Il risparmio netto di elettricità dovuto all’intelligenza artificiale dipende dall’efficienza di distribuzione nel sistema elettrico cinese

Perché conta una rete più intelligente

L’intelligenza artificiale (IA) è spesso presentata come un cervello invisibile nel cloud, ma dietro ogni chatbot o generatore di immagini c’è un flusso concreto di elettricità. Questo studio pone una domanda dalle grandi implicazioni per il clima e la pianificazione energetica: i risparmi energetici che l’IA può generare all’interno del sistema elettrico possono compensare il consumo aggiuntivo delle grandi strutture di calcolo? Focalizzandosi sulla rete cinese in rapida evoluzione, gli autori ricostruiscono come l’IA potrebbe passare da onere crescente a risorsa netta — a patto che venga impiegata in modo efficiente e su larga scala.

Le due facce dell’intelligenza artificiale

L’articolo inizia delineando una tensione. Da un lato ci sono i data center per l’IA, i cui server specializzati possono consumare sei‑otto volte più elettricità delle macchine tradizionali. Con modelli sempre più grandi e un uso più frequente, queste strutture stanno diventando una nuova fonte significativa di domanda per la rete. Dall’altro, gli algoritmi di IA vengono integrati in tutto il sistema elettrico — aiutando a prevedere produzione eolica e solare, perfezionare il funzionamento delle centrali a carbone, gestire il riscaldamento e il raffrescamento negli edifici, bilanciare i carichi industriali e prolungare la vita delle batterie. Queste applicazioni possono ridurre gli sprechi e smussare i picchi di domanda. Il nodo centrale è stabilire se, complessivamente, i risparmi apportati dall’IA nella rete possano annullare o addirittura superare l’elettricità che il calcolo per l’IA stesso assorbe.

Misurare l’effetto netto nel tempo

Per affrontare la questione, i ricercatori costruiscono un modello dinamico che va dal 2025 al 2060. Stima il consumo energetico dell’IA con un approccio «dal basso verso l’alto», a partire dalle previsioni di spedizione dei server IA, dalla loro vita operativa, dal consumo durante l’addestramento e l’uso quotidiano e dall’evoluzione dell’efficienza dei data center nel tempo. Parallelamente, esaminano una decade di studi su misure di risparmio energetico abilitate dall’IA. Mediante una meta‑analisi sintetizzano quanto elettricità si può risparmiare in sette pratiche chiave, come migliorare l’efficienza delle centrali a carbone, ridurre le perdite di trasmissione, aumentare l’efficienza di edifici e industria e ottimizzare l’accumulo in batterie. Questi risparmi vengono poi scalati per la Cina sotto tre diverse ipotesi su quanto profondamente tali strumenti IA si diffondano nel sistema.

Futuri diversi per l’IA e la rete

Il modello combina tre filoni per il consumo elettrico dell’IA con tre per il suo potere di risparmio, generando nove futuri possibili. Sul versante del consumo, un percorso «guidato dalla tecnologia» presuppone una rapida crescita del calcolo IA ma forti progressi nei chip e nei sistemi di raffreddamento; un percorso «vincolato dalla politica» assume regole stringenti che limitano l’espansione e impongono alta efficienza; un percorso di «inerzia» ipotizza miglioramenti più lenti e controlli meno severi. Sul lato del risparmio, un percorso «efficiente» immagina un’adozione rapida e ampia degli strumenti IA migliori in centrali, linee, edifici, fabbriche e accumulo; un percorso «tipico» riflette un’adozione moderata; e un percorso «inefficiente» prevede una diffusione più lenta o disomogenea. Insieme, questi scenari mostrano come tanto l’hardware più intelligente quanto l’uso esteso dell’IA nelle operazioni modellino l’equilibrio tra domanda aggiuntiva e sprechi evitati.

Dove si nascondono i risparmi maggiori

Tra le molte modalità con cui l’IA può intervenire, lo studio individua una chiara «minoranza vitale»: circa un quinto delle pratiche fornisce più di quattro quinti del potenziale totale di risparmio. Migliorare i carichi negli edifici, ridurre le perdite lungo le linee di rete e rendere più accurate le previsioni delle rinnovabili emergono come i contributi più significativi. A livello nazionale, nelle ipotesi di risparmio più ottimistiche l’IA potrebbe ridurre circa il 15% del consumo elettrico previsto della Cina entro il 2060; in scenari tipici o inefficienti questo si riduce a percentuali a cifra singola. L’analisi regionale di cinque province mostra che le aree ricche di generazione — come la Mongolia Interna con carbone e rinnovabili — traggono maggior beneficio sul lato dell’offerta, mentre poli industriali e dei servizi come Guangdong e Jiangsu ottengono guadagni più grandi nella gestione della domanda in edifici e stabilimenti.

Quando l’IA diventa un risparmio netto

La metrica chiave dello studio è il «risparmio netto di elettricità»: il rapporto tra l’elettricità risparmiata dall’IA e l’elettricità che l’IA stessa consuma. Un valore oltre il 100% significa che l’IA, nel complesso, riduce la pressione sulla rete. Tra tutti i nove futuri, solo la combinazione di ampia diffusione delle applicazioni di risparmio e forti progressi tecnologici nei data center — il caso Efficiente–Guidato dalla Tecnologia — raggiunge questo risultato precocemente, arrivando a circa il 130% entro il 2040. In questo percorso, il rapido dispiegamento dell’IA nella rete e negli edifici, combinato con chip molto efficienti e costi di raffreddamento molto bassi, permette ai risparmi di superare la domanda dell’IA stessa. Anche così, il beneficio si appiattisce e cala leggermente dopo il 2050 man mano che le tecnologie maturano e i guadagni facili si esauriscono. In futuri meno ambiziosi, il risparmio netto è ritardato o non si realizza entro il periodo considerato dallo studio.

Cosa significa per la vita quotidiana

Per i non specialisti, la lezione è che l’IA non è automaticamente buona o cattiva per il clima. Se lasciata crescere in data center inefficienti con un uso limitato nelle operazioni di rete, aggiunge principalmente domanda elettrica. Ma se abbinata a standard di efficienza aggressivi, hardware migliore e ampia diffusione in centrali, linee, edifici, fabbriche e accumulo, l’IA può ripagare più che ampiamente il proprio conto in kilowattora risparmiati. Lo studio suggerisce che la Cina — e per estensione altri Paesi — avrà bisogno di politiche intelligenti per indirizzare l’IA in questa direzione: limiti severi sui data center inefficienti, incentivi per il raffreddamento avanzato e per chip più efficienti, e forte sostegno agli strumenti IA che riducono gli sprechi nel sistema elettrico. Se fatto bene, la stessa tecnologia che rischia di sovraccaricare la rete potrebbe diventare uno dei motori che la rendono più pulita e affidabile.

Citazione: Zhou, K., Yang, Z. & Hu, R. Net electricity savings from artificial intelligence depend on deployment efficiency in China’s power system. Commun. Sustain. 1, 72 (2026). https://doi.org/10.1038/s44458-026-00080-4

Parole chiave: intelligenza artificiale ed energia, efficienza dei data center, ottimizzazione della rete elettrica, previsione della domanda elettrica, integrazione delle energie rinnovabili