Data center e AI, cosa c’è davvero dietro gli allarmi su acqua ed energia

Bottigliette d’acqua per ogni domanda, consumi paragonati a interi Paesi, bollette destinate a esplodere. Le accuse ai data center dell’intelligenza artificiale mescolano questioni concrete, stime e semplificazioni. Leggere le fonti originali permette di restituire ai numeri il loro significato e di confrontare l’AI con Netflix e gli altri servizi digitali attraverso criteri coerenti.

«Se con 20 domande a ChatGpt si prosciuga un acquedotto», titola il Corriere. Nell’articolo, mezzo litro ogni 20-50 scambi. ^[1]

È una formula che mette subito in scena una sproporzione. Da una parte una persona davanti a uno schermo, dall’altra un’intera infrastruttura idrica svuotata da poche righe di testo. Per valutare un’affermazione del genere servono quantità, condizioni e una relazione dimostrabile fra causa ed effetto. Quando questi elementi scompaiono, al lettore rimane un’immagine allarmante che sembra spiegare tutto. Un buon punto di partenza per discutere dei data center consiste proprio nel recuperare ciò che il titolo ha lasciato fuori.

Le questioni da esaminare sono precise. Quanta elettricità viene utilizzata, da quali impianti arriva l’acqua, quanto pesa il singolo servizio e come cambia il risultato nel tempo. Ogni domanda merita una risposta distinta. Riunire tutte le cifre disponibili sotto l’etichetta “AI” crea invece un oggetto indefinito, al quale si possono attribuire i consumi di un intero settore, le dimensioni di progetti futuri e perfino attività che precedono di molti anni la diffusione dei chatbot.

Data center e AI: distinguere il settore dai singoli servizi

Un data center ospita infrastrutture di calcolo e archiviazione. Queste possono servire il cloud aziendale, lo streaming e l’intelligenza artificiale, anche attraverso servizi che condividono parti della stessa infrastruttura. Di conseguenza, un dato riferito a tutti i data center richiede un’ulteriore ripartizione prima di diventare un dato sull’AI. Il rapporto fra insieme e sottoinsieme sembra una distinzione elementare. Saltare quel passaggio basta però a modificare radicalmente il significato di una statistica. ^[18]

Nell’aggiornamento pubblicato nell’aprile 2026, l’Agenzia internazionale dell’energia stima che tutti i data center del mondo abbiano utilizzato 485 terawattora di elettricità nel 2025. La proiezione centrale raggiunge circa 950 terawattora nel 2030, intorno al 3% della domanda elettrica mondiale prevista per quell’anno. La crescita è consistente. Il secondo numero descrive uno scenario futuro e comprende l’intero comparto. Presentarlo come elettricità già consumata oggi dall’AI produrrebbe due errori nella stessa frase. ^[2]

Anche il confronto con un’intera nazione richiede attenzione. Un settore che fornisce servizi su scala mondiale può consumare quanto un Paese senza che questo dimostri, da solo, uno spreco eccezionale. L’equivalenza aiuta a visualizzare una quantità; per valutarla occorrono anche il numero di utenti, il lavoro svolto e l’efficienza delle infrastrutture. Cambiare il nome del Paese nel titolo modifica l’effetto emotivo del paragone. Lascia invariata la quantità di elettricità di cui si sta parlando.

Potenza, energia e progetti: leggere le unità di misura

Un’altra confusione frequente riguarda potenza ed energia. Un impianto da 100 megawatt, se assorbisse quella potenza costantemente per un anno di 8.760 ore, utilizzerebbe 876 gigawattora. Il risultato deriva da una moltiplicazione, con un’ipotesi esplicita di funzionamento continuo. Una richiesta di connessione da 100 megawatt, invece, informa sulla capacità richiesta alla rete. Per trasformarla in consumo annuale bisogna sapere quando l’impianto entrerà in servizio e quanto verrà utilizzato. Va inoltre chiarito se la potenza comprende l’intero edificio oppure soltanto gli apparati informatici.

