Quando si parla di datacenter moderni, come i tanti oggi in costruzione nel contesto di questa nuova febbre dell’oro digitale in scena a livello globale, e ancor più nello specifico, quando si parla di datacenter AI, tutta l’opinione pubblica ha ormai ben presente uno degli aspetti più critici e attuali: l’enorme quantità di energia necessaria al loro funzionamento.
Questi grandi centri di calcolo dalle sinapsi di silicio e le arterie metalliche, necessitano di una quantità enorme di energia per poter lavorare.
Ciò che risulta molto meno noto al grande pubblico è però un altro aspetto, strettamente connesso all’energia e, per certi versi più sottile e delicato rispetto al mero consumo di risorse primarie. La questione della Power Quality e la sua gestione.
Indice degli argomenti
Perché è sempre più necessaria un Power Quality Management
I data center AI necessitano di energia in maniera continuativa, costante, senza soluzione di continuità.
Proprio questa dimensione temporale tendente all’infinito esercita, a livello tecnico e non solo, tutta la differenza del mondo. Perché se si può discutere abbastanza agilmente su come rendere disponibile una quantità molto densa di energia in uno specifico luogo, o se si può indagare su come ridurre ed efficientare questa crescente fame di risorse, ben più difficile è ideare un metodo su come rendere il sistema estremamente stabile nel tempo e in ascetico isolamento dalle perturbazioni interne ed esterne al suo stesso organismo.
Uno tra i principali paradossi a cui l’AI ci sta esponendo è proprio quello in cui lo strumento più utile per efficientare i sistemi energetici complessi, ovvero l’AI stessa, sia al contempo così crescentemente energivoro da assorbire costantemente il nuovo livello di risparmio raggiunto.
Anche in questo caso la dimensione temporale torna ad essere preponderante e solo la velocità di crescita delle due curve, quella dell’efficientamento e quella del consumo, ci diranno se si riuscirà ad arrivare all’intersezione di ottimo che renderà sostenibile questo strumento nel lungo periodo.
Il confronto di Consorzio Esperienza Energia sull’innovazione (Bologna, maggio 2026)
Il 19 maggio 2026 il Consorzio Esperienza Energia Scrl (CEE), realtà con sede a Bologna specializzata in servizi di Energy Management e nel supporto alle imprese nei percorsi di transizione energetica, ha promosso un confronto sulle principali trasformazioni in corso nel sistema energetico e sulle implicazioni dell’intelligenza artificiale per imprese e infrastrutture.
Tra i temi affrontati, l’evoluzione dei consumi, la sicurezza degli approvvigionamenti, la resilienza delle reti e il ruolo delle nuove tecnologie nella gestione di sistemi sempre più complessi. Un focus particolare è stato dedicato ai data center AI, il cui rapido sviluppo sta determinando una crescita significativa della domanda di energia elettrica. Garantire continuità di servizio, stabilità della rete e sostenibilità degli approvvigionamenti rappresenta oggi una sfida centrale per il settore energetico.
Datacenter AI tra step loads, spike e continuità elettrica
Si può quindi ben capire come nella fase odierna di ramp-up del sistema la velocità di crescita del consumo corra molto più veloce di quella dell’efficientamento e questo può creare reazioni a catena che nel mondo specifico dei datacenter AI devono essere gestite con strumenti specifici.
Rispetto ai server tradizionali, queste nuove infrastrutture hanno infatti delle fasi di consumo con profilo di spike, estremamente intense e repentine. Ad esempio, i carichi di lavoro del Deep Learning sono dinamici e brutali: si passa dallo zero al 100% di carico in pochi millisecondi (i cosiddetti step loads), creando fluttuazioni di tensione che farebbero saltare qualsiasi rete elettrica tradizionalmente concepita. Quando un modello LLM (Large Language Model) finisce la fase di training e passa alla fase di validazione, o semplicemente, quando durante l’uso maturo del modello, miliardi di token vengono richiesti simultaneamente, la necessità di corrente dei server ha un’impennata verticale.
