L’altalena energetica dell’AI | | | | Turtles AI

Un coro quasi mistico di ricercatori Microsoft, Nvidia e OpenAI lancia un appello per “armonizzare” i consumi elettrici durante l’addestramento dell’AI: tra GPU che spingono a fondo e pause di sincronizzazione, il rischio è di mandare in crisi la rete.

Punti chiave:

•  Oscillazioni di potenza tra elaborazione e comunicazione nell’addestramento AI possono destabilizzare la rete.
•  Si valutano soluzioni a più livelli: software, firmware GPU e accumulo energetico.
•  L’integrazione tra data center e rete richiede standard condivisi e telemetria intelligente.
•  Proiezioni indicano che i data center AI diventeranno un consumatore elettrico dominante entro pochi anni.

Il mondo dell’AI, fino a ieri concentrato su miliardi di parametri e flussi di dati, oggi si scopre anche regista involontario di una sinfonia energetica ma dalla partitura un po’ stonata. Un coro composto da quasi 60 scienziati di Microsoft, Nvidia e OpenAI ha intonato un appello ai costruttori di software, hardware, infrastrutture, utility e servizi: serve trovare il modo di “normalizzare” la domanda di energia durante l’addestramento di modelli, perché altrimenti la rete elettrica rischia di scomporsi. Il documento dal titolo Power Stabilization for AI Training Datacenters descrive una situazione surreale: miriadi di GPU impegnate in fasi massicce di elaborazione  al limite termico  e poi tutte in pausa sincronizzate per comunicare, innescano fluttuazioni tali da apparire come 50.000 asciugacapelli da 2 kW accesi e spenti insieme, con potenziali picchi da decine o centinaia di megawatt. Il timore? Che tali oscillazioni, se in risonanza con generatori a turbina o linee lunghe di trasmissione, possano innescare instabilità di rete o addirittura usura meccanica dei componenti. Alcuni provider hanno già osservato distorsioni armoniche nei carichi sincronizzati.

Il nuovo disharmonico duetto tra AI e rete non è un problema “virtuale”: Schneider Electric prevede una rete statunitense più fragata entro fine decennio, mentre un rapporto Usa mostrava che i data center nel 2023 consumavano circa il 4,4 % dell’energia totale nazionale, con stime che indicano un balzo al 6,7–12 % entro il 2028. Altri studi stimano che la domanda globale dei data center raddoppierà entro il 2030 a circa 945 TWh, spinta in gran parte dall’AI. Inoltre, il bisogno energetico per ogni training run potrebbe raggiungere 1 GW nel 2028 fino a 8 GW nel 2030, numeri tali da minacciare i confini della rete per come la conosciamo.

Ma i ricercatori non si limitano all’allarme cosmico: propongono una triade di strategie, ciascuna con pregi e limiti. Sul fronte software si parla di “carichi secondari” attivati quando la GPU si riposa: utile per livellare i consumi, ma può rallentare, richiedere coordinamento cloud-cliente e restare poco affidabile. A livello GPU, firmware come il “power smoothing” nelle Nvidia GB200 consentono di imporre soglie minime e controllare il ritmo d’aumento o calo del fabbisogno, a patto di accettare un consumo extra. Infine, a livello datacenter, batterie e sistemi di accumulo locale possono attutire i picchi, evitando di turbare la rete, anche se con costi d’impianto non banali.

Più che preferire una strada, i ricercatori indicano una sinfonia: mescolare tutte e tre le strategie, anzi, farle dialogare. Serve coordinamento, perché rack, GPU e sistemi di accumulo “parlino” tra loro, segnalino lo stato del carico e si adattino di conseguenza. Gli sviluppatori di algoritmi AI dovrebbero lavorare su training asincroni e consapevoli del consumo, le utility devono rendere pubbliche le specifiche di risonanza e risposta della rete, e vanno creati standard per telemetria, controllo e mitigazione delle oscillazioni.

In parallelo, soluzioni nel mondo reale continuano a farsi strada: iniziative come DCFlex, promosse da EPRI e sostenute da Google, Meta, Microsoft, Nvidia, Oracle, testano data center dotati di flessibilità di carico e UPS intelligenti per attenuare i picchi energetici e reagire a emergenze elettriche. Inoltre, proposte includono storage flessibile per allineare il consumo a fonti rinnovabili o accumulo locale che rilasci energia nei momenti di domanda alta. E non mancano approcci fantasiosi: nucleare modulare o accumulatori cinetici come quelli di Revterra, che mantenendo stabile la frequenza di rete possono contribuire alla resilienza. Anche McKinsey e l’IEA sottolineano la necessità di investimenti simultanei in infrastrutture elettriche, data center efficienti e dialogo tra settore tecnologico e energetico.

E mentre i dati rincorrono le leggi della fisica, e le GPU si allenano in sincronia come fanfare di potenza, il richiamo è per un nuovo patto: fra tecnologi, ingegneri elettrici, responsabili delle reti, policy maker, provider cloud e architetti AI.

In questo processo, la sfida non è solo crescere, ma farlo con consapevolezza energetica, armonizzando per non far tremare le fondamenta o i fusibili.