Il caso italiano offre un esempio concreto della distanza fra annunci e realizzazioni. L’Osservatorio Data Center del Politecnico di Milano riferisce che nel triennio dal 2023 al 2025 si sono concretizzati investimenti per 7,1 miliardi di euro, pari al 68% delle previsioni formulate nel 2023. Lo stesso Osservatorio richiama il forte disallineamento fra richieste di connessione e capacità effettivamente installata. Sommare ogni progetto annunciato e raccontare quel totale come un consumo certo, simultaneo e imminente significa cancellare tempi di costruzione, rinvii e rinunce. ^[3]

La scala mondiale, naturalmente, lascia aperta la valutazione del singolo territorio. Una quota contenuta nel bilancio globale può concentrarsi in un’area con poca capacità disponibile. È qui che diventano utili la posizione dell’impianto, la disponibilità della rete e il calendario degli investimenti. Un collegamento in una zona già servita e un collegamento che richiede nuove linee comportano condizioni differenti. Applicare lo stesso giudizio a entrambi rende meno comprensibile la situazione concreta che si vorrebbe raccontare.

Per le bollette, il rapporto IEA dell’ottobre 2026 chiarisce che l’effetto dipende dalla capacità disponibile e dalla ripartizione dei costi. Nuove opere pagate da tutti possono aumentare l’onere degli altri utenti. Un grande cliente che utilizza meglio infrastrutture esistenti e paga la propria quota può invece distribuirne i costi fissi su più consumi. La frase “un data center farà necessariamente salire le bollette” elimina proprio le condizioni che determinano il risultato. ^[4]

Da dove arriva la stima della bottiglietta d’acqua

Sul fronte dell’acqua, la celebre bottiglietta ha un’origine verificabile. La versione del 6 aprile 2023 di Making AI Less “Thirsty” stimava circa mezzo litro per una conversazione di un numero compreso fra 20 e 50 domande e risposte, secondo luogo e momento dell’elaborazione. Il calcolo assumeva specifici consumi elettrici e sistemi di raffreddamento, includendo anche l’acqua della produzione elettrica. Trasformarlo in “mezzo litro per ogni domanda” cambia il risultato di decine di volte e cancella le condizioni dello studio. ^[5]

Va poi distinta l’acqua prelevata da quella consumata. Una parte del prelievo può tornare al sistema idrico; la quota evaporata viene conteggiata come consumo. Nell’aggiornamento del 2025 dello stesso studio, i 4,2-6,6 miliardi di metri cubi prospettati per il 2027 riguardano il prelievo. La stima del consumo è di 0,38-0,60 miliardi. Sostituire una parola con l’altra cambia enormemente il dato. Entrambe le cifre restano proiezioni fondate sulle ipotesi del modello. ^[6]

L’acqua evaporata continua a esistere nel ciclo naturale. Cambia però la sua disponibilità nel bacino di origine. Parlare di acqua “distrutta” è quindi improprio; ignorare la disponibilità locale sarebbe altrettanto fuorviante. Il peso di un prelievo dipende dalle risorse di quel territorio e dal periodo in cui viene effettuato. ^[7]

C’è inoltre l’acqua utilizzata direttamente nel centro di calcolo e quella impiegata a monte per produrre elettricità. Una ricerca del 2025 di Nuoa Lei e colleghi, pubblicata su Resources, Conservation and Recycling, individua fra i fattori decisivi l’efficienza dei server, le caratteristiche della produzione elettrica e la tecnologia di raffreddamento. Per questo attribuire a qualsiasi operazione digitale un numero fisso di litri richiede assunzioni molto forti. Il nome dell’applicazione, da solo, dice poco sulle condizioni materiali in cui viene eseguita. ^[7]

La relazione fra energia e acqua si può chiarire con un calcolo ipotetico. Se un’infrastruttura consumasse un litro d’acqua per ogni kilowattora impiegato e una richiesta richiedesse un wattora, la quota attribuita a quella richiesta sarebbe un millilitro. Perché un kilowattora contiene mille wattora. È un esempio matematico, con valori scelti per rendere trasparente il passaggio. Una stima per domanda nasce da relazioni di questo genere, quindi dipende sia dall’energia richiesta sia dall’intensità idrica dell’infrastruttura.