Questo genera sbalzi repentini di corrente nel tempo che producono: armoniche, distorsioni della forma d’onda elettrica della rete e cali di tensione interni al datacenter stesso.
Allo stesso modo molti fenomeni potenzialmente critici per il sistema possono originarsi dall’esterno. Un esempio è stato il recente blackout spagnolo dovuto al disequilibrio tra la rete elettrica nazionale e l’interfaccia delle fonti di energia non programmabile.
La rete elettrica è un sistema integrato ed interconnesso, che a suo modo respira, si adatta ed evolve istante per istante. Qualora ci siano delle problematiche, che siano locali o sistemiche, queste possono avere effetti diretti sulla continuità di alimentazione energetica nel tempo. I fenomeni più comuni che possono presentarsi sulla rete sono: i cali di tensione, i buchi di tensione, e, nello scenario peggiore, i blackout.
Power Quality Management nei datacenter AI: difese interne ed esterne
La gestione di questi fenomeni, interni ai datacenter AI, o esterni nella rete elettrica nazionale, vanno comunemente sotto al generico nome di “Power Quality Management”.
Filtri, rack e accumulo locale
Per risolvere questo problema dall’interno, i datacenter AI utilizzano:
- Filtri Attivi delle Armoniche (AHF): Dispositivi elettronici di potenza che monitorano il sistema ed iniettano correnti di compensazione per “ripulire” la forma d’onda della corrente alterata dai server.
- Sistemi di accumulo locale a livello di Rack: Spesso, ogni singolo rack AI (che oggi può assorbire fino a 40-100 kW, contro i 5-10 kW di poco tempo fa) ha una sua micro-riserva di energia stoccata in sistemi ibridi, realizzati con supercondensatori e batterie al litio ad altissima velocità di scarica, utili per assorbire e gestire i picchi locali prima che questi impattino sul sistema centrale.
Per difendersi invece dalle problematiche esterne, prodotte dalla rete, non esiste un’unica ricetta e vengono sempre utilizzate strategie complementari in base alla caratteristica temporale dell’evento critico:
Supercondensatori contro i micro-eventi
- Se il calo o il buco di tensione è di pochi millisecondi, entrano in gioco dei gruppi di supercondensatori (EDLC) che livellano la tensione percepita dal sistema scaricando grandi quantità di energia istantaneamente.
Avviamento in < 1 ms: i supercondensatori, funzionando su principi elettrostatici sono l’unica soluzione tecnica utile a coprire eventi così rapidi e riescono a risolvere:
- Transitori di carico violenti (Step Loads): Quando le GPU passano istantaneamente da idle al 100% di calcolo, i supercondensatori cedono energia localmente prima che la richiesta impatti sulla rete a monte.
- Micro-interruzioni e Buchi di tensione (Voltage Sags): Coprono i primi millisecondi di un calo o di un buco improvviso di tensione sulla rete pubblica.
UPS rotanti, batterie e blackout prolungati
- Se il calo o il buco di tensione è da 1 a 5 millisecondi, entrano in gioco gruppi rotanti (volani meccanici a levitazione magnetica – RUPS) e/o i banchi di batterie al litio/LFP, che mantengono stabile l’alimentazione per brevi periodi.
Avviamento tra 1 e 5 ms: vengono utilizzati UPS Dinamici Rotanti (DRUPS), ovvero dei Volani a levitazione magnetica in rotazione perenne nel vuoto. Una seconda alternativa sono gli UPS Statici ad alta scarica (batterie agli Ioni di Litio / LFP), ovvero grandi banchi di batterie industriali ottimizzati per erogare potenze enormi in tempi ridotti. Entrambe queste tecnologie risolvono:
- Interruzioni di rete brevi (fino a qualche minuto): Forniscono l’energia necessaria a mantenere il datacenter online durante un blackout temporaneo.
- Disallineamento di Frequenza e Tensione: Isolano galvanicamente i server dalla rete esterna. Se la frequenza (50 – 60 Hz) della rete pubblica oscilla, l’UPS rigenera una sinusoide perfetta e stabile.
