di Francesco Cappello – Tratto da Lavoro e salute anno 42 n. 10 ottobre 2026
Ecco perché vogliono i piccoli reattori. Dietro la corsa a Data Center e gigaFactory dell’Intelligenza Artificiale si profila il ritorno del nucleare, la competizione per acqua e territorio, l’automazione del lavoro trasformato in materia prima algoritmica e la nascita di un nuovo complesso militare-informativo.
Il boom dell’intelligenza artificiale sta portando il consumo elettrico globale verso territori inesplorati. L’addestramento e il funzionamento dei grandi modelli linguistici (LLM) richiedono una potenza di calcolo senza precedenti. Le proiezioni indicano che, entro la fine del decennio, i data center per l’IA arriveranno ad assorbire circa 945 terawattora all’anno, una cifra sbalorditiva che eguaglia l’intero fabbisogno energetico di una nazione fortemente industrializzata come il Giappone. In Italia, secondo gli aggiornamenti diffusi da Terna alla fine dell’estate 2026, le richieste di connessione alla rete elettrica nazionale per i nuovi data center e le infrastrutture legate all’intelligenza artificiale hanno varcato la sbalorditiva soglia dei 95 gigawatt, arrivando a sfiorare i 100 gigawatt (vedi nota 1).
Non a caso anche in Italia si sta tornando al nucleare nella forma dei piccoli reattori
Per alimentare queste immense cattedrali di calcolo, note come AI Gigafactory, i tradizionali contratti di fornitura dalla rete elettrica nazionale non sono più sufficienti. L’industria tecnologica si è scontrata con un limite fisico invalicabile, che ha spinto i giganti del web, i cosiddetti hyperscaler, a trasformarsi da semplici consumatori in grandi investitori e sviluppatori del settore energetico. La loro scommessa principale, su cui stanno riversando decine di miliardi di dollari, è il ritorno in grande stile dell’energia nucleare e, nello specifico, lo sviluppo dei Piccoli Reattori Modulari (SMR).
Nell’Unione Europea gli investimenti in nuovi impianti nucleari sono stati etichettati come attività “sostenibili” o “di transizione” per la mitigazione climatica. Questa etichettatura permette al nucleare di accedere più facilmente a ingenti finanziamenti pubblici e privati, avvicinandolo allo status economico delle fonti rinnovabili tradizionali.
In Italia la gestione storica di questa fonte è sempre stata trattata come una spesa collettiva e inserita direttamente in bolletta. I costi di smantellamento (decommissioning) delle vecchie centrali nucleari italiane e la gestione delle scorte radioattive sono infatti coperti dagli “Oneri di Sistema”, che ogni cittadino paga nella propria bolletta elettrica (una voce che, nel terzo trimestre del 2026, ammontava al 10,5% del totale della bolletta). In pratica il nucleare, sia a livello di investimenti futuri (europei) sia di passività storiche (italiane), gode di meccanismi di finanziamento e socializzazione dei costi del tutto equiparabili a quelli utilizzati per incentivare le energie rinnovabili.
La transizione verso il nucleare nasce dai limiti intrinseci delle energie rinnovabili tradizionali. Nonostante queste stesse aziende abbiano storicamente finanziato immensi parchi eolici e fotovoltaici per raggiungere i propri obiettivi di neutralità carbonica, solare ed eolico presentano due criticità insormontabili per le esigenze dell’IA. La prima è l’intermittenza, ovvero l’incapacità di garantire il cosiddetto “baseload”: le schede grafiche di una Gigafactory lavorano ininterrottamente, al massimo delle loro capacità, per mesi durante la fase di addestramento di un modello, e anche un minimo calo di tensione può compromettere settimane di attività computazionale. Poiché l’energia solare ed eolica dipendono dalle condizioni meteorologiche, non possono assicurare questo flusso vitale e costante senza il supporto di giganteschi sistemi di accumulo a batteria che, però, su queste scale di grandezza, risultano ancora tecnicamente ed economicamente proibitivi.
La seconda grande criticità è il consumo di suolo, in cui la densità energetica gioca un ruolo chiave. Per comprendere la proporzione: un impianto solare in grado di generare circa 920 megawatt richiede un’estensione compresa tra i cinquemila e i diecimila acri di terreno. 10mila acri di terreno corrispondono a meno di 40,5 chilometri quadrati, un’area grande quasi quanto l’intero territorio comunale di una città come Bergamo.
