Data center verdi: efficienza energetica che abilita l’IA

I data center assorbono oggi circa il 3% dei consumi elettrici globali e questa quota è destinata a crescere con l’esplosione dell’intelligenza artificiale generativa. In Italia, mentre si parla di transizione energetica e neutralità climatica entro il 2050, migliaia di server lavorano 24/7 per addestrare modelli di IA, gestire servizi cloud, alimentare piattaforme di analytics.

La realtà è semplice: senza data center efficienti dal punto di vista energetico, la transizione verde e la crescita dell’IA nel settore energetico italiano finiscono per andare in conflitto. Non basta spostare i carichi in cloud; se l’infrastruttura di storage e calcolo spreca energia, ogni kilowattora investito in IA per ottimizzare reti e consumi viene in parte vanificato.

In questo articolo prendo spunto dal lavoro svolto da Toshiba nel suo HDD Innovation Lab di Düsseldorf per mostrare, con numeri concreti, come si può progettare uno storage ad alta capacità che consumi meno, costi meno e resti adatto alle applicazioni IA tipiche del settore energetico (monitoraggio reti, manutenzione predittiva, previsione dei carichi, gestione rinnovabili).

---

Perché l’efficienza energetica dei data center è cruciale per la transizione verde

Se vogliamo che l’IA aiuti davvero la transizione energetica italiana, i data center devono diventare parte della soluzione, non del problema.

Perché questo tema è così critico proprio ora?

• Gli algoritmi di IA nel settore energia lavorano su dataset enormi (anni di misure di consumo, produzione da rinnovabili, dati meteo, log di sensori IoT).
• Questi dati vengono per lo più archiviati su hard disk (HDD) per ragioni di costo e capacità, soprattutto nei sistemi di storage su scala petabyte.
• Ogni scelta architetturale – tipo di dischi, chassis, alimentazione, raffreddamento – si riflette direttamente sulla bolletta energetica del data center e quindi sulle emissioni di CO₂.

In altre parole, non esiste IA sostenibile senza storage sostenibile. Se un operatore di rete italiano usa modelli di IA per ridurre le perdite di rete del 2-3% ma i suoi data center sprecano centinaia di kilowatt in inefficienze, il bilancio energetico complessivo peggiora.

---

L’approccio di Toshiba: misurare tutto, scegliere meglio

Il punto di partenza è molto pragmatico: senza misure precise, parlare di efficienza energetica nei data center è fuffa.

L’HDD Innovation Lab di Toshiba a Düsseldorf è nato proprio per questo:

• eseguire benchmark comparativi su diverse architetture di storage basate su HDD;
• misurare con strumenti di laboratorio il consumo reale di potenza in vari scenari di carico;
• mettere a disposizione di cloud provider, utility, PA e grandi aziende una piattaforma di proof-of-concept per trovare la configurazione ottimale.

Nel laboratorio si combinano:

• server di diverse tipologie,
• chassis JBOD (Just a Bunch of Disks),
• controller, cavi, software di gestione I/O,
• analizzatori di potenza di alta precisione.

Questo approccio piace perché sposta il discorso da “il nostro sistema è efficiente” a “questo sistema, con questa configurazione, consuma X watt in standby e Y watt sotto carico”. Con numeri verificabili.

Per chi progetta infrastrutture per l’IA nel settore energetico (per esempio un data lake che integra consumi, meteo e produzione da fotovoltaico e wind), questo metodo consente di:

• stimare il costo energetico annuale delle soluzioni di storage;
• confrontare diverse strategie (più capacità per disco, meno chassis; SAS vs SATA; singolo vs doppio modulo I/O);
• scegliere l’architettura che massimizza TCO e sostenibilità senza sacrificare throughput.

---

Il caso pratico: un JBOD da 1,5 PB davvero “green”

Per capire cosa significa concretamente un data center più efficiente, vale la pena guardare al test sul PROMISE VTrak J5960, un JBOD 4U a 60 alloggiamenti con caricamento dall’alto, valutato nel Lab Report di Toshiba.

Configurazione: tanta capacità, costi sotto controllo

Nel test più recente, il laboratorio ha usato:

• 60 HDD SATA Enterprise Toshiba da 24 TB (modello MG11ACA24TE),
• per una capacità totale di quasi 1,5 petabyte in un solo chassis 4U,
• con una configurazione a singolo modulo I/O (J5960sS).

