L'ultimo annuncio di Nvidia sulla riduzione del consumo d'acqua nei datacenter ha il sapore di una buona notizia a metà. Il produttore ha mostrato un sistema di raffreddamento che taglia drasticamente i prelievi idrici interni, un passo avanti per un settore sempre più sotto accusa per l'impatto ambientale. Ma fermarsi qui sarebbe come tappare una falla su una nave che perde da un'altra parte.

Il nodo sta nel tipo di raffreddamento. I datacenter tradizionali dissipano il calore di CPU e GPU attraverso torri evaporative che consumano enormi volumi d'acqua, spesso potabile, per abbassare le temperature. La soluzione di Nvidia, dettagliata in forma generica, si basa su circuiti a liquido a contatto diretto con i chip (direct-to-chip), che trasferiscono il calore in anelli chiusi senza evaporazione significativa. In questo modo l'impianto può eliminare quasi del tutto lo spreco idrico diretto, riducendo anche i costi operativi. Per chi gestisce server on-premise in aree con stress idrico, una tecnicia del genere ha un valore immediato: meno dipendenza dalla rete idrica locale e minori rischi di interruzione in periodi di siccità.

Ma qui entra in scena il framework più ampio. L'intelligenza artificiale non beve solo nei datacenter: beve a monte, nelle centrali termoelettriche che producono l'elettricità di cui GPU e TPU sono ghiotte. Ogni kilowattora generato da carbone o gas richiede ingenti quantità d'acqua per il raffreddamento delle turbine e la produzione di vapore. Secondo studi di settore, l'impronta idrica indiretta di un carico di lavoro AI può superare di diverse volte quella diretta del datacenter. Nvidia non ha toccato questo punto nel suo annuncio, e non potrebbe farlo da sola: la generazione elettrica è fuori dal suo controllo. Tuttavia, per un'organizzazione che valuta un'infrastruttura locale per LLM inference o training, ignorare la componente indiretta significa prendere decisioni incomplete.

Chi sceglie il self-hosted lo fa spesso per sovranità dei dati, bassa latenza o TCO prevedibile. Ma aggiungere il calcolo dell'acqua nascosta cambia la prospettiva. Un cluster di GPU montato in un armadio raffreddato a liquido in azienda può azzerare il consumo idrico diretto, ma se l'energia arriva da una rete basata su combustibili fossili, la bolletta idrica complessiva resta alta, semplicemente altrove. In contesti europei, con penetrazione crescente di rinnovabili, il problema si attenua; in regioni dove il mix energetico dipende dal carbone, l'effetto è opposto. AI-RADAR ha analizzato più volte i trade-off tra on-premise e cloud per carichi LLM, e la variabile idrica si sta ritagliando spazio accanto alla potenza elettrica, al raffreddamento e ai vincoli di spazio.

Il raffreddamento Nvidia rappresenta quindi un tassello, non la soluzione. Per i decisori tecnici, il messaggio è duplice. Primo, è possibile costruire datacenter quasi water-free, ed è un traguardo reale. Secondo, bisogna allargare il perimetro della valutazione: l'acqua risparmiata in sala macchine non deve far dimenticare quella consumata per generare i watt che entrano. Solo così si può parlare di sostenibilità senza cadere in esercizi di facciata. In attesa che il mercato offra strumenti di contabilità idrica integrata, la responsabilità di un bilancio onesto resta in capo a chi progetta e gestisce l'infrastruttura, on-premise o meno.