territorio che caratterizzava l’industria fino al 2024 si sta normalizzando.
Le comunità locali si stanno organizzando.
Tucson, Memphis e Northern Virginia hanno visto proteste pubbliche contro l’apertura di nuovi data center per consumo idrico (i grandi data center AI consumano milioni di litri al giorno per il raffreddamento) e impatto sui costi elettrici per i residenti. La narrativa AI come progresso ineludibile sta incontrando il primo attrito reale.
L’Europa e le AI Factories
La risposta europea al gap infrastrutturale ha preso forma nelle AI Factories, l’iniziativa della Commissione UE con 19 facility già avviate e finanziate parzialmente con fondi europei. Le AI Factories si appoggiano ai principali centri HPC europei: JUPITER in Germania, LUMI in Finlandia, MareNostrum in Spagna, Leonardo in Italia. Sono pensate per ricerca, settore pubblico e PMI con accesso facilitato a risorse compute.
Il salto successivo è il progetto AI Gigafactories, annunciato nel 2025 e ora in fase di selezione. La Commissione ha ricevuto 76 manifestazioni di interesse provenienti da 16 Stati membri. Le Gigafactories sono pensate per training di modelli di scala frontier, ovvero per competere con OpenAI, Google, Anthropic. Saranno capacità di centinaia di megawatt, finanziate in partenariato pubblico-privato.
Il punto critico europeo è duplice. La scala di investimento prevista è dell’ordine di alcune decine di miliardi di euro, contro i 500 miliardi di Stargate. E l’Europa ha un’energia mediamente più costosa degli Stati Uniti e una rete con meno spare capacity, soprattutto in Germania dopo la dismissione del nucleare. Per chi voglia inquadrare la posta strategica, AIPIA segue il posizionamento europeo nella European AI Alliance.
L’Italia tra Cineca Leonardo e l’assenza di gigafactory
Leonardo è sesto al mondo nella classifica TOP500 di giugno 2025. 250 petaflops di picco.
L’Italia ha un asset di rilievo nel supercomputer Leonardo presso il Cineca di Bologna. Leonardo è una capacità HPC accademica e di ricerca, dimensionata per simulazione scientifica più che per training AI di scala industriale. Manca all’Italia una gigafactory dedicata al training di modelli AI di frontiera. Il governo ha annunciato a fine 2025 la candidatura italiana per ospitare una delle AI Gigafactories europee, in partnership con Cineca, INFN e operatori privati italiani. Il dossier è in valutazione presso la Commissione UE. La decisione attesa per la seconda metà del 2026.
L’altro tema italiano è la rete elettrica. Terna ha identificato i nodi critici per i nuovi data center, concentrati nel Nord-Ovest e in Lombardia. Il piano decennale di sviluppo della rete prevede 23 miliardi di euro di investimenti entro il 2034, con priorità sull’integrazione di rinnovabili e sul potenziamento delle dorsali nord-sud. Il calendario è coerente con l’orizzonte di crescita della domanda AI, ma richiede tempi di realizzazione che possono creare gap nel breve periodo.
L’impatto ambientale e l’etica del compute
Il consumo elettrico è solo una dimensione. I data center AI consumano anche acqua per il raffreddamento, in quantità che diventano rilevanti in regioni a stress idrico. Microsoft ha dichiarato un consumo idrico globale di 7,8 milioni di metri cubi nel 2024, in crescita del 34% anno su anno. Google ha riportato 24 milioni di metri cubi nello stesso periodo. Il consumo unitario di un’interrogazione GPT-5 è circa 0,3 litri di acqua, tre volte quello di una ricerca Google tradizionale.
Il carbon footprint dell’AI è il secondo tema. I modelli di frontiera richiedono mesi di training su decine di migliaia di GPU, con impronta CO2 paragonabile a quella di una flotta di aerei in un anno. La metrica della sostenibilità è entrata nei report degli investitori, e diversi fondi pensione stanno chiedendo report ESG specifici sull’AI ai loro asset manager. La Rome Call for AI Ethics, di cui AIPIA è Official Endorser, include esplicitamente la sostenibilità ambientale tra i principi.
Cosa significa per chi non ha accesso ai gigawatt
Per la maggior parte delle imprese italiane il problema gigawatt è un tema di filiera, non di infrastruttura propria. Però le conseguenze pratiche sono concrete. La prima è il prezzo: l’inflazione sui costi di compute via cloud sta accelerando, con aumenti del 15-25% sui contratti enterprise rinnovati nel 2026. La seconda è la disponibilità: l’accesso prioritario alle GPU di frontiera (Blackwell, Rubin) è riservato ai clienti Tier 1 dei provider, con liste d’attesa per gli altri.
La risposta razionale per le imprese italiane si articola su tre fronti. Primo, l’efficienza: usare modelli di taglia adeguata al task, non sempre il più grande. Un GPT-5 mini può fare il lavoro di un GPT-5 standard al 10% del costo per molti use case. Secondo, l’open source: i modelli aperti come DeepSeek, Falcon, Gemma 4 possono essere eseguiti on-premise o su cloud più economici, riducendo la dipendenza da hyperscaler. Terzo, la specializzazione: un modello fine-tuned su dominio specifico richiede meno compute in inferenza di un generalista che ragiona da zero ogni volta.
Il limite fisico come variabile strategica
L’industria AI ha trattato finora il compute come variabile elastica. La scala dei modelli è cresciuta di 4-5 ordini di grandezza in cinque anni, e l’assunto implicito era che fosse possibile continuare. I numeri di gigawatt e gigafactories del 2026 raccontano una storia diversa: la scala incontra limiti fisici, economici, politici, sociali. Non è la fine dell’AI, è la fine della fase in cui il compute era trattato come gratuito.
Per un decisore italiano questo cambia il calcolo strategico. Investire oggi in modelli più piccoli, più efficienti, più specializzati non è un compromesso al ribasso. È la scelta che si troverà a essere validata dalle dinamiche industriali nei prossimi 24 mesi.
La frontiera dell’AI degli anni 2027-2030 non sarà necessariamente più grande di quella del 2026. Sarà più capillare, più verticale, più ancorata a casi d’uso reali. Il muro dei gigawatt non è solo un problema americano. È il segnale che l’AI sta entrando nella sua fase industriale matura, dove l’energia, il capitale e il territorio diventano vincoli reali. Chi pianifica oggi sapendo questo, parte avvantaggiato.