Qui c’è già un primo punto importante per chi gestisce data center a supporto di applicazioni IA nel settore energia:

1. SATA invece di SAS: per i grandi archivi di dati “freddi” o “tiepidi” (storico consumi, log sensori, archivi normativi) è spesso sufficiente l’affidabilità enterprise SATA, con un forte vantaggio in termini di costo/Watt e costo/TB.
2. Alta densità per chassis: più capacità in meno spazio significa meno rack, meno cavi, meno alimentatori, meno ventilazione – quindi meno costi e meno energia.

Il J5960, con una profondità di soli 666 mm, entra in rack standard, a differenza di molti JBOD da 60 dischi che superano i 1.000 mm e impongono rack profondi o cablaggi più complessi. Questo ha impatto diretto anche sulla facilità di installazione nelle server room italiane spesso “ereditate” da vecchie infrastrutture.

Design intelligente: manutenzione facile, sprechi minimi

Un dettaglio che fa la differenza nel tempo è il design meccanico:

• il coperchio del JBOD resta fissato al rack quando il cassetto con i dischi viene estratto;
• ogni HDD è montato su un vassoio metallico con quattro viti, riducendo vibrazioni e micro-movimenti;
• i LED di stato restano spenti in funzionamento normale e si attivano solo quando il coperchio è aperto.

Possono sembrare finezze, ma in un data center con centinaia di chassis questi accorgimenti:

• riducono i micro-consumi (es. LED sempre accesi);
• tagliano i tempi di intervento on-site;
• limitano errori e downtime, preziosi quando l’infrastruttura sostiene servizi mission-critical come il bilanciamento di rete o il dispacciamento di impianti rinnovabili.

---

I numeri che contano: consumi, prestazioni, temperatura

Qui arriviamo alla parte più interessante per chi deve giustificare un investimento davanti a CFO e responsabile sostenibilità.

Consumo energetico: sotto i 300 W in standby

Le misure di Toshiba, effettuate con un analizzatore di potenza Rohde & Schwarz HMC8015, mostrano che il J5960 con 60 HDD da 24 TB:

• in standby consuma 286 W;
• sotto carico di lavoro misto non supera i 611 W.

Per confronto, molti JBOD da 60 alloggiamenti partono da 400 W in standby e superano abbondantemente i 700–800 W sotto carico.

Su scala di data center, questo significa:

• qualche centinaio di watt in meno per chassis;
• decine di kilowatt risparmiati su un intero cluster;
• migliaia di euro l’anno di energia in meno, più minor carico sugli impianti di raffreddamento.

Un altro dato chiave è il fattore di potenza (lambda) pari a 0,96: solo il 4% della potenza è reattiva. Per chi gestisce grandi impianti in Italia, questo riduce il rischio di penali in bolletta e migliora il profilo elettrico complessivo del data center.

Prestazioni: 6–7 GB/s per le applicazioni IA su rete

Non basta consumare poco: se il sistema è un collo di bottiglia, l’IA non scala.

Con il tool fio su Linux (Red Hat 9.5) e HBA Broadcom collegato con due cavi mini-SAS HD, il sistema ha ottenuto:

• 6–7 GB/s di throughput su carichi sequenziali;
• circa 6.300 IOPS su carico misto;
• consumi compresi tra 528 W (scrittura) e 546 W (lettura), fino ai 611 W sul mix.

Questi valori sono più che adeguati per:

• flussi dati su 10/25/40 GbE, tipici di un data center moderno;
• workload IA dove serve leggere velocemente grandi volumi di dati di training o di storicizzazione (es. anni di misure orarie di consumo e produzione rinnovabile);
• pipeline di manutenzione predittiva che analizzano in tempo quasi reale gli stream di sensori da reti elettriche, impianti eolici, centrali idroelettriche.

Temperature: 36 °C max con carico misto

La temperatura massima rilevata sui dischi, in ambiente a 23 °C, è stata di 36 °C con un delta di soli 14 °C.

Perché questo ha rilevanza per la transizione energetica?

• Dischi più freddi durano di più, riducendo la sostituzione di hardware (meno rifiuti, meno produzione di nuovi componenti).
• Temperature contenute permettono di progettare raffreddamenti meno estremi, con meno consumo per climatizzazione.
• In combinazione con logiche di IA per l’ottimizzazione termica del data center (ad esempio controllo intelligente delle ventole, gestione dei carichi per rack), si ottiene un effetto moltiplicatore sui risparmi.

---

Come collegare questi dati alla strategia IA nel settore energetico

Fin qui abbiamo visto i numeri. La domanda vera è: come si traduce tutto ciò in valore per la transizione verde italiana e per i progetti di IA nel settore energia?

1. Più dati storici conservati, meno energia sprecata

Le utility e i gestori di rete che lavorano con l’IA hanno un problema ricorrente: mantenere anni di dati storici costa, sia in storage che in energia. Il risultato è che spesso si cancellano dati “vecchi”, perdendo potenziale informativo.