Quanto consuma una richiesta AI: misure e condizioni

Le misure più recenti aiutano a uscire dalle equivalenze costruite sui primi chatbot. Nello studio pubblicato nell’agosto 2025, Google attribuisce alla richiesta testuale mediana di Gemini Apps, riferita al maggio precedente, 0,24 wattora di elettricità e 0,26 millilitri d’acqua per il raffreddamento. Il conteggio energetico comprende apparati di calcolo, capacità inattiva e infrastrutture di supporto del data center. Questi valori mostrano quanto possa essere contenuto il costo operativo di una normale interazione testuale nel servizio esaminato. ^[8]

Occorre conservarne il perimetro. Il valore idrico Google riguarda il raffreddamento diretto ed esclude l’acqua della produzione elettrica. Il calcolo energetico esclude addestramento, rete esterna e dispositivi dell’utente. Inoltre, la mediana descrive una posizione centrale nella distribuzione adottata dallo studio, senza fornire la media necessaria a ricostruire il consumo complessivo. Sono dati aziendali relativi a un prodotto e a un periodo. Contrapporre quelle frazioni di millilitro alla vecchia bottiglietta come se misurassero esattamente la stessa cosa introdurrebbe un nuovo equivoco. ^[8]

Una ricerca di Microsoft pubblicata su Joule nel 2026 giunge, attraverso una modellizzazione dell’inferenza su larga scala, a una mediana di 0,31 wattora per richiesta, con la metà centrale delle stime fra 0,16 e 0,60 wattora. Lo studio evidenzia anche che richieste con ragionamenti lunghi e attività agentiche possono superare di oltre un ordine di grandezza il consumo delle richieste ordinarie. Parlare del consumo di “un prompt” senza specificare il lavoro svolto assomiglia dunque a parlare del consumo di un viaggio senza indicarne la distanza. ^[9]

La differenza tecnica è comprensibile. Produrre una risposta breve, generare un video e coordinare un’attività con molti passaggi richiedono elaborazioni differenti. Anche l’impiego effettivo delle macchine conta. Lo studio Microsoft mostra che alcune stime basate su condizioni lontane da quelle dei servizi ottimizzati possono sovrastimare l’energia di varie volte. Assegnare a ogni richiesta la piena potenza nominale di un server, senza conoscere tempi e condivisione del lavoro, lascia quindi aperto un problema di metodo prima ancora che di risultato. ^[9]

Va separato anche l’addestramento dall’utilizzo. Durante l’addestramento si costruiscono e si aggiornano le capacità del modello; durante l’inferenza il sistema già addestrato elabora le richieste. Una risposta utilizza queste capacità senza ripetere l’intero processo che le ha prodotte. Nei bilanci complessivi entrambe le fasi vanno considerate. Gli studi che le confrontano mostrano inoltre che un servizio molto utilizzato può accumulare, attraverso numerosissime inferenze, consumi rilevanti rispetto all’addestramento iniziale. Il costo di una singola risposta e quello dell’intero ciclo di vita rispondono a domande differenti. ^[10]

Questa distinzione permette di leggere correttamente anche la crescita del settore. Un’operazione può diventare più efficiente mentre il consumo totale aumenta, perché cresce il numero delle operazioni o perché cambiano i compiti richiesti. In un esempio puramente aritmetico, dimezzare il consumo unitario e triplicare gli utilizzi porta il totale al 150% del valore iniziale. Il miglioramento tecnico resta reale. La crescita complessiva resta reale a sua volta. Usare il secondo dato per negare il primo impoverisce la spiegazione.

Netflix e AI: usare confini di calcolo coerenti

Il confronto con Netflix diventa utile proprio a questo punto. Lo streaming dipende anch’esso da apparecchiature alimentate e da infrastrutture fisiche. Netflix documenta l’uso di Open Connect, con copie dei contenuti distribuite anche all’interno delle reti degli operatori internet. Avvicinare i file agli spettatori limita il traffico di transito. La riproduzione di un film già preparato e la generazione di una risposta richiedono operazioni diverse. La quantità di dati trasmessi, quindi, offre una misura del traffico, senza diventare automaticamente una misura del lavoro di calcolo. ^[11]

Quanto consuma allora un’ora di streaming? Il Carbon Trust, in un rapporto del 2021 riferito all’Europa nel 2020, stimava circa 188 wattora per ora di visione con il proprio metodo convenzionale. Il conteggio comprendeva l’infrastruttura remota, la connessione domestica e gli apparecchi dello spettatore. Ai data center attribuiva circa un wattora; il resto ricadeva sulle altre componenti. Il rapporto fu reso possibile da un finanziamento iniziale Netflix a DIMPACT e il Carbon Trust ne dichiarava il controllo editoriale. È una stima storica, utile soprattutto a capire come vengono costruiti questi confronti. ^[12]