Al contrario, un’installazione nucleare SMR della stessa potenza occupa una superficie infinitesimale, stimata in appena trentacinque acri.
La soluzione abbracciata dall’industria si incarna nei reattori SMR, macchine che promettono di stravolgere il paradigma dell’ingegneria nucleare classica. A differenza delle centrali tradizionali, che sono enormi, progettate su misura e afflitte da costi e tempi di realizzazione imprevedibili, i Piccoli Reattori Modulari sono concepiti per essere costruiti in serie, come in una catena di montaggio. Vengono poi trasportati sul sito in moduli pre-assemblati e collegati in serie, permettendo di scalare la produzione di energia – da 50 megawatt fino a superare il gigawatt – di pari passo con l’ampliamento della Gigafactory stessa. La corsa a questa tecnologia è impressionante: entro l’anno corrente, gli impegni finanziari per l’energia nucleare da parte dei colossi tecnologici hanno superato i 9,8 gigawatt a livello globale.
I movimenti dei principali attori del mercato testimoniano la portata epocale di questo cambiamento. Microsoft ha siglato uno storico accordo ventennale con Constellation Energy per finanziare la riattivazione dell’Unità 1 della famigerata centrale nucleare di Three Mile Island, chiusa decenni fa (nel 1979, subì una parziale fusione del nocciolo del reattore con conseguente rilascio di gas e acqua radioattiva nell’ambiente circostante), che fornirà circa 835 megawatt di potenza dedicata esclusivamente ai propri sistemi entro la fine del decennio. Oracle ha annunciato la progettazione di un gigantesco data center da oltre un gigawatt, ottenendo i permessi per affiancargli direttamente tre reattori SMR per garantirsi la totale autosufficienza dalla rete elettrica. Amazon ha agito su due fronti: ha speso 650 milioni di dollari per acquistare un data center adiacente alla centrale nucleare di Susquehanna in Pennsylvania, garantendosi 960 megawatt con un collegamento diretto che azzera le perdite di rete, e ha contemporaneamente guidato un round di finanziamento da mezzo miliardo di dollari nella startup X-energy per sviluppare nuovi SMR. Google ha siglato accordi per oltre 1,8 gigawatt con sviluppatori di reattori avanzati, finanziando parallelamente l’aggiornamento di centrali esistenti. Le tempistiche, al netto degli ostacoli normativi, prevedono che i primi data center alimentati da SMR commerciali di nuova generazione entreranno in funzione nei prossimi tre o quattro anni, trasformando di fatto la Silicon Valley nel principale mecenate dell’energia atomica del ventunesimo secolo.
Tuttavia, sotto la superficie dell’entusiasmo ingegneristico e dei comunicati stampa aziendali che celebrano gli SMR come una fonte energetica miracolosamente “pulita” a “zero emissioni di carbonio” – diventato ormai il lasciapassare universale – uno dei grandi problemi che affliggono anche questi reattori, oscurato dalla narrazione della miniaturizzazione, rimane la gestione delle scorie radioattive ad alta attività. Mentre l’industria IT (Information Technology) progetta cicli di vita tecnologici brevissimi, misurati in semestri, produce al contempo scorie che rimarranno letali per decine di migliaia di anni. Questa asimmetria temporale rappresenta una forma di prevaricazione intergenerazionale; si ipoteca infatti la sicurezza biologica e geologica dei territori per un tempo incalcolabile, al solo scopo di alimentare, oggi, la corsa speculativa alla supremazia nell’intelligenza artificiale. Inoltre, la disseminazione di centinaia di piccoli reattori sul territorio, necessari per alimentare Gigafactory sparse geograficamente, moltiplica esponenzialmente i rischi di incidenti e la complessità di messa in sicurezza dei siti, frammentando il rischio radiologico senza risolvere in alcun modo l’eterno dilemma dello stoccaggio definitivo.
Oltre alla complessa e irrisolta questione dello stoccaggio geologico a lungo termine, esiste un’altra voragine ecologica tenuta in ombra dalla narrazione tecno-capitalista: l’immenso stress idrico. L’accoppiamento tra una AI Gigafactory e un reattore nucleare di tipo SMR crea sul territorio una vera e propria idrovora industriale, innescando una competizione letale per l’accesso alle risorse idriche.