Con un JBOD da 1,5 PB a meno di 611 W sotto carico, è possibile:

• archiviare più anni di misure ad alta risoluzione (es. dati di smart meter ogni 15 minuti);
• mantenere accessibili dataset completi per il re-training periodico dei modelli IA (fondamentale in un contesto di forte crescita delle rinnovabili);
• fare tutto questo con un consumo per terabyte sensibilmente più basso rispetto a soluzioni meno dense e meno efficienti.

2. TCO prevedibile e KPI di efficienza energetica chiari

Nel 2025 si è iniziato a parlare sempre più spesso di KPI energetici specifici per i data center (oltre al classico PUE):

• kWh per TB/anno,
• kWh per job di training IA,
• kWh per query di analytics.

Avere benchmark precisi come quelli del Lab Report Toshiba permette di costruire un modello di costo dove si può dire, con buona precisione:

“Questo cluster di storage per i nostri modelli di previsione consumi costa X euro/anno di energia e genera Y tonnellate di CO₂”

Questo tipo di trasparenza è esattamente ciò che chiedono:

• i piani ESG delle multi-utility italiane;
• gli impegni presi con l’Europa sui target di decarbonizzazione;
• le autorità di regolazione, che guardano con sempre più attenzione all’impatto digitale sul sistema energetico.

3. Abilitare IA “energy-aware” a tutti i livelli

Un’infrastruttura di storage efficiente è la base per spingere l’IA in tutto l’ecosistema energia:

• nei centri di controllo di rete, dove modelli IA ottimizzano flussi, riducono congestioni e prevedono guasti;
• negli aggregatori di comunità energetiche rinnovabili, che devono gestire dati granulari da migliaia di prosumer;
• nei data center regionali della PA, che integrano dati ambientali, energetici e urbani per politiche di decarbonizzazione.

Se la piattaforma dati è già progettata con attenzione all’efficienza, l’IA può concentrarsi su ciò che sa fare meglio:

• ridurre sprechi nella produzione e distribuzione,
• migliorare la flessibilità del sistema elettrico,
• abilitare nuovi modelli di business basati su consumo consapevole e demand response.

---

Cosa fare adesso: tre mosse concrete per chi gestisce data center

Chi lavora in un’azienda energetica, in una multi-utility o in un grande operatore cloud che serve il settore energia può agire subito su tre fronti:

1. Misurare l’esistente

   • Raccogliere dati puntuali su consumi reali di chassis, dischi, raffreddamento.
   • Introdurre KPI come kWh/TB e kWh per job IA, non solo PUE generale.

2. Sperimentare architetture ad alta densità e basso consumo

   • Valutare soluzioni JBOD con oltre 1 PB per chassis, come nel caso testato da Toshiba.
   • Confrontare configurazioni SAS vs SATA in base ai reali requisiti di performance.

3. Integrare l’efficienza energetica nel disegno dei progetti IA

   • Quando si pianifica un nuovo data lake per l’IA, stimare fin da subito il costo energetico dell’infrastruttura dati.
   • Coinvolgere fin dall’inizio energy manager e responsabili sostenibilità nelle scelte architetturali IT.

Ho visto progetti IA tecnicamente ottimi fallire non per il modello, ma perché i costi infrastrutturali non erano stati messi in conto o perché i target ESG venivano disattesi. Lavorare seriamente su storage e data center evita proprio questo scenario.

---

Verso data center davvero verdi per l’IA energetica

Il Lab Report di Toshiba sul PROMISE VTrak J5960 dimostra che densità, prestazioni e efficienza energetica possono convivere: 1,5 PB in 4U, meno di 300 W in standby, 611 W sotto carico misto, 6–7 GB/s di throughput, temperature sempre sotto i 36 °C.

Per il percorso “IA nel Settore Energetico Italiano: Transizione Verde” questo è un tassello fondamentale: se l’infrastruttura che ospita i dati e i modelli IA è progettata in modo efficiente, ogni algoritmo di ottimizzazione dei consumi, ogni previsione di produzione rinnovabile, ogni sistema di manutenzione predittiva genera un beneficio netto per il sistema energetico.

La domanda da porsi non è più “possiamo permetterci data center efficienti?”, ma il contrario:

“Possiamo davvero permetterci un’IA per l’energia che gira su data center inefficaci e energivori?”

Chi inizia oggi a misurare, sperimentare e ottimizzare architetture di storage come quelle descritte qui, si ritroverà tra pochi anni con data center più sostenibili, costi sotto controllo e una piattaforma pronta a supportare l’IA che guiderà la transizione energetica italiana.