Dividere quei 188 wattora per gli 0,24 wattora della richiesta Gemini produrrebbe una cifra suggestiva e un confronto sbilanciato. Sul lato dello streaming si conterebbero anche gli apparecchi dell’utente e la rete; sul lato del chatbot si conterebbe il servizio nei data center. Inoltre, il metodo Carbon Trust ripartisce fra gli utilizzi anche consumi di apparecchiature che rimangono accese. Il consumo attribuito a un’attività e l’incremento provocato da un utilizzo aggiuntivo sono due grandezze distinte. Confonderle rende ingannevole anche un calcolo aritmeticamente corretto. ^[12]

Per orientarsi basta un esempio dichiaratamente illustrativo. Un televisore che assorbe 100 watt utilizza 100 wattora in un’ora. Cento richieste che consumassero ciascuna 0,24 wattora richiederebbero complessivamente 24 wattora nell’infrastruttura remota. Il paragone affianca il solo televisore e il solo calcolo remoto, con confini diversi e richieste ipotizzate tutte dello stesso costo. Serve a rendere comprensibili le unità di misura. La valutazione completa dei due servizi richiederebbe di aggiungere a entrambi tutte le componenti pertinenti.

Per l’acqua, i documenti citati sullo streaming e sull’inferenza lasciano una lacuna che va dichiarata. Manca una misura omogenea e attuale che permetta di stabilire quanti litri richieda un’ora di Netflix rispetto a una conversazione AI definita nello stesso modo. Servirebbero localizzazione dei server, sistemi di raffreddamento e caratteristiche dell’elettricità, insieme a un identico perimetro di conteggio. Affermare con certezza che Netflix consumi più acqua dell’AI andrebbe oltre questi dati. È invece documentato che entrambi i servizi appartengono alla stessa economia digitale materiale. ^[11]

C’è poi un precedente che merita di essere ricordato. Nell’aggiornamento del dicembre 2020 la IEA ricostruì gli errori dietro i titoli sui consumi di Netflix, fra cui una conversione sbagliata fra bit e byte. Il suo calcolo dell’elettricità per ora di visione risultava circa ottanta volte inferiore alla stima iniziale esaminata e circa dieci volte inferiore alla versione già corretta. Anche lo streaming ha attraversato una stagione di paragoni spettacolari. La richiesta di precisione vale allo stesso modo per una piattaforma familiare e per un’applicazione appena arrivata. ^[13]

La questione editoriale emerge con chiarezza. Se guardare una serie è considerato un uso ordinario dell’elettricità, il consumo necessario a lavorare con un assistente digitale merita una valutazione altrettanto concreta. Il valore attribuito alle due attività può cambiare da persona a persona. La misurazione dovrebbe invece seguire criteri stabili. Cercare una colpa particolare nel semplice fatto che un’elaborazione utilizzi l’AI sposta la discussione dal funzionamento dell’infrastruttura a una preferenza per alcuni usi della tecnologia.

Raffreddamento, acqua riciclata e risorse locali

Anche l’immagine di impianti condannati a evaporare quantità sempre crescenti d’acqua trascura l’evoluzione del raffreddamento. Microsoft descrive nel giugno 2026 nuove architetture dedicate ai carichi AI, con liquido che circola vicino ai chip e dissipazione senza evaporazione. Un circuito trasporta il calore e riutilizza il fluido. In questa configurazione l’aumento della potenza di calcolo può convivere con un fabbisogno idrico operativo per il raffreddamento molto contenuto. ^[14]

Un circuito chiuso vicino ai processori può trasferire calore a un secondo sistema che usa acqua per evaporazione. Lo documenta il National Laboratory of the Rockies. Occorre seguire il calore fino alla dispersione finale. Inoltre, “zero acqua per il raffreddamento” riguarda quella funzione; gli altri usi dell’edificio e l’acqua della filiera elettrica e produttiva richiedono conteggi ulteriori. ^{[19] [14]}

Esistono anche alternative alla dipendenza esclusiva dall’acqua potabile. Microsoft documenta l’impiego di acqua riciclata, riutilizzata o non potabile in diversi siti. Questo amplia le possibilità progettuali e cambia il rapporto con le risorse locali. Per valutare un centro di calcolo è dunque più utile conoscere l’approvvigionamento effettivo che applicargli un consumo medio ricavato da strutture costruite altrove, con altre condizioni climatiche e altri impianti. ^[14]

I grandi confronti globali sull’acqua richiedono la stessa disciplina. Uno studio di Alex de Vries-Gao, pubblicato online da Patterns nel dicembre 2025, stima per l’AI un’impronta idrica compresa fra 312,5 e 764,6 miliardi di litri nel 2025, accostandola al volume mondiale dell’acqua in bottiglia. L’autore precisa che il risultato deriva da approssimazioni basate sulle prestazioni generali dei data center, perché i rapporti aziendali separano in modo insufficiente i carichi AI dagli altri impieghi. L’intervallo esprime una considerevole incertezza. ^[15]

