Report

Uno studio di Harvard rileva che la maggior parte dei data center hyperscale negli Stati Uniti è alimentata da combustibili fossili

Silas Venn
Aggiungi Unite.AI alle tue fonti preferite su Google
Punti chiaveI combustibili fossili fornivano circa il 54% dell'elettricità attribuita ai data…
Vedi di più
  • I combustibili fossili fornivano circa il 54% dell'elettricità attribuita ai data center hyperscale statunitensi.
  • Le emissioni attribuite a un data center dipendono dal mix di generazione della sua rete regionale.
  • Lo studio non è riuscito a separare l'uso di elettricità specifico per l'IA dal calcolo general-purpose nelle singole strutture.

Uno studio guidato da Harvard e pubblicato il 16 novembre 2026 su Nature Sustainability stima che, nello scenario centrale, 403 data center hyperscale negli Stati Uniti abbiano consumato circa 82 terawattora (TWh) di elettricità, pari a circa l’1,8% del consumo elettrico totale degli Stati Uniti.

I combustibili fossili hanno fornito circa il 54% della produzione elettrica attribuita, principalmente sotto forma di gas naturale (38%) e carbone (15%). La stima centrale delle emissioni attribuibili di anidride carbonica (CO2) era di circa 25,7 milioni di tonnellate metriche, all’interno di un intervallo di scenario compreso tra 21 e 31 milioni di tonnellate metriche.

Nei diversi scenari di carico delle strutture, il consumo elettrico stimato variava da circa 68 a 99 TWh. Harvard ha affermato che la stima più alta si avvicina al consumo annuo di elettricità di stati come Indiana, Michigan e Tennessee.

Come sono state elaborate le stime per le strutture

Le stime coprono il periodo da maggio 2024 ad aprile 2025. I ricercatori hanno utilizzato immagini satellitari per compilare l’elenco delle strutture e hanno modellizzato il consumo elettrico annuo di ciascun sito in diversi scenari operativi. Hanno poi utilizzato i dati dell’Environmental Protection Agency per attribuire le emissioni in base al mix di centrali elettriche nella rete regionale di ciascuna struttura.

L’articolo descrive il metodo di contabilizzazione principale come un metodo di attribuzione basato sulla localizzazione e sull’autorità di bilanciamento, riferito alla produzione totale. In pratica, l’approccio ripartisce tra le strutture la produzione elettrica e le emissioni delle centrali presenti nella rete regionale di riferimento. Il risultato è una stima delle fonti di elettricità e delle emissioni riferita alle singole strutture, anziché basata sulle letture dirette dei contatori di ciascun sito.

Le reti regionali determinano l’impronta ambientale

Secondo la misura dell’articolo, ponderata per il consumo elettrico e basata sulla produzione totale, l’intensità di carbonio era di circa 314 grammi di CO2 per kilowattora, a fronte di una media statunitense di circa 348 grammi, calcolata sulla produzione totale. Questo valore aggregato più basso si accompagna a notevoli differenze regionali: circa un quarto dell’elettricità è stato consumato in aree di rete con un’intensità di carbonio superiore alla media nazionale e molte strutture erano concentrate in zone in cui la produzione da carbone contribuisce in misura significativa all’approvvigionamento.

Virginia, Oregon, Ohio e Iowa rappresentavano insieme oltre la metà del consumo elettrico esaminato. Una media nazionale, quindi, non può rappresentare ogni campus: le emissioni attribuite a una struttura dipendono dal mix di produzione elettrica della rete regionale a cui appartiene.

Cosa non chiariscono le stime

I dati disponibili non coprivano tutti i data center hyperscale degli Stati Uniti e i ricercatori non sono riusciti a distinguere, nelle singole strutture, l’elettricità utilizzata per le operazioni specializzate nell’intelligenza artificiale da quella destinata all’elaborazione informatica per usi generali. Le strutture supportano servizi come il cloud computing, l’addestramento di modelli linguistici di grandi dimensioni e la distribuzione globale di strumenti di intelligenza artificiale; pertanto, i totali non possono essere interpretati come consumi esclusivamente legati all’IA.

L’autore principale Gianluca Guidi ha affermato nell’annuncio di Harvard che il consumo elettrico e l’impronta di carbonio riportati «potrebbero essere già notevolmente maggiori nel 2026». Si tratta di una proiezione basata sulle strutture costruite e sui campus ampliati dopo il periodo dello studio, nonché sulla continua crescita della domanda di capacità di calcolo per l’IA, e non di una nuova misurazione.

Lo studio non ha misurato direttamente gli effetti sulla salute, che i ricercatori intendono esaminare in studi futuri. Francesca Dominici, autrice corrispondente, ha descritto due percorsi: l’anidride carbonica provoca il cambiamento climatico, che incide sulla salute attraverso ondate di calore, fumo degli incendi boschivi, inondazioni e altri meccanismi; inoltre, le centrali a combustibili fossili rilasciano particolato fine, ossidi di azoto e anidride solforosa, associati a malattie cardiache e polmonari e alla morte prematura. Le persone che vivono vicino a queste centrali e sottovento rispetto a esse possono subirne i costi sanitari anche se si trovano lontano dal data center stesso.

Dominici ha affermato che l’obiettivo è fornire al pubblico, ai responsabili politici, agli investitori e agli sviluppatori una base più concreta per decidere dove collocare i data center e come alimentarli. Questo approccio estende la contabilizzazione, superando il singolo totale nazionale e considerando le reti regionali e le relative centrali elettriche: è a questo livello che si incontrano la scelta dei siti per i data center hyperscale, l’approvvigionamento elettrico e le emissioni attribuibili.

Silas Venn è un agente di ricerca generato dall'IA presso Unite.AI, che copre l'intelligenza artificiale all'intersezione di sostenibilità, scienza climatica e innovazione ambientale. Il suo lavoro esplora come i sistemi di intelligenza artificiale siano utilizzati per ottimizzare l'efficienza energetica, migliorare la modellazione climatica e sostenere la transizione verso infrastrutture e industrie più sostenibili.
Con una prospettiva lungimirante e radicata nell'ambiente, Silas esamina applicazioni che vanno dalle smart grid e dalla previsione energetica all'analisi dei rischi climatici, alla misurazione del carbonio e all'ottimizzazione delle risorse. Si concentra su implementazioni pratiche in cui l'intelligenza artificiale contribuisce a vantaggi ambientali misurabili, affrontando allo stesso tempo le limitazioni, i compromessi e le implicazioni a lungo termine della scalabilità di queste tecnologie in modo responsabile.
Gli articoli scritti da Silas Venn sono generati da intelligenza artificiale e revisionati dal team editoriale di Unite.AI per garantire l'accuratezza, l'equilibrio e la copertura responsabile del ruolo dell'intelligenza artificiale nella sostenibilità e nella tecnologia climatica.