Da un lato, le decine di migliaia di server ad altissima densità necessitano di colossali quantità di acqua purificata per alimentare i sistemi di raffreddamento, indispensabili per impedire la fusione dei chip sotto lo sforzo computazionale. Dall’altro lato, i piccoli reattori nucleari operano secondo i medesimi princìpi termodinamici delle centrali tradizionali, richiedendo volumi d’acqua impressionanti per raffreddare il nocciolo e condensare il vapore. (Vedi nota 2)
Paradossalmente, le leggi della fisica giocano a sfavore della miniaturizzazione: diversi studi indipendenti di ingegneria nucleare suggeriscono che gli SMR, avendo un nucleo molto più piccolo, disperdono calore in modo meno efficiente rispetto ai grandi reattori del passato. Questo significa che, per ogni singolo megawatt di energia elettrica prodotta, un piccolo reattore finisce per consumare e far evaporare una quantità d’acqua proporzionalmente maggiore, aggravando la siccità dei bacini idrici locali.
A questo prelievo massiccio si aggiunge il problema altrettanto grave dell’inquinamento termico, una forma di devastazione ambientale sistematicamente espulsa dai bilanci di sostenibilità aziendale. L’acqua prelevata da fiumi o laghi per raffreddare i reattori non scompare, ma viene reimmessa nell’ecosistema a temperature sensibilmente più elevate. Questo shock termico altera in modo drastico gli equilibri biologici dei corsi d’acqua. L’aumento della temperatura riduce la quantità di ossigeno disciolto, innescando morie di pesci, distruggendo la flora bentonica e favorendo la proliferazione anomala di alghe tossiche. In un’epoca segnata da cambiamenti climatici e stress idrico strutturale, autorizzare la privatizzazione dei fiumi per raffreddare l’addestramento di algoritmi speculativi rappresenta un’ulteriore espropriazione dei beni comuni di enorme portata.
Recenti ricerche, tra cui spiccano i severi studi pubblicati dai ricercatori dell’Università di Stanford e della University of British Columbia, hanno dimostrato che il design compatto degli SMR genera un grave paradosso fisico legato alla cosiddetta fuga di neutroni. Avendo un nucleo ridotto, una percentuale maggiore di neutroni sfugge dal cuore del reattore e bombarda violentemente i materiali strutturali circostanti, rendendoli altamente e irrimediabilmente radioattivi. I dati indicano che, proprio a causa di questa inefficienza geometrica, i piccoli reattori produrrebbero un volume di scorie nucleari secondarie fino a trenta volte superiore, a parità di energia generata, rispetto ai reattori tradizionali giganti. Questa proliferazione di materiale contaminato complica enormemente le già insormontabili sfide chimiche e ingegneristiche della messa in sicurezza.
L’uranio necessario per alimentare questa nuova flotta di reattori privati deve essere localizzato, estratto, processato e arricchito. Il ciclo estrattivo comporta la devastazione di vasti territori, la contaminazione permanente delle falde acquifere profonde attraverso processi chimici aggressivi come la lisciviazione in situ, e un altissimo bilancio di emissioni di carbonio legate ai macchinari pesanti e alla logistica intercontinentale. Questa catena di approvvigionamento mortifera si snoda sistematicamente lontano dalle scintillanti sedi californiane, scaricando i suoi costi biologici e sociali sulle popolazioni indigene o sui territori periferici del sud globale. Per le correnti ecologiste più radicali, la conversione nucleare della Silicon Valley non è affatto una svolta verde, ma l’ennesima riproposizione di un colonialismo estrattivo che sposta le esternalità tossiche fuori dal campo visivo occidentale, sacrificando lembi interi di biosfera sull’altare del primato computazionale.
L’ingresso massiccio della Silicon Valley nel mercato energetico, spinto dalla necessità di alimentare le AI Gigafactory con il nucleare, sta innescando profondi squilibri sulle infrastrutture pubbliche e sul mercato elettrico. Non ci troviamo più di fronte solo a una questione di impatto ambientale, ma a un nascente conflitto economico sull’accesso all’energia. I legislatori e gli analisti economici segnalano un rischio tangibile: i colossali costi infrastrutturali legati all’intelligenza artificiale rischiano di essere scaricati sui cittadini, creando una nuova forma di disuguaglianza basata sull’accesso alle risorse energetiche.