Quel paragone aiuta a visualizzare un volume, senza descrivere l’origine dell’acqua o il suo impiego nei singoli territori. La stima considera l’impronta operativa dei sistemi AI, comprese componenti indirette, mentre il termine di confronto è il volume dell’acqua in bottiglia. La ricerca merita attenzione proprio mantenendo visibili le sue ipotesi. La precisione con cui vengono scritti i decimali offre un’informazione molto diversa dalla certezza con cui conosciamo il fenomeno. ^[15]

La posizione geografica resta essenziale. Nell’ottobre 2026 la IEA riferisce che quasi il 40% della capacità AI identificata si trova in aree con stress idrico elevato o molto elevato. Questo dato richiede valutazioni locali dell’approvvigionamento, oltre alle statistiche mondiali. ^[4]

Elettricità, emissioni e PUE misurano aspetti diversi

Per le emissioni occorre aggiungere un altro passaggio. L’elettricità consumata si misura in wattora; l’impronta climatica dipende anche dalle fonti che la producono e dalle componenti del ciclo di vita considerate. Uno stesso consumo elettrico può quindi accompagnarsi a emissioni differenti. Nel rapporto dell’ottobre 2026 la IEA associa all’elettricità dei data center circa 150 milioni di tonnellate di CO2 attuali. Il perimetro comprende tutti i carichi dei data center ed è distinto dal bilancio completo della costruzione e delle apparecchiature. ^{[4] [18]}

Il rapporto ambientale Google del 2026 permette di osservare questa distinzione all’interno della stessa azienda. Per il 2025 Google dichiara una crescita del 37% della domanda elettrica e una riduzione del 2% delle emissioni operative, calcolate includendo gli strumenti contrattuali di approvvigionamento energetico. Nello stesso periodo dichiara un aumento del 25% delle emissioni della catena di fornitura. Scegliere soltanto uno di questi indicatori darebbe una lettura incompleta. Le prestazioni delle attività in esercizio e quelle della costruzione di nuova capacità seguono dinamiche differenti. ^[16]

Anche gli acquisti di energia rinnovabile vanno letti nel loro contesto. Un bilanciamento su base annuale dice qualcosa di diverso dalla disponibilità di elettricità a basse emissioni in ogni luogo e in ogni ora. I nuovi contratti possono contribuire allo sviluppo dell’offerta; la loro utilità concreta dipende anche dai progetti realizzati e dai tempi di entrata in servizio. La valutazione più informativa distingue gli impegni, le infrastrutture operative e i risultati misurati. Trattare ogni miglioramento come irrilevante sarebbe altrettanto sbrigativo che considerare risolta l’intera questione attraverso un obiettivo aziendale. ^[16]

L’efficienza dei data center ha inoltre una misura specifica, il PUE, che mette in rapporto l’energia totale dell’impianto con quella destinata agli’apparati informatici. Google dichiara per il 2025 un PUE medio di 1,09 nei propri grandi data center una volta raggiunta un’operatività stabile. Significa circa nove unità di energia per raffreddamento e altri servizi ogni cento destinate alle apparecchiature. È un indicatore della qualità dell’infrastruttura, senza descrivere da solo l’efficienza del modello eseguito. Consente comunque di superare l’immagine indistinta di strutture nelle quali il raffreddamento assorbirebbe sempre una quantità di energia paragonabile o superiore a quella dei server. ^[17]

Territorio, materiali e utilità: completare il bilancio

Restano le domande sul terreno occupato, sul rumore e sul numero di posti di lavoro. Per discuterle servono progetti identificabili, destinazioni urbanistiche e misure locali. Il recupero di un’area industriale e la costruzione su un terreno libero meritano valutazioni proprie. Anche l’occupazione va descritta separando cantiere, gestione e attività economiche abilitate dai servizi. Il numero degli addetti presenti nell’edificio offre un’informazione utile; da solo lascia fuori una parte del valore di un’infrastruttura digitale. Nessuna di queste considerazioni autorizza a promettere benefici identici in ogni territorio.