- Ponte energetico: in caso di blackout prolungati garantiscono l’autonomia energetica del datacenter per il tempo strettamente necessario all’avviamento dei motori termici abbinati al gruppo rotante a levitazione.
- Se siamo di fronte ad un buco di tensione prolungato (blackout) allora è necessario l’utilizzo dei DRUPS, dove viene abbinato ad un gruppo rotante anche un generatore diesel per garantire la continuità di servizio.
Avviamento entro 10 s: I motori diesel di emergenza (spesso enormi unità da diversi Megawatt) sono mantenuti costantemente preriscaldati (acqua e olio) da sistemi elettrici ausiliari. Quando la rete fallisce, si avviano e raggiungono entro 10 secondi il regime di sincronizzazione con la frequenza di rete.
Ridondanza e combustibili per la continuità dei datacenter AI
A queste tecnologie si applicano in aggiunta dei sistemi di ridondanza che permettono la riduzione del rischio. La stabilità assoluta si ottiene ragionando sulla duplicazione dei percorsi di alimentazione elettrica. I datacenter AI utilizzano architetture di distribuzione elettrica dove non esiste un singolo punto di guasto, ma ogni server ha una doppia alimentazione (Power Supply Unit – PSU). L’alimentatore A è collegato alla Linea Elettrica A, con il suo UPS e il suo generatore, l’alimentatore B alla Linea B. Se l’intera Linea A collassa, la Linea B riesce ad erogare il 100% dell’energia mantenendo istantanei i tempi di commutazione e garantendo la continuità di servizio.
Un’altra sfida che apre questo scenario è quella di avere a disposizione dei combustibili a lunga durata, poiché la frequenza di avvenimento di un evento catastrofico come i blackout prolungati è per fortuna molto bassa. I combustibili fossili che devono però alimentare i gruppi di continuità in queste evenienze estreme hanno però molte parti volatili e si deteriorano nel tempo. Il calore, la condensa d’acqua che si forma nei serbatoi e la proliferazione di batteri e funghi generano morchie che intaserebbero istantaneamente i filtri dei motori al primo avvio, causando malfunzionamenti ed inefficienza che potrebbero essere solo parzialmente gestiti con sistemi di filtrazione a ciclo continuo.
In linea con le nuove normative ambientali, soprattutto in Unione Europea, si stanno quindi sviluppando combustibili alternativi, in grado di durare anni nei serbatoi senza degradare e di alimentare all’occorrenza i grandi generatori per la produzione delle enormi quantità di energia necessarie.
HVO e stabilità nei serbatoi
La soluzione è l’utilizzo di una nuova famiglia di carburanti denominata HVO (Hydrotreated Vegetable Oil). Dal punto di vista dello stoccaggio, l’HVO offre Stabilità chimica, poiché non contiene composti aromatici o zolfo e può rimanere nei serbatoi fino a 10 anni senza degradare o sviluppare cariche batteriche significative, riducendo drasticamente i costi e l’energia richiesti dai sistemi ausiliari e di filtraggio tradizionali.
Questo sistema integrato di soluzioni che vanno dal singolo rack fino al nodo di interfaccia con la rete elettrica nazionale richiede tecnologie avanzate e una gestione del rischio sistemica. Sono tuttavia tecnologie disponibili ed affidabili, basate spesso su principi fisici di conversione dell’energia, da elettrica a meccanica, chimica etc…
Esistono naturalmente anche nuove frontiere ancora poco esplorate, ma tutte hanno un minimo comune denominatore nel cercare di governare in qualche maniera la variabile temporale per garantire continuità di prestazione nel tempo.
Thermal throttling e Power Quality nei datacenter AI
La gestione energetica di un datacenter AI moderno è essenzialmente una micro-rete elettrica intelligente ad altissima tecnologia. Deve difendersi dai problemi della rete pubblica (blackout, fulmini, cali di frequenza) ma, paradossalmente, deve difendersi anche dai server stessi, il cui comportamento elettrico, come abbiamo descritto, può essere talmente violento da poter destabilizzare l’infrastruttura anche dall’interno.
