Quando chiedi all’intelligenza artificiale di rispondere a una domanda, generare un’immagine o scrivere una riga di codice, da qualche parte, una macchina si mette in moto. Traccia i cavi invisibili all’indietro e, alla fine, condurranno a un data center AI.
Dall’esterno, un data center AI è volutamente noioso. Spesso sembra una fortezza di cemento senza finestre, che nasconde al suo interno una tecnologia da miliardi di dollari. Gli unici indizi che qualcosa di straordinario sta accadendo all’interno sono i giganteschi ventilatori di scarico e la sottostazione elettrica all’esterno: un’enorme scatola di giunzione che preleva elettricità ad altissima tensione dalla rete elettrica nazionale e la riduce a una tensione più bassa e più sicura che il data center può utilizzare. I data center sono progettati per sembrare invisibili perché l’azione reale, e il costo reale, sono nascosti al loro interno.
All’interno, la sala server è piena di file di rack di metallo nero, ciascuno alto all’incirca quanto un frigorifero e disposti in linee rette e ordinate. Ogni rack è densamente riempito con box server piatti impilati uno sopra l’altro. Ogni server box è essenzialmente un computer ridotto all’essenziale, simile al tuo laptop ma senza schermo o tastiera. I suoi componenti chiave includono unità di elaborazione grafica (GPU) e dischi rigidi. Le GPU sono chip progettati per eseguire più calcoli contemporaneamente attraverso l’elaborazione parallela. Immaginatelo come se più persone lavorassero contemporaneamente su parti diverse dello stesso puzzle: i dischi rigidi memorizzano i dati e li inseriscono nel sistema, mentre i cavi in fibra ottica consentono ai server nello stesso rack e su rack diversi di comunicare ad alta velocità.
“Se le informazioni non riescono a spostarsi abbastanza velocemente tra di loro, l’intero sistema rischia di bloccarsi”
I tradizionali cavi in rame inviano dati sotto forma di impulsi elettrici. Ma i segnali elettrici generano calore (energia sprecata) e possono essere disturbati dalle interferenze elettromagnetiche provenienti dai cavi vicini. I cavi in fibra ottica evitano molti di questi problemi inviando dati come impulsi di luce. Questo è importante per l’intelligenza artificiale perché migliaia di GPU devono interagire e coordinarsi simultaneamente. Se le informazioni non possono spostarsi abbastanza velocemente tra di loro, l’intero sistema rischia di bloccarsi.
Se ti è mai capitato di sentire il tuo laptop bruciarti le cosce durante un’abbuffata di Netflix, o di vederlo scaricarsi la batteria proprio mentre viene girato il tuo personaggio preferito, capisci già i due problemi fondamentali di un data center AI: domanda di energia e calore. Entrambi sono parti inevitabili del processo. L’Agenzia internazionale per l’energia ha stimato che un tipico data center di grandi dimensioni può utilizzare circa 100 megawatt di energia, più o meno il consumo di elettricità della città di Leicester in un giorno. Nel frattempo, l’elettricità che scorre attraverso il silicio produce calore come sottoprodotto e quanto più potente è il chip, tanto più calore genera.
“L’acqua e l’energia che consuma hanno un prezzo che viene pagato ben oltre le mura di questa fortezza senza finestre”
Il tuo laptop ha un chip, forse due. Un data center AI ne contiene decine di migliaia, ciascuno funzionante ad alta capacità, 24 ore al giorno, sette giorni alla settimana, impilati uno sopra l’altro in una stanza senza finestre. Questo non è un laptop sulle cosce; è un petardo in una scatola. È qui che entra in gioco il raffreddamento a liquido. Il fluido freddo scorre attraverso i tubi flessibili nei box dei server, assorbe il calore dalle GPU e torna all’esterno, dove giganteschi refrigeratori e ventole di scarico rilasciano quel calore nell’atmosfera. Il sistema di raffreddamento è l’eroe non celebrato che evita che la tua query ChatGPT si sciolga a metà frase. Ma l’acqua e l’energia che consuma hanno un prezzo che viene pagato ben oltre le mura di questa fortezza senza finestre.
Northumberland fornisce un caso di studio utile per esaminare le sfide legate alle risorse create dai data center: energia e acqua. Wansbeck Regeneration Ltd prevede di costruire un data center da 3,8 miliardi di sterline su un terreno agricolo a West Sleekburn nel Northumberland, un’area del paese designata come zona di crescita dell’intelligenza artificiale. L’obiettivo è chiaro: portare investimenti e posti di lavoro in una regione afflitta dal declino dell’industria pesante. Ma i dettagli rivelano alcune evidenti crepe.
Prendi energia. Si prevede che inizialmente il data center faccia affidamento su una centrale elettrica a gas che utilizza celle a combustibile a gas in attesa di una connessione alla rete, con discussioni secondo quanto riferito ancora “in corso”. È difficile non cogliere l’ironia: un data center basato sull’intelligenza artificiale che simboleggia un futuro digitale a basse emissioni di carbonio dipenderà, almeno inizialmente, dal carburante del passato industriale. Anche dopo la connessione alla rete, il centro entrerebbe comunque a far parte di un sistema energetico sovraccarico, troppo caro e impreparato per la portata della domanda che l’intelligenza artificiale potrebbe creare. A sole 11 miglia a sud, il progetto del data center Stargate proposto da OpenAI è stato ritardato, secondo quanto riferito, a causa degli alti prezzi dell’energia e delle pressioni normative.
Poi c’è l’acqua. I promotori sostengono che il sito soddisferà le sue esigenze attraverso un pozzo privato autorizzato e quindi non dipenderà dalla rete idrica pubblica. Tuttavia, non dipendere dalla rete idrica pubblica non equivale a non avere alcun impatto sulle risorse locali. Le domande chiave sono: quanta acqua verrà estratta, da quale fonte si attingerà, se si applicheranno restrizioni in condizioni di siccità e se sono stati valutati gli effetti cumulativi di più progetti di data center nella zona di crescita AI del Northumberland.
L’esperienza degli Stati Uniti suggerisce che queste domande contano. I grandi data center AI in stati come Virginia, Arizona e Texas si sono confrontati con un crescente controllo sul consumo di acqua, in particolare durante i periodi di alte temperature e di picco della domanda di elaborazione. Al momento non ci sono prove che il progetto del Northumberland consumerà acqua nella stessa misura, ma non ci sono ancora informazioni sufficienti per suggerire il contrario. La questione centrale, quindi, non è se la fonte idrica sia privata, ma se un bene pubblico potenzialmente scarso venga assegnato in modo sostenibile e trasparente. Quindi, se l’energia e l’acqua sono due dei principali vincoli per soddisfare la domanda sempre crescente di intelligenza artificiale, come possiamo andare avanti?