Il primo e più immediato impatto riguarda l’aumento vertiginoso delle tariffe retail per i consumatori. Inserire improvvisamente carichi di calcolo immensi su una rete elettrica già esistente creerà uno squilibrio tra domanda e offerta; quando la prima cresce molto più rapidamente della capacità di generazione, i prezzi all’ingrosso schizzano verso l’alto, specialmente nei momenti di picco. Tradizionalmente, i costi per l’aggiornamento della rete, come la costruzione di nuove linee di trasmissione e sottostazioni, vengono “socializzati”, ovvero distribuiti sulle bollette di tutti i clienti di una determinata utility, famiglie e piccole imprese comprese. Questo meccanismo è già evidente negli Stati Uniti: in Texas, si stima che i data center rappresenteranno quasi la metà della crescita della domanda elettrica nei prossimi sei anni, un fenomeno che comporterà rincari massicci per i cittadini chiamati a finanziare di tasca propria gli adeguamenti di rete necessari a sostenere le attività dei colossi tecnologici.
Il secondo grave impatto deriva dalla tendenza alla privatizzazione dell’energia tramite soluzioni “behind-the-meter”, letteralmente “dietro il contatore”. Per eludere le inefficienze della rete pubblica e i lunghissimi iter autorizzativi, aziende come Amazon stanno adottando un approccio predatorio: acquistano centrali nucleari intere o firmano contratti esclusivi per prelevare centinaia di megawatt direttamente alla fonte, garantendosi così flussi ininterrotti a prezzo bloccato per vent’anni. Questo schema sottrae al mercato pubblico gigantesche quote di energia stabile e considerata pulita. Nel momento in cui fonti d’eccellenza, come il nucleare di base, vengono privatizzate ad uso esclusivo dell’IA, le utility pubbliche, per far fronte al fabbisogno residuo dei cittadini, si vedono costrette a ritardare la dismissione di vecchie centrali a carbone o a gas.
Un altro fronte di criticità è rappresentato dal pericolo degli “asset incagliati”, o stranded assets. Costruire enormi infrastrutture pubbliche di trasmissione basandosi unicamente sulle proiezioni di espansione dell’IA nasconde un grande rischio finanziario. Se la collettività si accolla la spesa per supportare un nuovo data center da cinquecento megawatt e successivamente l’azienda tecnologica fallisce, rilocalizza i propri impianti o realizza che i suoi algoritmi richiedono meno energia del previsto, quell’infrastruttura diventa un peso inutile. Il paradosso è che questi investimenti a vuoto non verranno saldati dall’impresa privata che li ha richiesti, ma graveranno a tempo indeterminato sulle bollette dei cittadini restanti.
Di fronte a queste derive, si sta cercando di elaborare due linee di contenimento. Da un lato, enti regolatori e legislatori stanno studiando normative per obbligare le big tech a farsi carico diretto dei costi di aggiornamento della rete e a predisporre protocolli di distacco rapido per evitare blackout pubblici nei momenti di crisi. Dall’altro, si ipotizza che in un futuro lontano i piccoli reattori modulari (SMR) finanziati dalla Silicon Valley possano cedere il loro surplus energetico alla rete pubblica. Tuttavia, nel breve e medio termine, la voracità dell’IA rischia seriamente di trasformare l’energia elettrica stabile ed economica in un bene di lusso riservato alle grandi aziende informatiche.
Lo stato dell’Ohio ha avanzato una proposta pioniere, sostenuta dalla società elettrica AEP. La normativa esigerebbe che i data center e gli impianti di criptovalute, anch’essi energivori, stipulino contratti vincolanti della durata di dieci anni, pagando tariffe minime mensili fisse e garantite, a prescindere dal loro reale consumo. In Texas, a causa di proiezioni allarmanti sulla tenuta della rete, l’Electric Reliability Council of Texas (ERCOT) sta istituendo regole che obbligherebbero i grandi impianti informatici a integrarsi in protocolli di “risposta alla domanda”, costringendoli a diminuire le loro attività o a staccarsi tempestivamente dalla rete tutte le volte che l’energia risultasse essenziale per l’uso civile.
In Europa, l’approccio è storicamente più preventivo. La Direttiva sull’Efficienza Energetica, appena rivista, obbliga i gestori dei data center a registrare e rendere pubblici i dati esatti sui loro consumi idrici ed energetici, ponendo così le basi per future normative. Parallelamente, molte nazioni stanno introducendo il principio di compartecipazione ai costi infrastrutturali; ad esempio, l’Irlanda, sovraccarica di data center a Dublino, ha introdotto moratorie sulla costruzione di nuovi stabilimenti per l’IA se le aziende non dimostrano di possedere generatori indipendenti, vietando loro di fare unicamente affidamento sull’infrastruttura statale.
