Come la pandemia ha intensificato l’avvenimento del cloud, con conseguenze incisive sull’ambiente
Il mondo si è trovato, ancora una volta, in uno stato di “allerta”. Nonostante l'attenzione pubblica sia spesso catalizzata da conflitti, crisi alimentari e sfide ecologiche, la minaccia delle epidemie rimane una delle paure più radicate a livello globale. Proprio lo scorso mese, la notizia di un improvviso focolaio a bordo di una nave da crociera, causato da un nuovo ceppo virale respiratorio ad alta trasmissibilità e prontamente attenzionato dall'OMS, ha rapidamente fatto il giro del mondo. Nonostante la portata limitata dell'evento e il tempestivo contenimento iniziale, la notizia si è diffusa in pochissimi giorni, suscitando una forte inquietudine. Il motivo di questo allarme è evidente: si tratta di uno scenario tristemente familiare che rievoca i mesi a cavallo tra il 2019 e il 2020, quando la comparsa del Covid-19 si trasformò in una crisi sanitaria globale dai costi umani devastanti.
Lungi dal voler alimentare facili allarmismi, l'obiettivo di questo articolo è analizzare come, durante quell'emergenza, la tecnologia abbia rappresentato un'infrastruttura essenziale per comunicazioni e scambio dati. La crisi ha forzato una profonda dipendenza dai dispositivi digitali e ha agito da catalizzatore per una rapida evoluzione tecnologica.
Uno dei fattori primari che ha innescato un aumento esponenziale del traffico internet è stato, senza dubbio, lo smart working. Da pratica occasionale e marginale, il lavoro da remoto si è trasformato dall'oggi al domani in una necessità imprescindibile, integrandosi radicalmente nella quotidianità di milioni di persone. Un cambiamento strutturale talmente profondo che, ancora oggi, nonostante un diffuso ritorno alle dinamiche in presenza, ha lasciato un'eredità duratura sotto forma di lavoro ibrido e flessibilità settimanale.
Percentuale di lavoratori da remoto per principale settore industriale (2019-2022). Fonte: U.S. Bureau of Labor Statistics, American Community Survey.
L'immagine ufficiale si può trovare nel sito riportato nel link
Come si evince chiaramente dai dati, la transizione verso il lavoro da remoto ha registrato un'impennata drastica tra il 2019 e il 2021. Questa accelerazione è stata trainata in particolar modo dai settori dell'informazione e dei servizi tecnici e scientifici, dove i tassi di adozione hanno superato la soglia del 45%. Tuttavia, questa massiccia migrazione digitale non si è limitata a ridefinire le abitudini professionali, ma ha generato un'onda d'urto sull'intera infrastruttura di rete globale.
L'esponenziale aumento del traffico dati e la conseguente migrazione forzata verso architetture cloud hanno richiesto una mobilitazione di risorse senza precedenti. Dietro l'apparente immaterialità dello "smart working" si cela, di fatto, un costo ecologico tangibile: mantenere operativi server, reti di distribuzione e sistemi di archiviazione 24 ore su 24 richiede un fabbisogno energetico massiccio. La remotizzazione della società ha quindi spostato il carico dalle strade ai data center, trasformando l'efficienza termica e il consumo elettrico in sfide ambientali di primaria importanza.
Per far fronte a questa migrazione digitale di massa, uno sforzo ingegneristico senza precedenti è stato richiesto anche agli architetti e agli sviluppatori cloud, che si sono ritrovati improvvisamente a gestire picchi di traffico esponenziali rispetto ai trend pre-pandemici. Se fino all'inizio del 2020 il cloud computing era spesso percepito dalle aziende come una risorsa utile per ottimizzare i costi o scalare i servizi a lungo termine, l'avvento del COVID-19 lo ha trasformato da semplice opzione strategica a infrastruttura di sopravvivenza primaria.
A confermare questa tendenza, i dati raccolti da Synergy Research Group evidenziano come la spesa globale in servizi infrastrutturali cloud abbia registrato un'impennata del 35% solo nel quarto trimestre del 2020 rispetto all'anno precedente. Questa transizione improvvisa ha costretto i team di ingegneria a ridisegnare l'architettura di sistemi complessi in tempi record, scongiurando così il collasso di servizi ormai divenuti critici: dalla didattica a distanza allo streaming, fino alle piattaforme di collaborazione aziendale.
