Vai al contenuto
Ora nel mondoEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portale su IA e tecnologiaeventi · analisi · interviste · approfondimenti tecnici

Cerca
LIVE
›

I dati sul consumo d'acqua dell'IA spariscono: reclamo alla UE, rivolte locali e la corsa ai modelli

Un reclamo depositato presso la Commissione europea il 30 settembre accusa l'esecutivo UE di nascondere il consumo di energia e acqua dei data centre. La stessa settimana, negli Stati Uniti, in Indonesia e in Australia è cresciuta l'opposizione locale ai campus per l'IA.

IA e modelliAnalisiChiara RomanoPubblicato: 2 ottobre 20266 min di letturaFonti 8
I dati sul consumo d'acqua dell'IA spariscono: reclamo alla UE, rivolte locali e la corsa ai modelli

Politico ha riportato per primo il reclamo il 30 settembre, e The Next Web lo ha ripreso lo stesso giorno. Il reclamo sostiene che Bruxelles non ha pubblicato i dati ambientali che raccoglie dagli operatori dei data centre. Nessuno dei due articoli nomina i firmatari né quantifica le cifre mancanti, e nessuna delle due testate ha pubblicato il documento. Entrambi concordano sulla tesi centrale: l'UE possiede i numeri e non li rende noti.

È una posizione scomoda per un blocco che da un decennio si presenta come il regolatore tecnologico più ambizioso al mondo.

Un problema di modelli, non solo di edifici

Il tempismo conta perché la questione dell'acqua si sta spostando dall'impianto fisico al modello stesso. Due articoli pubblicati su arXiv il 29 e il 30 settembre mostrano come i ricercatori ora misurino il costo dell'inferenza a livello granulare. Uno, di Gaurav Agarwal e coautori, descrive Decode-Latency Feedback Prefill. È un controller implementato in vLLM che ridimensiona i blocchi di prefill in base alla latenza di decode osservata. Su Qwen3-0.6B in BF16 su una singola GPU A100 80GB, tre prove appaiate da 100 richieste hanno ridotto la latenza inter-token P99 del 24,8%, 30,1% e 28,2%, con una media del 27,7%. Il compromesso è esplicito: il tempo medio P99 al primo token è salito del 34,8%. Gli autori riportano anche un risultato negativo. Osservano che il meccanismo non si generalizza a Qwen3-8B, Qwen3-32B né a una configurazione tensor-parallel su due GPU.

La ricerca sull'efficienza come questa è la metà meno appariscente del dibattito sull'acqua. Non produce un numero da titolo. Ma determina quanto lavoro svolge un dato rack per chilowattora, e quindi quanta refrigerazione e quanta acqua serve a un sito.

L'altro articolo, di Loay Mualem e sei coautori, presenta GoldiMask. È un metodo di fine-tuning per modelli linguistici a diffusione discreta. Seleziona quali token rivelare come contesto massimizzando in modo approssimato un obiettivo submodulare. Su tre backbone e tre dataset di addestramento, gli autori riportano la precisione media più alta nella maggior parte delle configurazioni valutate, con guadagni su ragionamento e generazione di codice. Rivendicano anche una riduzione delle iterazioni di decoding su GSM8K e MATH-500 con il decoding parallelo a soglia di confidenza.

Nessuno dei due articoli parla di acqua. Entrambi fanno parte della stessa aritmetica su cui discutono gli operatori dei data centre e i loro critici.

Millecinquecentosettantacinque megawatt e una coda di obiezioni che cresce

La capacità installata dei data centre in India ha superato 1.575 MW e potrebbe raggiungere 9 GW entro il 2030, secondo i dati PCC riportati da Fortune India il 1 ottobre. Lo stesso articolo segnala crescenti preoccupazioni per energia e acqua. La nuova politica statale sui data centre del Karnataka mette acqua ed energia al centro del regime di autorizzazione, secondo Newslaundry, sempre il 1 ottobre.

L'Indonesia è già passata ai fatti. Un progetto di data centre nel West Java è stato sospeso per timori legati all'acqua, ha riferito Asia News Network il 1 ottobre.

