L’AI ha un costo molto fisico: memoria, energia e data center spingono le aziende verso il cloud

Per anni abbiamo parlato di cloud e intelligenza artificiale come se fossero qualcosa di quasi immateriale: applicazioni, dati, algoritmi, modelli generativi, tutto sembra vivere “nella nuvola”.

In realtà, dietro ogni richiesta fatta a un sistema di intelligenza artificiale esiste un’infrastruttura estremamente concreta fatta di server, GPU, memoria, storage, sistemi di rete, alimentazione elettrica e raffreddamento, ed è proprio questa infrastruttura che sta diventando una delle componenti più costose della trasformazione digitale.

La crescita dell’AI sta infatti aumentando contemporaneamente la domanda di capacità di calcolo, memoria e data center. Il risultato è una pressione sui prezzi che riguarda non soltanto i grandi hyperscaler, ma progressivamente anche le imprese che acquistano server e infrastrutture IT tradizionali.

Quando la memoria comincia a valere quasi quanto l’oro

Uno degli esempi più interessanti riguarda proprio le memorie.

La diffusione dei sistemi di AI ha fatto crescere enormemente la domanda di memorie ad alte prestazioni, in particolare HBM, High Bandwidth Memory, fondamentali per alimentare GPU e acceleratori utilizzati nei sistemi di intelligenza artificiale, ma la reperibilità dei componenti e la capacità produttiva mondiale non è infinita.

Quando i produttori privilegiano le memorie destinate ai server AI, la pressione finisce inevitabilmente per coinvolgere anche DRAM e NAND utilizzate nei server tradizionali, nei PC e nei sistemi di storage.

Nel terzo trimestre 2026 TrendForce prevede, ad esempio, un aumento dei prezzi contrattuali delle DRAM tradizionali compreso tra il 13% e il 18% rispetto al trimestre precedente e un incremento del 10-15% per le NAND Flash. Alla base c’è soprattutto la domanda proveniente dai data center e dai sistemi di AI.

Il fenomeno è ormai abbastanza importante da essere citato direttamente anche dai produttori di infrastrutture. Hewlett Packard Enterprise ha recentemente segnalato problemi di disponibilità che coinvolgono memoria, NAND, CPU e dischi, mentre la domanda di sistemi destinati all’AI continua a crescere rapidamente.

In altre parole, la corsa all’intelligenza artificiale sta iniziando a influenzare il prezzo di componenti utilizzati da tutto il mercato IT.

Il vero costo dell’AI non sono soltanto le GPU

Quando si parla dell’infrastruttura necessaria all’intelligenza artificiale, l’attenzione finisce quasi sempre sulle GPU.

In realtà una piattaforma AI richiede molto di più.

Servono server ad alta densità, memoria ad alte prestazioni, storage estremamente veloce, networking ad alta capacità e sistemi elettrici capaci di alimentare infrastrutture con densità di potenza decisamente superiori rispetto ai data center tradizionali, oltre ai sistemi di raffreddamento.

Il boom dei data center sta quindi generando un nuovo mercato anche intorno a trasformatori, sistemi elettrici e raffreddamento. Secondo dati riportati da Reuters, McKinsey stima che gli investimenti globali nei data center potrebbero avvicinarsi ai 7.000 miliardi di dollari entro il 2030.

La costruzione dell’edificio, inoltre, rappresenta soltanto una parte dell’investimento complessivo. Processori, memoria, networking, alimentazione e raffreddamento possono incidere molto più della struttura immobiliare stessa.

Poi arriva il costo dell’energia

Esiste infine un altro elemento che sta diventando centrale: l’elettricità.

Secondo l’International Energy Agency, nel 2024 i data center hanno consumato circa 415 TWh di elettricità, pari a circa l’1,5% del consumo mondiale. Entro il 2030 il consumo potrebbe più che raddoppiare arrivando a circa 945 TWh.

