Quando i carichi di intelligenza artificiale spingono i server al limite, ogni watt di potenza dissipata diventa una sfida ingegneristica. Non bastano più ventole e dissipatori tradizionali: servono sistemi di raffreddamento industriale all’altezza di GPU che consumano quanto un piccolo elettrodomestico. È in questo scenario che Kaori Heat Treatment Co., guidata dal chairman Dr. Allen Wu, ha deciso di puntare forte sullo stabilimento di Kaohsiung, con l’obiettivo di avviare la produzione entro il 2027 per rispondere alla domanda di raffreddamento per l’AI e per il settore dell’energia verde.

Perché il raffreddamento è diventato un collo di bottiglia per l’AI on-premise

La corsa agli LLM ha reso i datacenter molto più simili a centrali elettriche che a semplici sale server. Schede con centinaia di gigabyte di VRAM e interconnessioni NVLink spingono la potenza termica di un singolo nodo ben oltre i limiti gestibili con aria forzata. Nel deployment on-premise, dove il controllo sull’infrastruttura è totale ma i vincoli di spazio ed energia sono stringenti, la scelta del sistema di raffreddamento non è più accessoria: condiziona direttamente la densità di calcolo, la stabilità delle frequenze di boost e, in ultima analisi, il throughput di inference.

I sistemi a liquido – direct-to-chip o a immersione – stanno guadagnando terreno perché permettono di estrarre calore in modo molto più efficiente, riducendo al contempo il consumo complessivo della facility. Per le organizzazioni che valutano cluster on-premise per LLM, il raffreddamento liquido non è più un’opzione esotica, ma una leva concreta per abbattere il TCO (TCO) e rispettare obiettivi di sostenibilità.

La scommessa di Kaohsiung e il fattore 2027

L’annuncio di Kaori non è un semplice ampliamento di capacità: è un posizionamento su una finestra temporale che molti analisti indicano come il punto di inflessione per l’adozione di massa del raffreddamento liquido nei datacenter AI. L’impianto di Kaohsiung viene preparato proprio per intercettare la domanda che si materializzerà quando le attuali pipeline di progettazione hardware – GPU di nuova generazione, configurazioni multi-die e sistemi con sempre più memoria HBM – diventeranno la norma nei rack on-premise.

L’azienda non ha diffuso numeri precisi sulla capacità produttiva, ma il semplice fatto di annunciare una data obiettivo così distante segnala un impegno industriale di lungo periodo e la convinzione che il mercato sarà pronto ad assorbire volumi significativi. È un segnale che va letto in parallelo agli investimenti di altri fornitori di infrastruttura termica e ai roadmap dei produttori di silicio.

Cosa cambia per chi valuta un deployment on-premise

Per i responsabili delle infrastrutture che oggi valutano cluster on-premise per LLM, l’evoluzione del raffreddamento introduce una variabile strategica. Da un lato, la disponibilità di soluzioni più efficienti consente di aumentare la densità per rack, riducendo l’impronta fisica del datacenter. Dall’altro, l’integrazione di circuiti a liquido richiede una progettazione meccanica e un operation diverse rispetto all’aria, con impatti su manutenzione, formazione del personale e catena di fornitura.

Chi investe oggi in infrastruttura self-hosted deve quindi guardare al 2027 non come un orizzonte lontano, ma come il momento in cui il parco installato dovrà probabilmente essere aggiornato per sfruttare i nuovi carichi di lavoro. La scelta del sistema di raffreddamento diventa una decisione architetturale a tutti gli effetti, con ripercussioni sulla modularità e sulla possibilità di scalare in futuro senza rifare l’impianto.

L’incrocio con l’energia verde

L’altro pilastro della strategia Kaori è la domanda di energia verde. I sistemi di raffreddamento avanzati non servono solo i datacenter: sono componenti chiave per l’elettronica di potenza di impianti solari e turbine eoliche, e per le stazioni di ricarica veloce dei veicoli elettrici. Questa doppia destinazione dà all’operazione di Kaohsiung una robustezza che va oltre le mode dell’AI, agganciandosi a trend energetici regolati e finanziati su scala globale.

Per l’ecosistema AI, il legame con il green energy segnala una direzione sempre più intrecciata: raffreddare le GPU con energia rinnovabile e, allo stesso tempo, usare quelle stesse tecnicie termiche per l’infrastruttura che genera e distribuisce quell’energia. Un cortocircuito virtuoso che premia chi integra le due traiettorie nella propria pianificazione.

Prospettiva: raffreddare senza scaldare il pianeta

L’annuncio di Kaori non detta la rotta, ma conferma che il raffreddamento sta uscendo dalla penombra ingegneristica per diventare un tema di primo piano nelle roadmap di chi progetta datacenter per AI. Per i professionisti che su AI-RADAR seguono le decisioni di deployment on-premise, è un richiamo a considerare la gestione termica non come un costo accessorio, ma come una variabile strutturale che influenzerà la disponibilità, i costi operativi e la densità degli ambienti di calcolo nei prossimi anni.

Il 2027 è lontano solo in apparenza: per chi pianifica cluster di GPU oggi, le scelte di raffreddamento fatte ora determineranno in buona parte la flessibilità e la sostenibilità economica dell’infrastruttura quando Kaori e altri player saranno pronti a consegnare soluzioni di nuova generazione.