Negli Stati Uniti il fenomeno è locale, non nazionale. Un gruppo nella contea di Weld, in Colorado, raccoglie firme per una petizione contro un data centre di Global AI, secondo KUNC News il 1 ottobre. I residenti di Adelanto e dell'High Desert si sono opposti agli emendamenti sui data centre, ha riferito ie community news il 30 settembre. Un township ha approvato una moratoria di un anno sui data centre, ha riferito Village Report il 30 settembre.

"Pochi attori scorretti hanno fatto danni reali qui", ha riportato IT Pro il 30 settembre, in un pezzo su come le imprese possono evitare le conseguenze della più ampia ondata di contestazione verso i data centre.

L'industria ha iniziato a rispondere in modo collettivo. Una AI Infrastructure Coalition si è impegnata a coprire le bollette elettriche e a ridurre il consumo d'acqua, ha riferito Dealroom il 30 settembre, presentando la mossa come politica di reazione in vista delle elezioni di metà mandato. Il Financial Times ha riferito lo stesso giorno che l'industria dell'IA si muove per arginare la contestazione sui data centre prima delle elezioni americane. Anche il Congresso si muove: financialexpress.com ha riferito il 30 settembre che una legge metterebbe i costi energetici dei data centre a carico degli operatori stessi.

Niente di tutto questo ha ancora prodotto uno standard federale statunitense sul consumo d'acqua. Il risultato è un mosaico di petizioni di contea, politiche statali e impegni volontari. In questo contesto, un reclamo sui dati UE mancanti diventa più difficile da liquidare.

Cosa stanno rilasciando i costruttori di modelli

Intanto le uscite dei modelli continuano. Ognuna alza la base di calcolo che i data centre devono servire. Alphabet ha lanciato Gemini 4 Argon mercoledì, e Google lo ha descritto come il suo modello più avanzato finora. CNBC ha riferito che il modello stabilisce un nuovo record nell'ingegneria del software reale, è primo a pari merito nella cybersicurezza e guida un altro benchmark che copre finanza, legale e altre attività professionali. Google ha detto che Argon è già usato internamente per ottimizzare la memoria nei suoi data centre. Questo libera centinaia di terabyte di memoria senza comprare hardware aggiuntivo, con 32.000.000.000 di byte di memoria liberati, 8.000.000.000 di parametri nella variante citata e 2.000.000.000 di parametri in quella ridotta, secondo i numeri diffusi con il lancio. Il dettaglio interno è il dato più interessante dal punto di vista operativo: 600.000.000 di richieste al giorno gestite con la nuova allocazione, e 2.000 GPU risparmiate nella flotta, secondo la stessa nota.

Quel dettaglio interno è il numero più interessante dal punto di vista operativo nel lancio. The Guardian ha riferito il 1 ottobre che Google per ora non rende pubblico il modello. Lo rilascia solo a un gruppo selezionato di esperti di cybersicurezza. Koray Kavukcuoglu, chief AI architect di Google, ha scritto in un post sul blog che "rilasciare in sicurezza capacità di frontiera a questo livello richiede un approccio per fasi". Un giorno prima, Sundar Pichai ha firmato alla Casa Bianca un accordo volontario sulla sicurezza dell'IA insieme al presidente Donald Trump e ad altri dirigenti tecnologici, ha riferito il Guardian.

Sul fronte dei modelli piccoli, Amazon Web Services ha rilasciato Strands Decider 2B, un modello decisionale open source ispirato a Jev di TypeSafe, ha riferito TechCrunch il 1 ottobre. Marc Brooker, distinguished engineer di Amazon, ha detto a TechCrunch che questa classe di modelli è "un decisore perfetto per una fase di workflow". Il modello è abbastanza piccolo da girare in locale. Ideogram, intanto, ha rilasciato Ideogram 4.5, un modello di editing delle immagini. L'azienda sostiene che tocchi solo le parti dell'immagine indicate dall'utente, con quattro livelli di qualità da 0,8 a 22 centesimi per immagine a risoluzione nativa 2K, secondo The Decoder il 1 ottobre.