Lo stesso criterio vale per i materiali. Fabbricare server, realizzare edifici e sostituire componenti richiede risorse che un conteggio limitato all’elettricità operativa lascia fuori. Una valutazione estesa deve seguirle lungo il ciclo di vita. Attribuire genericamente all’AI tutto ciò che avviene nella filiera informatica sovrappone però attività diverse. Per capire quanto cambia con una determinata applicazione occorre identificare la capacità aggiunta e il suo utilizzo. Il consumo va assegnato all’attività che lo produce, con regole coerenti anche per gli altri servizi.

Infine, valutare l’AI soltanto attraverso l’energia che assorbe lascia incompleta la domanda sulla sua utilità. Il rapporto IEA del 2026 esamina applicazioni capaci di migliorare la gestione delle reti e l’efficienza dei processi industriali. Gli effetti dipendono dall’adozione effettiva e dai risultati ottenuti. Un beneficio potenziale richiede verifica, proprio come una previsione di consumo. La possibilità di usare calcolo aggiuntivo per ridurre sprechi in altre attività appartiene comunque al bilancio da esaminare. ^[2]

Per un’attività concreta, il confronto più interessante riguarda il risultato raggiunto. Quanto lavoro viene svolto, con quali strumenti e con quale impiego complessivo di risorse? Se un’applicazione aggiunge elaborazioni, il bilancio aumenta. Se permette di ottenere lo stesso risultato con un processo più efficiente, il confronto deve considerare anche quel cambiamento. Questa valutazione richiede casi specifici. L’etichetta “AI” offre informazioni troppo generiche per stabilire in anticipo il valore e il costo di qualsiasi impiego.

Un articolo rigoroso dovrebbe accompagnare ogni cifra con il suo significato. Un consumo di raffreddamento va presentato come tale, una previsione deve conservare la propria data e un confronto fra servizi deve usare confini compatibili. Sono criteri validi per Netflix, per il cloud e per l’intelligenza artificiale. Applicarli consente di riconoscere miglioramenti concreti, chiedere dati utili e togliere forza alle iperboli. Per comprendere un’infrastruttura servono contatori, metodi e proporzioni. Il titolo arriva dopo.

Fonti e crediti delle immagini

• [1] Corriere della Sera, 22 febbraio 2026.
• [2] International Energy Agency, Key Questions on Energy and AI, aprile 2026.
• [3] Osservatorio Data Center del Politecnico di Milano, ricerca sul mercato italiano, gennaio 2026.
• [4] International Energy Agency, Powering Artificial Intelligence, ottobre 2026.
• [5] Pengfei Li e colleghi, Making AI Less “Thirsty”, versione originale del 6 aprile 2023.
• [6] Pengfei Li e colleghi, Making AI Less “Thirsty”, aggiornamento di marzo 2025.
• [7] Nuoa Lei e colleghi, The water use of data center workloads, Resources, Conservation and Recycling, 2025.
• [8] Cooper Elsworth e colleghi, Measuring the environmental impact of delivering AI at Google Scale, agosto 2025.
• [9] Felipe Oviedo e colleghi, Energy use of AI inference, efficiency pathways, and test-time scaling, Joule, 2026.
• [10] Alexandra Sasha Luccioni e colleghi, Power Hungry Processing: Watts Driving the Cost of AI Deployment?, 2024.
• [11] Netflix, documentazione tecnica di Open Connect.
• [12] Carbon Trust, Carbon impact of video streaming, giugno 2021, dati europei 2020.
• [13] International Energy Agency, The carbon footprint of streaming video: fact-checking the headlines, dicembre 2020.
• [14] Microsoft, evoluzione del raffreddamento e dell’efficienza idrica, giugno 2026.
• [15] Alex de Vries-Gao, The carbon and water footprints of data centers and what this could mean for artificial intelligence, Patterns, pubblicato online nel dicembre 2025.
• [16] Google, presentazione dell’Environmental Report 2026, dati riferiti al 2025.
• [17] Google Data Centers, misurazioni dell’efficienza energetica e PUE del 2025.
• [18] International Energy Agency, Energy and AI, capitolo AI and climate change, 2025.
• [19] National Laboratory of the Rockies, descrizione tecnica del sistema di raffreddamento del centro di calcolo.
• [20] OLCF at ORNL, fotografia del supercomputer Frontier, 2022, CC BY 2.0.
• [21] Dcoetzee, fotografia della torre di raffreddamento NERSC, 2011, CC0 1.0.
• [22] Arzhel Younsi, fotografia dei server Wikimedia a San Paolo, 2024, CC BY-SA 4.0.