L’eventuale insediamento di grandi AI Gigafactory in Italia solleverebbe sfide complesse, inserendosi in un mercato energetico già strutturalmente vulnerabile. A differenza degli Stati Uniti, l’Italia sconta una storica dipendenza dalle importazioni di idrocarburi, in particolare il gas, e una rete di trasmissione nazionale che, nonostante i recenti potenziamenti da parte di Terna, fatica a gestire in modo omogeneo i flussi di energia, specialmente per quanto riguarda il trasferimento della produzione da fonti rinnovabili dal Sud verso i grandi centri di consumo del Nord.
L’installazione di un’infrastruttura di calcolo da centinaia di megawatt in questo contesto comporterebbe un doppio rischio. Il primo è l’esacerbazione del cosiddetto “price coupling” legato al gas. Dato che in Italia il prezzo dell’energia elettrica è spesso determinato dalla fonte marginale più costosa, un picco di domanda anelastico causato dai data center costringerebbe ad accendere più frequentemente gli impianti a ciclo combinato alimentati a gas per garantire il necessario “baseload”. Questo scaricherebbe immediatamente sul Pun (Prezzo Unico Nazionale) i rincari del gas, con un effetto a catena sulle bollette di cittadini e piccole imprese, già gravate da oneri di sistema tra i più alti d’Europa.
Inoltre, lo sviluppo di soluzioni privatizzate come l’autoconsumo nucleare (SMR), o persino di enormi impianti solari industriali dedicati esclusivamente al settore tecnologico, sottrarrebbe terreno e risorse preziose alla rete pubblica. In un Paese denso e con un territorio agricolo di altissimo valore strategico e paesaggistico, cedere ampie porzioni di suolo alle big tech a tutto vantaggio di una rendita speculativa internazionale.
Se i costi per rafforzare la rete elettrica venissero socializzati in bolletta per supportare gli investimenti esteri nell’IA, l’Italia rischierebbe di finanziare infrastrutture a uso privato e speculativo a spese della sovranità e della sicurezza energetica dei propri cittadini.
Fabbriche Intelligenti
L’architettura del nuovo capitalismo tecnologico non può essere compresa guardando i singoli elementi in modo isolato. Le AI Gigafactory e i mastodontici data center non sono semplici magazzini di server, ma rappresentano il cervello computazionale di un organismo molto più vasto, il cui braccio operativo si incarna nelle cosiddette fabbriche intelligenti o Smart Factories. Questo legame strutturale rappresenta la più imponente macchina di espropriazione del sapere e di sostituzione del lavoro umano mai costruita nella storia
La narrazione dominante, spesso promossa dai grandi fondi di investimento e dalle multinazionali tecnologiche, descrive la fabbrica intelligente come un ambiente in cui i robot sollevano l’uomo dalle mansioni più logoranti, inaugurando un’era di prosperità e creatività. Tuttavia, l’intelligenza artificiale generata nelle Gigafactory non nasce dal nulla: essa è il risultato dell’estrazione, della frammentazione e della rielaborazione di milioni di ore di lavoro umano pregresso. I movimenti di un operaio specializzato, le decisioni logistiche di un manager, le diagnosi di un tecnico vengono costantemente tracciate, tradotte in dati e inviate ai data center. Qui, questi dati vengono “digeriti” per addestrare modelli predittivi che vengono poi rispediti alla fabbrica sotto forma di software di automazione. Secondo la critica marxiana contemporanea, si tratta della trasformazione definitiva del “lavoro vivo” e cosciente dell’essere umano nel “lavoro morto” e automatizzato della macchina, di proprietà esclusiva di chi possiede il capitale infrastrutturale.
Questo travaso di intelligenza dal lavoratore all’algoritmo innesca un profondo mutamento nei tassi di occupazione e nella qualità del lavoro. Nelle fabbriche intelligenti, la robotica avanzata guidata dall’IA non si limita a sostituire lo sforzo fisico, ma automatizza le funzioni cognitive e di coordinamento. L’impatto settoriale è devastante perché colpisce in modo trasversale. Nel settore manifatturiero e logistico, l’algoritmo decide i ritmi di produzione, gestisce il magazzino e coordina i droni o i bracci robotici, rendendo superflue intere gerarchie di operai specializzati e quadri intermedi. Nel settore dei servizi e dell’amministrazione, i modelli linguistici addestrati nelle Gigafactory smantellano il lavoro impiegatizio, dai contratti legali alla contabilità, fino all’assistenza clienti e alla programmazione informatica di base.
