Il ‘time to power’: la nuova misura per l’efficienza delle infrastrutture AI

Con l’evoluzione dell’intelligenza artificiale (AI) da un mero esperimento a una diffusione su larga scala, la disponibilità rapida e affidabile di energia si sta rivelando un fattore cruciale per l’implementazione delle infrastrutture AI. Non è sufficiente che l’elettricità possa essere generata in modo costante; è fondamentale che l’energia programmabile raggiunga i data center nel momento e nel luogo in cui è necessaria.

I data center dedicati all’AI sono caratterizzati da dimensioni maggiori e da una concentrazione di risorse che tollera pochissime interruzioni. Pertanto, la capacità di alimentazione diventa un elemento determinante per stabilire dove e con quale rapidità le infrastrutture possono entrare in servizio e trasformare gli investimenti tecnologici in valore operativo.

In questo contesto, il gas naturale emerge come una fonte ponte in grado di garantire una generazione continua. Secondo analisi di scenario, la domanda di gas legata all’AI potrebbe aumentare da circa 1,6 miliardi di piedi cubi al giorno (Bcf/d) attuali a 5,2 Bcf/d entro il 2030, e tra 7,6 e 11,5 Bcf/d entro il 2035. Tuttavia, avere gas disponibile nel sistema non è sufficiente: il vero vincolo è rappresentato dalla deliverability, ovvero la capacità di produrre, trasportare, immagazzinare e consegnare combustibile alla pressione richiesta attraverso le infrastrutture connesse.

Fattori come permessi, diritti di passaggio delle condotte, connessioni alla rete, turbine, risorse idriche e manodopera specializzata possono allungare i tempi di sviluppo. La competizione per equipaggiamenti e capacità industriale modifica la valutazione tra opzioni teoricamente più economiche ma più lente da realizzare e soluzioni già pronte dal punto di vista logistico.

Di conseguenza, la selezione dei siti e la pianificazione devono considerare non solo la disponibilità futura di energia, ma anche la capacità di garantire energia affidabile nei tempi richiesti. Per rispondere a queste esigenze, stanno emergendo modelli diversi, come la generazione behind-the-meter, che prevede l’accoppiamento di impianti a gas on-site o nelle vicinanze a forniture ferme, configurazioni con pipeline dedicate abbinate a impianti di generazione e soluzioni integrate che collegano fornitura, trasporto, stoccaggio e carico dei data center.

Le stime indicano che oltre il 30% della domanda di gas legata all’AI potrebbe essere soddisfatta con impianti behind-the-meter entro il 2035. La costruzione della prossima generazione di infrastrutture AI richiederà una collaborazione più stretta tra hyperscaler, sviluppatori di data center, utility, fornitori di gas e operatori di pipeline, per affrontare l’intero percorso dall’energia al calcolo.

Le imprese che si posizioneranno meglio saranno quelle che tratteranno l’approvvigionamento energetico come una capacità strategica, riconoscendo il ruolo critico che il gas può svolgere nel garantire la disponibilità e il funzionamento delle capacità AI. In sintesi, nel confronto per scalare l’AI, il ‘time to power’ può determinare il ‘time to value’.