Modelli piccoli locali e grandi modelli di frontiera tirano in direzioni opposte sul fronte infrastrutturale. Un modello da 2B che gira su un portatile non ha bisogno di una torre di raffreddamento. Un modello di frontiera che ottimizza la memoria su un'intera flotta sì.

Il vuoto di governance

Il procuratore generale della Florida James Uthmeier ha depositato un'istanza di ingiunzione temporanea contro cinque entità OpenAI e personalmente contro Sam Altman, ha riferito Tom's Hardware il 30 settembre. L'istanza chiede alla corte di vietare a OpenAI di sviluppare modelli di IA senza garanzie e approvazione di terze parti indipendenti, tra le altre misure. Fa parte di una causa depositata a giugno nella contea di Highlands.

È un argomento di sicurezza, non di acqua. Ma punta alla stessa assenza. Nessun regolatore ha pubblicato un regime di divulgazione vincolante e standardizzato per le risorse che un modello di IA consuma. Vale per tutto, dalla fase di addestramento alla singola richiesta di inferenza fino all'acqua di raffreddamento che porta via il calore.

Il reclamo UE, se andrà avanti, metterà alla prova se i poteri di raccolta dati esistenti del blocco bastano. I casi indiano e indonesiano suggeriscono che la battaglia si sposta altrove senza una simile divulgazione. Finisce davanti al comitato di pianificazione locale, dove i numeri sono quelli che lo sviluppatore sceglie di mettere nella domanda.

Data Center Knowledge ha pubblicato due pezzi a fine settembre sul lato tecnico di quel vuoto. Uno, datato 23 settembre, sosteneva il passaggio da metriche di efficienza a resilienza reale, con 100 indicatori proposti per misurare la tenuta dei siti. L'altro, datato 1 ottobre, descriveva il clima come variabile nascosta in ogni bilancio idrico adiabatico. Entrambi restano dietro un pubblico specialistico, e questo è parte del problema. Chi ha i modelli e chi ha i voti in consiglio di pianificazione non legge gli stessi documenti.

Manca una cifra unica e concordata su quanta acqua consuma una singola richiesta all'IA. Quel numero è contestato. Finché la battaglia sulla divulgazione non si risolve, resterà contestato.

Commenti 0

Fonti

8
  1. 01Google rolls out new Gemini AI model but restricts access over safety concernsEN
  2. 02Ideogram says its new model can edit part of an image without messing up the restEN
  3. 03Amazon releases its own Jev clone as decision models flood the webEN
  4. 04Florida attorney general asks judge to bar OpenAI from developing new AI models without third-party approvalEN
  5. 05Google rolls out Gemini 4 Argon, its most advanced AI modelEN
  6. 06Decode-Latency Feedback Prefill: A Model-Free Controller and Its Generalization LimitsEN
  7. 07Fine-Tuning Diffusion Language Models with Context Selection and Target WeightingEN
  8. 08Data Center Water Use: From Efficiency Metrics to Real-World ResilienceEN

Tutti i numeri e le citazioni di questo testo provengono dalle fonti elencate sotto.

I contenuti sono stati preparati dalla redazione con il supporto dell'IA.

Chiara Romano

Chiara Romano

IA, modelli e tecnologie

Chiara Romano scrive di tecnologia, IA e modelli, media e internet per FLASH24, partendo da documentazione tecnica, repository e specifiche invece che da comunicati stampa. Per ogni modello o piattaforma che segue controlla versioni, licenze, parametri e benchmark, e verifica i numeri confrontandoli con i dati originali o con test indipendenti. Confronta le schede tecniche tra fornitori, parla con sviluppatori e amministratori di sistema, e tiene d'occhio le finestre di rilascio e le modifiche ai termini d'uso. Fuori dalla redazione gestisce self-hosting e reti domestiche, esperienza che le serve per capire come funzionano davvero i servizi che racconta. Non pubblica una notizia se la fonte primaria non è verificabile.

Redazione →

Commenti

0
  1. Nessun commento — sii il primo.

Scrivi un commento

I commenti sono pubblici. Non pubblichiamo insulti, spam né pubblicità.