Nel cuore della Cina meridionale, il progetto di tram a idrogeno di Foshan – uno dei primi al mondo – sta facendo i conti con costi operativi più alti del previsto. La notizia, riportata da DIGITIMES, arriva mentre Hyundai Rotem annuncia l’obiettivo di portare sui binari il proprio treno a idrogeno entro il 2029. Due sviluppi che, a prima vista, sembrano lontani dal mondo dell’intelligenza artificiale. Ma non è così.

L’idrogeno verde, quello prodotto da elettrolisi con energia rinnovabile, è spesso indicato come una soluzione per decarbonizzare settori difficili da elettrificare direttamente. I trasporti pesanti, le industrie energivore e, da qualche anno, anche i data center. L’idea di alimentare infrastrutture informatiche con celle a combustibile non è nuova: Microsoft ha testato un data center alimentato a idrogeno per 48 ore consecutive già nel 2022, e altri operatori guardano all’idrogeno come alternativa ai generatori diesel per il backup e, in prospettiva, per il funzionamento continuo in aree con rete elettrica instabile o costi elevati.

Ma i numeri del caso Foshan – purtroppo non dettagliati dalla fonte – gettano un’ombra sulla competitività economica della tecnicia. Senza inventare cifre, è noto che il costo dell’idrogeno verde resta da due a tre volte superiore a quello del diesel o del gas naturale per unità di energia equivalente, secondo le stime più recenti dell’Agenzia Internazionale dell’Energia. E le stesse valutazioni valgono per qualsiasi applicazione stazionaria, compresi i data center.

Per chi oggi valuta il deployment on-premise di carichi AI pesanti – LLM, inference continua, fine-tuning su dati proprietari – il costo dell’energia è un fattore determinante tanto quanto l’hardware. Le GPU di fascia alta, dalle H100 alle A100, consumano centinaia di watt ciascuna; un cluster da training sposta facilmente il conto energetico annuo nell’ordine delle centinaia di migliaia di euro. Se l’idrogeno diventasse una voce di costo primaria per l’alimentazione, anziché un’opzione di nicchia, la fattibilità economica dell’on-premise potrebbe cambiare drasticamente. Questo vale in particolare per realtà che operano in regime di air-gapped o con requisiti di sovranità dei dati che impongono l’isolamento dalla rete elettrica pubblica, magari in siti remoti o in paesi con regolamentazioni stringenti.

Certo, il parallelismo ha dei limiti: un treno a idrogeno si muove, richiede infrastrutture di rifornimento distribuite e deve affrontare vincoli di peso e ingombro che un data center non ha. Ma le sfide di produzione, stoccaggio e distribuzione dell’idrogeno sono trasversali. La vicenda Foshan, con i suoi costi operativi superiori alle attese, segnala che l’affidabilità commerciale su larga scala è ancora un traguardo da raggiungere – un promemoria per chi immagina data center totalmente alimentati a idrogeno entro la fine del decennio.

In definitiva, il caso Hyundai Rotem-Foshan è più di una notizia di settore ferroviario. Per l’ecosistema AI che punta al self-hosted e all’indipendenza energetica, è un segnale da non ignorare: la transizione all’idrogeno richiede realismo sui tempi e sui costi. AI-RADAR continuerà a monitorare l’evoluzione delle infrastrutture energetiche quando queste intersecano le scelte di deployment di chi costruisce e allena modelli in prima persona.