L'entità e l'urgenza di questa trasformazione tecnica sono ben rappresentate dal grafico seguente, tratto da un'analisi condotta da Stack Overflow, che illustra il seguente grafico.
Confronto tra il volume effettivo e quello previsto delle domande a tema cloud sulla piattaforma Stack Overflow a seguito dei lockdown per COVID-19. Fonte: Stack Overflow Blog.
Immagine ufficiale si può trovare seguendo il link riportato
Come illustra chiaramente il grafico, l'esigenza tecnica legata alle tecnologie cloud ha subito una deviazione netta e improvvisa rispetto alle tendenze storiche pre-pandemia. A partire da febbraio 2020, momento in cui le organizzazioni hanno iniziato a implementare massicciamente il lavoro da remoto, il volume effettivo di quesiti posti dagli sviluppatori (rappresentato dalla linea azzurra continua) ha superato di gran lunga le stime predittive (linea arancione tratteggiata).
Gli ingegneri del cloud si sono trovati ad affrontare problemi di portata inedita, legati non solo alla semplice larghezza di banda, ma alla gestione della latenza globale e alla resilienza dei sistemi distribuiti. Di conseguenza, sono state ideate e accelerate soluzioni architetturali basate su logiche "cloud-native" che prima della pandemia non si pensava potessero diventare urgenti su così vasta scala:
- Infrastruttura come Codice (IaC): Automatizzare il provisioning (la configurazione e l'allocazione delle risorse) per creare o replicare interi data center in pochi minuti anziché in settimane.
- Edge Computing: Avvicinare l'elaborazione dei dati agli utenti finali per alleggerire il carico sui server centrali e garantire la fluidità di videochiamate e streaming in tempo reale.
- Sistemi di Autoscaling Avanzati: Algoritmi in grado di allocare dinamicamente la potenza di calcolo secondo per secondo, rispondendo in modo flessibile a fluttuazioni di traffico altrimenti ingestibili.
McKinsey & Company ha stimato che la pandemia ha accelerato l'adozione di tecnologie digitali e soluzioni cloud di circa tre o quattro anni, condensando un'evoluzione strutturale a lungo termine in pochi mesi di pura ingegneria dell'emergenza.
L'onda d'urto della pandemia non si è limitata a remotizzare il lavoro, ma ha innescato un'accelerazione senza precedenti nel campo dell'Intelligenza Artificiale. Con miliardi di persone riversate online, la quantità di dati generata ha fornito l'alimento perfetto per addestrare modelli algoritmici sempre più complessi. Tuttavia, questo trionfo dell'ingegneria del software nasconde un paradosso materiale profondo: il cloud non è etereo. L'esplosione dell'AI è avvenuta, e sta avvenendo, a discapito degli ecosistemi fisici, prosciugati delle loro risorse per sostenere infrastrutture di rete titaniche. Come citato nell’articolo “Environemtal Impacts of Artificial Intelligence”:
By 2030, the power demand of AI data centers is expected to be eleven times higher than it was in 2023.
Nel solo 2023, si stima che i data center a livello globale abbiano consumato 175 miliardi di litri d'acqua per i loro sistemi di raffreddamento. A causa delle maggiori densità di potenza richieste dai data center specializzati per l'intelligenza artificiale, si prevede che questo consumo idrico supererà i 664 miliardi di litri totali entro il 2030.
I data center hyperscale, necessari per eseguire modelli di Intelligenza Artificiale generativa ed elaborare flussi di big data, sono complessi industriali estremamente energivori. L'addestramento di un singolo modello linguistico di grandi dimensioni (LLM) richiede migliaia di GPU funzionanti in parallelo per mesi, generando un'impronta di carbonio paragonabile a quella del ciclo di vita di molte automobili. Ma il costo ecologico non si misura solo in megawattora.