Quest’ultimo aspetto è tutt’altro che irrilevante e potrebbe nel tempo aprire scenari non scontati quali ad esempio una regolazione forzata delle inferenze (le richieste che pervengono dagli utenti che usufruiscono dei servizi AI) attraverso gestioni più stringenti dei token, o addirittura potrebbero portare a reazioni a catena che mettano a rischio di Thermal Throttling i nodi di calcolo degli stessi server AI.
Con quest’ultimo punto ci avviamo ad una visione ancora più sistemica dell’infrastruttura complessiva dove scopriremo che l’aspetto termico ed elettrico sono indissolubilmente legati tra loro.
Il legame fisico tra calore e corrente
Il thermal throttling, ovvero il rallentamento automatico della capacità di calcolo dei chip per evitare che questi raggiungano temperature prossime alla fusione del silicio, è il principale rischio connesso alle infrastrutture AI. Fisicamente il processo è molto interessante perché il passaggio di corrente nei chip genera calore per effetto Joule, ovvero a livello microscopico gli atomi di silicio oscillano così velocemente all’interno del loro reticolo cristallino da generare calore e da ostacolare sempre più il flusso degli elettroni (aumento della resistenza elettrica). Per evitare quindi la fusione delle giunzioni di silicio l’algoritmo di gestione termica riduce la potenza di calcolo e le prestazioni fino alla ritrovata stabilizzazione della temperatura.
A livello macroscopico se una GPU rallenta per il troppo calore locale, rallenterà l’intero cluster a monte, riducendo drasticamente l’efficienza del calcolo e costando milioni di dollari in tempo computazionale perso. Ma ancora più grave, se un rack del server si spegne per un micro-guasto dovuto al calore, il carico di lavoro viene istantaneamente dirottato dal software di gestione su un altro cluster sano. Questo cluster subisce un innalzamento istantaneo della potenza elettrica assorbita e con esso un innalzamento termico immediato.
Inoltre, si aggiunga la produzione di armoniche dovuta al funzionamento dei server, che genera ulteriore calore da smaltire, e si aggiungano pure i supercondensatori e le batterie al litio, anch’essi corpi caldi. Tutto è collegato e tutto si regge su un ecosistema integrato.
Oggi la gestione del calore e il rischio di thermal throttling viene gestito efficacemente grazie ad una enorme transizione tecnologica che è stata approntata negli ultimi anni, che ha visto i sistemi passare dal raffreddamento ad aria a favore del raffreddamento a Liquido. Queste tecnologie di gestione degli aspetti termici sono in continua evoluzione e sempre più sfidanti.
Al termine di questa breve trattazione sulla stabilità energetica integrata dei sistemi dedicati all’AI c’è quindi un dettaglio estremamente affascinante e squisitamente fisico che unisce il mondo termico a quello elettrico: la resistenza elettrica del silicio aumenta con l’aumentare della temperatura.
Ancora una volta sono le leggi fisiche a darci il metro di giudizio per comprendere quanto i due fenomeni siano indissolubili. Se i sistemi di raffreddamento permettessero alle GPU di scaldarsi anche solo di pochi gradi in più durante uno spike di potenza, i chip diventerebbero meno efficienti elettricamente, cercando di richiamare ancora più corrente per fare lo stesso calcolo. Questo amplificherebbe ulteriormente i cali di tensione prodotti dall’interno. Ciò significa che contenere il thermal throttling non serve solo a mantenere i server veloci, ma è fondamentale per evitare che la richiesta elettrica interna vada fuori controllo e crei una reazione a catena che renda il sistema instabile e difficilmente gestibile nella sua continuità di servizio nel tempo.
Questa affascinante danza a due tra gestione termica ed elettrica è alla base dell’affidabilità dei Datacenter AI moderni e, con l’evolversi della tecnologia, la ricerca del punto di equilibrio tra efficienza, prestazioni e continuità di servizio sarà senz’altro la discriminante tra un sistema affidabile ed utilizzabile in continuità rispetto ad uno scenario estremamente incerto che potrebbe porre farci porre delle serie domande sulle prestazioni erogabili in particolare al mass market.
