L’intelligenza artificiale sembra appartenere a un mondo immateriale fatto di algoritmi, modelli linguistici e capacità di calcolo. In realtà, la sua crescita dipende sempre di più da qualcosa di molto concreto: energia, reti elettriche, trasformatori, sistemi di raffreddamento e data center. Ed è proprio qui che potrebbe trovarsi uno dei principali colli di bottiglia del boom dell’AI. Nel 2025 il consumo di elettricità dei data center a livello mondiale è cresciuto del 17%, mentre quello dei centri dedicati all’intelligenza artificiale è aumentato del 50%. Secondo l’International Energy Agency (IEA), entro il 2030 la domanda elettrica complessiva dei data center potrebbe quasi raddoppiare, passando dai 485 TWh del 2025 a circa 950 TWh, mentre quella dei data center focalizzati sull’AI potrebbe triplicare.

La questione non riguarda soltanto quanta elettricità sarà necessaria, ma quanto velocemente sarà possibile produrla e portarla dove serve. Un data center può essere costruito in pochi anni; una nuova rete di trasmissione, una centrale o un’infrastruttura energetica possono richiedere molto più tempo. L’IEA stima che i vincoli delle reti possano ritardare circa il 20% dei progetti di data center pianificati.

Da qui nasce anche un interrogativo per i mercati: stiamo costruendo troppi data center oppure, al contrario, non abbiamo abbastanza infrastrutture energetiche per alimentarli?

Data center: quanta energia servirà davvero all’AI

La corsa all’intelligenza artificiale sta riportando la domanda di elettricità al centro dello scenario economico. L’IEA prevede che la domanda elettrica globale cresca in media del 3,6% l’anno tra il 2026 e il 2030, un ritmo sensibilmente superiore a quello dell’ultimo decennio. Data center, veicoli elettrici, climatizzazione ed elettrificazione dell’industria sono tra i principali motori di questa accelerazione. Il fenomeno diventa particolarmente evidente negli Stati Uniti. Qui circa la metà dell’aumento della domanda elettrica previsto fino al 2030 dovrebbe dipendere proprio dall’espansione dei data center.

Lo studio McKinsey Powering AI: How real is the risk of overbuilding?, pubblicato a luglio 2026, offre una misura ancora più precisa del fenomeno. Circa il 75% della crescita attesa della domanda elettrica statunitense nel prossimo decennio potrebbe arrivare dai data center, che vengono costruiti a un ritmo equivalente a quasi 30 GW di nuova potenza richiesta ogni anno.
Nello scenario centrale elaborato da McKinsey, la domanda energetica IT dei data center statunitensi potrebbe crescere di circa il 27% l’anno fino al 2030, raggiungendo 121 GW.

Ma c’è un elemento da non trascurare: l’efficienza sta migliorando molto rapidamente. Secondo l’IEA, il consumo energetico per singola attività AI è diminuito di almeno un ordine di grandezza all’anno negli ultimi anni. Allo stesso tempo, però, aumentano gli utenti e soprattutto si diffondono applicazioni molto più energivore, dalla generazione video ai modelli di reasoning fino agli agenti AI. Alcune di queste attività possono richiedere centinaia o migliaia di volte più energia rispetto a una semplice generazione di testo.

È il classico paradosso dell’efficienza: ogni operazione può diventare meno energivora, mentre il consumo complessivo continua a salire perché aumentano enormemente il numero e la complessità delle operazioni.

Il vero collo di bottiglia è la rete elettrica

La sfida dell’AI non è quindi soltanto costruire abbastanza capacità di calcolo. È riuscire ad alimentarla. La densità energetica delle infrastrutture AI sta aumentando a una velocità impressionante. Tra il 2020 e il 2025, secondo l’IEA, la potenza richiesta dai server AI per unità di spazio è aumentata di 11 volte e potrebbe quadruplicare ancora entro il 2027. Un singolo rack di server avanzati potrebbe arrivare ad avere una domanda di picco paragonabile a quella di 65 abitazioni.

Questo mette sotto pressione non solo la produzione di energia, ma tutta la filiera: trasformatori, apparecchiature elettriche, connessioni alla rete e sistemi di accumulo. McKinsey stima che negli Stati Uniti ci siano circa 40 GW di capacità disponibile per assorbire la crescita della domanda nel breve periodo e circa 100 GW di nuova capacità già programmata. Ma contemporaneamente tra 50 e 75 GW di centrali a carbone e altre centrali termiche potrebbero essere ritirati entro il 2030. Il risultato potrebbe essere un deficit nazionale compreso tra 30 e 55 GW.