Per comprendere la reale portata di questo impatto, possiamo analizzare i dati generati da strumenti di calcolo specifici (come il ML CO2 Impact Calculator). Simulando l'addestramento di un modello di piccola grandezza per 50.000 ore su hardware dedicato di ultima generazione (come le GPU H100) localizzato in server europei, emerge una scala di emissioni allarmante se paragonata ad altre attività umane ad alto impatto:
Nota ulteriore
Come ulteriore termine di paragone, per compensare i 9.450 kg di CO₂ emessi da quel singolo addestramento, sarebbe necessario piantare ben 157 alberi e lasciarli crescere ininterrottamente per 10 anni.
Ma il costo ecologico non si misura solo in megawattora ed emissioni atmosferiche. Esiste un problema altrettanto critico: la “sete” dell'Intelligenza Artificiale.
What is the Carbon Footprint of AI Infrastructure?
Per dissipare il calore estremo generato dai server, i data center fanno affidamento su enormi torri di raffreddamento ad acqua. Studi recenti hanno dimostrato che l'inferenza dell'AI – il semplice atto di generare risposte da parte di un chatbot – consuma quantità di acqua dolce sbalorditive, spesso prelevate in regioni già soggette a stress idrico. A questo si aggiunge il ciclo di vita dell'hardware: la rapida obsolescenza dei processori dedicati all'AI sta generando un picco di rifiuti elettronici (e-waste) complessi da smaltire e ricchi di terre rare estratte con pesanti impatti ambientali. In sintesi, la pandemia ha spinto l'umanità verso il futuro dell'automazione cognitiva, ma il conto di questa evoluzione lo sta pagando il mondo naturale.
Di fronte a questo allarmante scenario ecologico, l'industria tecnologica sta cercando soluzioni radicali per mitigare il proprio impatto. Un esempio cruciale è rappresentato dalla recente direzione intrapresa da NVIDIA con la sua architettura di nuova generazione, denominata “Rubin”. Questa piattaforma segna un punto di svolta storico: è la prima a implementare un'infrastruttura di raffreddamento a liquido al 100%, eliminando completamente le ventole tradizionali.
Anziché utilizzare enormi quantità di aria fredda o refrigeratori ad alta intensità energetica, il sistema Rubin impiega un circuito chiuso in cui scorre un liquido refrigerante a temperature insolitamente elevate (fino a 45°C). Questa scelta ingegneristica, apparentemente controintuitiva, permette di dissipare il calore direttamente dai processori utilizzando semplici scambiatori ad aria esterni (dry coolers), senza consumare una singola goccia d'acqua per l'evaporazione. Secondo le stime dell'azienda, questa transizione verso il raffreddamento a liquido 'a caldo' può ridurre fino al 100% il consumo idrico diretto delle facility in climi favorevoli, abbattendo contemporaneamente i consumi elettrici legati alla climatizzazione, che storicamente rappresentano fino al 40% del dispendio energetico totale di un data center. Sebbene l'adozione su larga scala richiederà tempo e investimenti massicci, innovazioni come questa dimostrano che l'efficienza termica è diventata la nuova frontiera critica per rendere lo sviluppo dell'AI materialmente sostenibile.
L'ombra di nuove potenziali emergenze sanitarie ci ricorda che la nostra risposta alle crisi si traduce ormai in un'accelerazione tecnologica senza precedenti. Se da un lato l'urgenza ha forzato una rapida transizione verso il cloud e l'infrastruttura digitale, dall'altro ha svelato il paradosso di un'Intelligenza Artificiale sempre più avida di risorse fisiche, con un conto ecologico insostenibile pagato in megawattora e miliardi di litri d'acqua.
La vera lezione che emerge da questo scenario non risiede solo nella nostra capacità di “remotizzare” la società in tempi record, ma nell'urgente necessità di ripensare il peso materiale dell'innovazione. Come dimostrano le recenti architetture basate sul raffreddamento a liquido a circuito chiuso, l'ingegneria non può più limitarsi a inseguire la pura potenza di calcolo. Il futuro dello sviluppo tecnologico richiede un cambio di paradigma: la sostenibilità e l'efficienza termica devono diventare il fondamento stesso della nostra infrastruttura digitale, dimostrando che è possibile progredire senza prosciugare gli ecosistemi che ci ospitano.