La febbre dell’intelligenza artificiale ha trasformato i data center nel campo di battaglia di una nuova corsa all’infrastruttura. Non si è mai costruito così tanto e così in fretta: potenza di calcolo concentrata, capacità digitale raddoppiata, tempi di consegna compressi al limite. Ma dietro la cronaca dei megawatt e dei metri quadrati, ER Steel – azienda che segue da vicino la filiera costruttiva per l’AI – segnala una conversazione che sta guadagnando peso: costruire e alimentare queste strutture in modo responsabile, mantenendo efficienza e sostenibilità nel lungo periodo.

La nuova geografia dei data center nell’era dell’AI

L’espansione globale non è uniforme. I grandi hyperscaler puntano su hub regionali connessi da dorsali in fibra, ma la domanda di bassa latenza e sovranità dei dati spinge molte organizzazioni a valutare installazioni on-premise o edge. Qui la scelta della location si intreccia con quella dei materiali: un capannone industriale riadattato non offre le stesse garanzie di un edificio progettato per carichi AI. Il costo del terreno è una variabile, ma la vera partita si gioca sulla capacità di portare potenza elettrica e dissipare calore in modo affidabile.

Requisiti progettuali: quando l’acciaio incontra i token

I modelli di linguaggio di grandi dimensioni (LLM) impongono densità di potenza che fino a cinque anni fa erano impensabili al di fuori dei supercomputer. Rack da 30-50 kW richiedono raffreddamento a liquido diretto, progettazione antincendio specifica e strutture in acciaio con profili studiati per sopportare il peso e le vibrazioni. ER Steel osserva che la scelta dei materiali incide sulla dissipazione termica passiva – un dettaglio che, su scala di centinaia di rack, può ridurre i costi operativi (OpEx) in misura significativa. Non è solo ingegneria civile: è un pezzo della pipeline di inference.

Implicazioni per il deployment on-premise e il costo del controllo

Per le aziende che valutano di portare il fine-tuning o l’inference on-premise, questi elementi costruttivi diventano parte integrante del TCO. Un cluster self-hosted ha senso se il costo totale, inclusa l’infrastruttura fisica, rimane competitivo rispetto al cloud e se il controllo dei dati giustifica l’investimento. Ma progettare un ambiente sottodimensionato o con materiali non adatti significa esporre i LLM a throttling termico, riducendo il throughput in token al secondo e allungando i tempi di addestramento. E in regime GDPR, la responsabilità della sicurezza fisica ricade interamente sull’organizzazione.

Progettare per durare: la responsabilità come vantaggio competitivo

Il messaggio di ER Steel è un richiamo alla visione a lungo termine: la velocità di deployment non può divorare i criteri di qualità che determinano la vita utile di un impianto. In un settore dove la densità raddoppia ogni due anni, costruire pensando solo all’oggi significa trovarsi con un asset obsoleto prima ancora di ammortizzarlo. La modularità, la scelta di acciai ad alta resistenza e la predisposizione per futuri upgrade di raffreddamento sono scelte che ripagano nel tempo. AI-RADAR, nella sezione /llm-onpremise, offre framework analitici per soppesare queste variabili senza semplificazioni. Perché l’intelligenza artificiale, per crescere in modo sostenibile, ha bisogno di fondamenta che non scricchiolino sotto il peso dei token.