Il problema, inoltre, non è uniforme. I data center tendono a concentrarsi negli stessi luoghi, perché hanno bisogno di connettività, terreni disponibili, infrastrutture e condizioni normative favorevoli. È quindi possibile avere abbastanza energia a livello nazionale e, contemporaneamente, non averne abbastanza proprio dove servono i nuovi data center.

Stiamo costruendo troppi data center?

È uno dei dubbi che accompagnano la corsa agli investimenti nell’intelligenza artificiale. Se l’adozione dell’AI rallentasse o se hardware e software diventassero molto più efficienti, una parte della capacità oggi programmata potrebbe rivelarsi eccessiva.

Qualche segnale invita alla prudenza. McKinsey osserva che molte richieste di connessione alle reti elettriche sono speculative o duplicate: hyperscaler e sviluppatori presentano più domande contemporaneamente per capire quale progetto riuscirà ad assicurarsi per primo l’accesso all’energia. Le richieste presenti nelle pipeline delle utility risultano così nove volte superiori alla nuova domanda prevista dallo scenario centrale di McKinsey per il 2030.

È un dato importante per chi investe: pipeline annunciata e domanda effettiva non sono la stessa cosa. Le utility stanno infatti introducendo depositi più elevati, tariffe specifiche per i grandi consumatori e altri strumenti per distinguere i progetti realmente finanziabili da quelli più speculativi. In Ohio, dopo l’introduzione di una tariffa per i grandi carichi, American Electric Power ha visto ridursi dell’81% la capacità richiesta nella propria pipeline, da 30 a 5,64 GW.

Perché il rischio maggiore potrebbe essere costruire troppo poco

Lo studio McKinsey arriva però a una conclusione apparentemente controintuitiva: per il settore energetico il rischio di breve periodo potrebbe essere l’underbuilding, non l’overbuilding. La ragione è semplice. Una rete elettrica costruita per soddisfare la domanda dei data center non serve soltanto all’intelligenza artificiale. A differenza della fibra ottica installata in eccesso durante la bolla Internet dei primi anni Duemila, gli investimenti in generazione, trasmissione e distribuzione possono essere utilizzati per soddisfare altre fonti di domanda elettrica, sostituire infrastrutture obsolete e aumentare resilienza e affidabilità del sistema.

Anche l’IEA descrive una trasformazione più ampia: nei prossimi cinque anni la domanda mondiale di elettricità dovrebbe crescere non soltanto per l’AI, ma per l’elettrificazione dei trasporti, la climatizzazione, le pompe di calore e l’industria. Questo significa che la vera opportunità potrebbe non essere semplicemente “investire nei data center”, ma osservare l’intera infrastruttura fisica necessaria alla nuova economia digitale.

Gas, rinnovabili, batterie e nucleare: chi alimenterà i data center

La necessità di avere energia disponibile rapidamente sta già cambiando il modo in cui vengono progettati i data center.

Secondo l’indagine McKinsey, il 65% degli operatori intervistati prevede di utilizzare qualche forma di produzione energetica direttamente sul sito. Quasi il 60% ritiene che questa capacità resterà permanente anche quando sarà disponibile la connessione alla rete. Tra chi punta sull’autoproduzione, il 64% indica il gas come tecnologia principale.

• Nel breve periodo il gas presenta infatti un vantaggio importante: può fornire energia programmabile e continua. Ma non sarà l’unica soluzione. L’IEA prevede che le fonti rinnovabili soddisfino circa la metà dell’aumento della domanda elettrica mondiale dei data center, accompagnate da sistemi di accumulo. Anche gas e nucleare avranno un ruolo significativo.
• Nel medio-lungo periodo entrano inoltre in gioco tecnologie oggi ancora in fase di sviluppo. McKinsey segnala crescente interesse per small modular reactor, geotermia di nuova generazione e sistemi di cattura della CO₂. Tuttavia, SMR e nuove tecnologie geotermiche difficilmente avranno un impatto significativo sulla capacità complessiva prima della metà degli anni Trenta.