La componente che cresce più rapidamente è proprio quella dei server accelerati utilizzati per l’intelligenza artificiale. L’IEA stima che il loro consumo elettrico possa aumentare di circa il 30% ogni anno fino al 2030. Inoltre, una parte significativa dell’energia, viene utilizzata anche per raffreddamento, networking, sistemi UPS e tutte le infrastrutture necessarie a garantire continuità operativa.

Il data center, quindi, sta diventando contemporaneamente un problema tecnologico, energetico e finanziario.

Il cloud cambia significato

Per molte aziende il vantaggio del cloud è stato tradizionalmente raccontato attraverso un concetto molto semplice: costa meno. Il cloud può essere molto conveniente in alcuni scenari e molto costoso in altri.

Il suo vantaggio principale è piuttosto un altro: trasformare un investimento infrastrutturale rigido in capacità utilizzabile quando serve.

Costruire internamente capacità destinata al calcolo e alla elaborazione significa infatti acquistare server, GPU e memoria prima di sapere con certezza quanto verranno utilizzati.

Con il cloud, almeno teoricamente, il problema cambia. L’azienda può acquistare capacità di calcolo quando serve, aumentarla rapidamente durante i picchi e ridurla quando la domanda diminuisce.

È una differenza fondamentale soprattutto nelle prime fasi di adozione dell’intelligenza artificiale, quando i workload possono essere ancora difficili da prevedere.

Il cloud, però, non elimina i costi

Il 2026 State of the Cloud Report di Flexera mostra che l’85% delle organizzazioni considera la gestione dei costi cloud una delle principali difficoltà e stima che circa il 29% della spesa IaaS e PaaS sia ancora inutilizzata o sprecata.

Questo accade perché la possibilità di attivare risorse in pochi minuti può diventare anche un problema.

Server dimenticati accesi, storage inutilizzato, istanze sovradimensionate e workload AI particolarmente costosi possono far crescere rapidamente la bolletta.

È il motivo per cui discipline come il FinOps, cioè la gestione finanziaria e operativa delle risorse cloud, stanno diventando sempre più importanti. Il cloud consente flessibilità, ma la flessibilità senza governance può trasformarsi in spreco.

Non cloud contro data center: probabilmente vincerà l’ibrido

Anche per questo il futuro dell’infrastruttura aziendale difficilmente sarà completamente cloud oppure completamente on premise.

Sempre più imprese stanno scegliendo architetture ibride.

Secondo Flexera, nel 2026 il 73% delle organizzazioni intervistate utilizza già una strategia hybrid cloud.

I workload prevedibili, continuativi e molto intensivi possono avere senso su infrastrutture proprietarie o dedicate, i workload variabili, sperimentali o caratterizzati da forti picchi possono invece beneficiare maggiormente della flessibilità del cloud.

L’intelligenza artificiale rafforzerà probabilmente questa distinzione. Un’azienda potrebbe quindi mantenere alcuni dati e applicazioni critiche nella propria infrastruttura e utilizzare cloud pubblico o servizi specializzati per training, inferenza o picchi temporanei di capacità.

La vera domanda non è più “cloud o non cloud?”

La domanda più interessante infatti è un’altra:quanto costa realmente erogare una determinata capacità digitale?

Non bisogna considerare soltanto il prezzo del server, ma l’intero costo dell’infrastruttura — memoria, storage, networking, energia, raffreddamento, manutenzione, sicurezza, personale, continuità operativa e soprattutto obsolescenza — perché l’esplosione dell’intelligenza artificiale sta rendendo sempre più evidente quanto, dietro algoritmi apparentemente immateriali, esista in realtà una delle infrastrutture industriali più capital intensive del nostro tempo e quanto, proprio per questo, quando memoria, capacità di calcolo ed energia diventano risorse sempre più preziose, il cloud smetta di essere semplicemente “un posto dove mettere i server” per diventare uno strumento finanziario e operativo con cui acquistare capacità tecnologica senza dover necessariamente possedere tutta l’infrastruttura che la rende possibile.

Il cloud conviene quando viene progettato, misurato e governato. Non semplicemente quando viene utilizzato.