Internet ha un corpo: dentro i data center che alimentano il digitale

Internet ci appare come qualcosa di immateriale, ma ogni ricerca, video, backup cloud o richiesta a un modello AI deve essere eseguita da macchine fisiche. I data center sono i luoghi in cui quella infrastruttura viene concentrata: server, storage, apparati di rete, alimentazione elettrica, sistemi di sicurezza e raffreddamento.

Chiamarli semplicemente “stanze piene di computer” è riduttivo. Un data center moderno è un sistema industriale progettato per mantenere migliaia di macchine disponibili 24 ore su 24, collegarle a reti ad alta capacità e gestire calore, guasti e picchi di domanda.

Cos’è davvero un data center

Un data center ospita capacità di calcolo, memoria e connettività. I server eseguono software e servizi; i sistemi di storage conservano dati; switch e router muovono il traffico dentro la struttura e verso internet. Alimentazione e raffreddamento mantengono il sistema operativo anche quando una componente si guasta.

La ridondanza è centrale. Alimentatori, connessioni di rete, sistemi di continuità e in alcuni casi intere sale vengono duplicati affinché un singolo guasto non interrompa il servizio.

Server, storage e rete: cosa succede quando chiediamo un dato

Quando apriamo un sito, il funzionamento di internet mette in moto DNS, reti e server. La richiesta viaggia fino all’infrastruttura che ospita il servizio; un server elabora la richiesta, può interrogare database o sistemi di storage e restituisce la risposta attraverso la rete.

Nei grandi servizi raramente un singolo server fa tutto. Il traffico viene distribuito, i dati replicati e le funzioni separate tra molte macchine. Per l’utente il risultato appare come un unico servizio; dietro ci sono sistemi distribuiti che devono coordinarsi in millisecondi.

Data center, cloud ed edge non sono la stessa cosa

Il cloud è un modello di erogazione delle risorse informatiche: invece di acquistare e gestire tutta l’infrastruttura, un’organizzazione utilizza calcolo, storage e software messi a disposizione da un provider. Ma il cloud continua a vivere dentro data center fisici.

L’edge computing sposta invece una parte del calcolo più vicino al punto in cui i dati vengono prodotti o utilizzati, per ridurre latenza, traffico e dipendenza da un centro remoto. Cloud, data center ed edge descrivono quindi livelli diversi dello stesso ecosistema.

Perché l’intelligenza artificiale cambia i data center

L’AI moderna ha aumentato la domanda di calcolo ad alta densità. Addestrare e servire modelli richiede acceleratori specializzati, reti veloci tra i nodi e sistemi capaci di alimentare e raffreddare rack molto più energivori di quelli tradizionali.

È qui che entra l’AI compute: la disponibilità di chip, memoria, rete ed energia diventa una risorsa strategica. Non basta possedere un buon algoritmo se non si dispone dell’infrastruttura per eseguirlo su scala.

Questa trasformazione spiega perché la corsa all’AI sia anche una corsa ai semiconduttori, alle reti elettriche e agli impianti di raffreddamento.

Dal data center al cloud AI

Il cloud AI aggiunge un livello software sopra l’infrastruttura. Provider e piattaforme offrono GPU, modelli, API e ambienti di sviluppo come servizi. Per chi utilizza il sistema sembra di “chiamare un modello”; in realtà quella chiamata viene instradata verso hardware collocato in un data center e condiviso tra moltissimi utenti.

Questo modello riduce la necessità di possedere fisicamente l’hardware, ma concentra una parte importante del potere nei soggetti che controllano infrastruttura, acceleratori e capacità di rete. È il legame tra data center e corsa delle Big Tech all’intelligenza artificiale.

Energia e raffreddamento: il costo fisico del calcolo

Ogni operazione produce calore. Più aumenta la densità di potenza dei rack, più il raffreddamento diventa parte integrante del progetto. Aria, acqua e sistemi liquidi vengono combinati in base al tipo di hardware e alla struttura.

Il consumo elettrico è diventato un problema di sistema. Nel rapporto Energy and AI, l’IEA stima che la domanda elettrica globale dei data center possa passare da circa 485 TWh nel 2025 a circa 950 TWh nel 2030. La crescita dei server accelerati per l’AI è uno dei principali motori dell’aumento.

Il dato non significa che “l’AI consumerà tutta l’energia del mondo”: nel quadro IEA i data center restano intorno al 3% della domanda globale al 2030. Ma la concentrazione geografica dei carichi può creare problemi locali di rete, connessione e disponibilità di potenza.

Perché la posizione geografica conta

Un data center non viene collocato ovunque. Contano disponibilità e prezzo dell’energia, connessioni in fibra, rischio climatico, disponibilità di acqua, fiscalità, regolazione e vicinanza ai mercati serviti.

Per alcuni servizi conta soprattutto la latenza; per grandi cluster AI contano molto anche la disponibilità di energia e la possibilità di espandere rapidamente la capacità. Per questo l’infrastruttura digitale ha conseguenze territoriali molto concrete.

Chip, supply chain e geopolitica

I data center AI dipendono da una catena globale di componenti: acceleratori, CPU, memoria ad alta banda, apparati di rete e sistemi di potenza. La nostra analisi sulla geopolitica dei chip mostra perché il controllo del calcolo sia ormai legato alla produzione di semiconduttori e alle politiche industriali.

La dipendenza non è soltanto tecnologica. Un servizio può essere sviluppato in un Paese, eseguito in un data center situato altrove e dipendere da chip prodotti attraverso una supply chain che attraversa più continenti.

Affidabilità e sicurezza

Un data center deve essere progettato anche per incidenti, guasti e attacchi. Sicurezza fisica, segmentazione delle reti, controllo degli accessi, backup, monitoraggio e procedure di continuità fanno parte dell’infrastruttura quanto i server.

Per capire il livello logico del problema è utile la guida sulla cybersecurity: proteggere un servizio digitale significa proteggere dati, identità, software e infrastruttura insieme.

Enterprise, colocation e hyperscale

Non tutti i data center hanno lo stesso modello operativo. Un’impresa può gestire una propria struttura; può affittare spazio e connettività in un centro di colocation; oppure utilizzare grandi infrastrutture hyperscale costruite per cloud e servizi globali.

Queste scelte spostano costi e controllo. Possedere l’infrastruttura offre autonomia ma richiede capitale e competenze; usare un provider riduce il carico operativo ma aumenta la dipendenza da piattaforme, contratti e disponibilità del fornitore.

Efficienza: non conta soltanto quanta energia entra

Una parte dell’energia alimenta direttamente server e acceleratori; un’altra serve a raffreddamento, conversione elettrica e servizi ausiliari. Indicatori come il PUE cercano di misurare il rapporto tra energia totale della struttura e quella utilizzata dall’IT.

Ma l’efficienza locale non risolve da sola il problema di scala. Un data center può diventare più efficiente per unità di calcolo e consumare comunque più energia perché aumenta enormemente la quantità di calcolo erogata. È il motivo per cui bisogna osservare insieme efficienza, domanda e capacità installata.

Il data center è diventato una risorsa economica

Per molto tempo abbiamo trattato il digitale come se la scarsità riguardasse soltanto attenzione e dati. L’AI ha riportato in primo piano una scarsità più tradizionale: costruire capacità di calcolo richiede capitale, chip, energia, terreno, reti e tempo.

Questo è il punto che rende i data center centrali per capire il presente digitale. Non sono il retrobottega invisibile di internet: sono una delle infrastrutture attraverso cui si distribuiscono potere economico, velocità di innovazione e accesso all’intelligenza artificiale.