Non emerge quindi un’unica tecnologia vincente. Il sistema energetico necessario all’AI sarà probabilmente composto da un mix di rete, generazione locale, gas, rinnovabili, batterie e, progressivamente, nuove fonti di energia programmabile a basse emissioni.

C’è anche un rischio climatico per i data center

Energia e rete non sono gli unici vincoli fisici. Un data center deve funzionare ininterrottamente per molti anni e ha bisogno di raffreddamento, acqua, infrastrutture di collegamento e protezione dagli eventi meteorologici estremi.

Il materiale che hai raccolto segnala un ulteriore elemento interessante per la valutazione degli investimenti: secondo uno studio di First Street, il 79% della capacità globale dei data center sarebbe esposto a un rischio elevato di eventi climatici acuti, come alluvioni, vento estremo e incendi. Più della metà si trova inoltre in mercati esposti a stress climatici cronici come caldo estremo e siccità, che possono ridurre l’efficienza e aumentare i costi operativi. È un aspetto particolarmente rilevante perché queste infrastrutture hanno normalmente una vita prevista di 20-30 anni.

Per un investitore, quindi, la posizione geografica di un data center non riguarda più soltanto il prezzo dei terreni, gli incentivi fiscali o la vicinanza alle reti: entrano nella valutazione anche disponibilità di energia e acqua e resilienza climatica.

Oltre i titoli tecnologici

Per chi investe attraverso fondi comuni, la crescita dei data center suggerisce innanzitutto di allargare lo sguardo oltre i titoli tecnologici. In particolare

1. La diffusione dell’intelligenza artificiale richiede semiconduttori e server, ma anche reti elettriche, generazione, sistemi di accumulo, trasformatori, raffreddamento e infrastrutture.
2. Distinguere crescita strutturale e aspettative. La domanda di capacità di calcolo continua ad aumentare, ma non tutti i progetti annunciati diventeranno necessariamente operativi. Lo dimostra la forte differenza tra le richieste di connessione alla rete e i progetti effettivamente realizzabili evidenziata da McKinsey.
3. Attenzione alla diversificazione. Il tema AI-data center coinvolge tecnologia, utility, infrastrutture, energia, industria e materie prime. Un fondo diversificato può consentire di partecipare al trend evitando di concentrare il rischio su una singola azienda o su una sola tecnologia.
4. Guardare non soltanto a chi costruisce l’AI, ma anche a chi può risolverne i colli di bottiglia. Perché se la capacità di calcolo continuerà a crescere al ritmo previsto, la risorsa più scarsa potrebbe non essere il prossimo chip ma semplicemente l’accesso all’energia.

IDEE DI INVESTIMENTO

Per gli investitori significa spostare l’attenzione sulla domanda: quali settori renderanno possibile la prossima rivoluzione tecnologica? È in questa prospettiva che i megatrend possono diventare uno strumento per costruire un portafoglio orientato al lungo periodo, senza inseguire ogni nuova moda del mercato.

Una strada equilibrata può essere quella dei fondi comuni esposti ai grandi megatrend: tecnologia, salute, transizione energetica, materiali avanzati, infrastrutture digitali, cybersecurity e sostenibilità. L’obiettivo non è indovinare il vincitore, ma partecipare alla crescita di più ecosistemi collegati tra loro.

Per partecipare alla crescita di megatrend strutturali senza concentrare eccessivamente il rischio su un unico settore tecnologico scopri i portafogli modello costruiti con diverse asset class e sviluppati sulla base di metodologie quantitative. Ogni portafoglio ha un grado di rischio differente e adotta strategie di investimento diverse puntando su settori, strumenti e Paesi. I portafogli modello sono offerti dalle migliori società di gestione (UBS, Pictet Asset Management, Mc Advisory, Natixis Investment Managers, 4Timing Sim) comprese quelle specializzate in investimenti ESG.

Note

Le informazioni contenute in questo articolo sono esclusivamente a fini educativi e informativi. Non hanno l’obiettivo, né possono essere considerate un invito o incentivo a comprare o vendere un titolo o uno strumento finanziario. Non possono, inoltre, essere viste come una comunicazione che ha lo scopo di persuadere o incitare il lettore a comprare o vendere i titoli citati. I commenti forniti sono l’opinione dell’autore e non devono essere considerati delle raccomandazioni personalizzate. Le informazioni contenute nell’articolo non devono essere utilizzate come la sola fonte per prendere decisioni di investimento.