Eppure, l’implementazione dell’IA non elimina del tutto il lavoro umano, ma lo degrada. Dietro la facciata scintillante delle macchine autonome si nasconde un esercito invisibile di lavoratori precari. È il fenomeno del cosiddetto “lavoro fantasma”. Per funzionare, i sistemi di visione artificiale delle fabbriche intelligenti hanno bisogno di esseri umani sottopagati, spesso situati nel sud del mondo, che passano le giornate a etichettare immagini e correggere gli errori degli algoritmi. All’interno della fabbrica stessa, i lavoratori rimanenti subiscono una profonda dequalificazione: non sono più artigiani o tecnici che governano lo strumento, ma diventano semplici appendici della macchina, costretti a muoversi e a operare ai ritmi dettati da un software inappellabile, le cui metriche di rendimento sono calcolate a chilometri
Dal punto di vista macroeconomico, la convergenza tra data center e automazione industriale sta generando un collasso della contrattazione sociale. A differenza delle passate rivoluzioni industriali, che distruggevano vecchi mestieri per crearne di nuovi in settori emergenti, l’attuale automazione dell’intelligenza generale minaccia di non offrire porti sicuri. Quando il ciclo tecnologico rende obsoleto il capitale umano in mesi anziché in decenni, la disoccupazione diventa strutturale. Il potere contrattuale dei sindacati viene annientato, poiché la minaccia della delocalizzazione geografica viene sostituita dalla minaccia, molto più rapida e letale, della sostituzione algoritmica.
In conclusione, l’immenso flusso di capitali verso le infrastrutture dell’IA, nel sistema economico occidentale, non è destinato a liberare l’umanità dalla fatica, ma a concentrare la ricchezza e il controllo dei mezzi di produzione in poche mani. La fabbrica intelligente, alimentata dal cervello remoto del data center, rischia di produrre merci perfette in un mondo in cui una porzione sempre più ampia della popolazione, espulsa dal mercato del lavoro o condannata a un impiego intermittente e svalutato, non avrà più il reddito necessario per acquistarle. La sfida, pertanto, smette di essere meramente tecnologica e diventa profondamente politica.
Il passaggio da un complesso militare-industriale a un nuovo complesso militare-informativo
La convergenza tra l’intelligenza artificiale generata nelle immense Gigafactory e i moderni apparati bellici rappresenta il passaggio da un complesso militare-industriale a un nuovo “complesso militare-informativo”. In questo scenario, le AI Gigafactory non sono più considerabili infrastrutture civili, ma veri e propri avamposti strategici, essenziali per la supremazia militare algoritmica.
La natura stessa dell’IA moderna, che richiede l’ingestione di petabyte di dati e una potenza computazionale massiva fornita dai grandi data center, cambia radicalmente la natura della guerra. Il campo di battaglia si dilata e si smaterializza. Prima che un drone autonomo colpisca un bersaglio, il suo sistema di riconoscimento visivo è stato addestrato per migliaia di ore all’interno dei server di una Gigafactory remota. Questo crea un cordone ombelicale diretto tra l’infrastruttura civile della Silicon Valley e le catene di uccisione sul campo. Aziende tecnologiche un tempo percepite come fornitrici di servizi per consumatori diventano, a tutti gli effetti, gli appaltatori primari della difesa, stipulando contratti miliardari per fornire i sistemi nervosi (cloud tattici e algoritmi predittivi) necessari a processare in tempo reale i dati provenienti da satelliti, truppe e sensori.
L’automazione della decisione letale la deresponsabilizzazione
I data center elaborano enormi quantità di “segnali” (comunicazioni intercettate, movimenti termici, modelli di comportamento) per identificare automaticamente potenziali minacce, fornendo ai comandi militari “raccomandazioni di bersaglio”. Questo processo, alimentato dall’IA, accelera il ritmo del conflitto oltre la capacità di comprensione umana, spingendo verso la cosiddetta hyperwar, una guerra condotta a velocità algoritmica in cui l’intervento umano diventa un semplice “timbro” su una decisione già presa dalla macchina. Questa opacità algoritmica dissolve la responsabilità etica e legale dell’atto bellico, trasformando l’uccisione in un calcolo statistico di probabilità, distante e sterilizzato, reso possibile solo dalla potenza di calcolo centralizzata nei data center globali.
Nota 1
È indispensabile distinguere tra le semplici richieste preliminari e i progetti che possiedono una reale autorizzazione. Presentare una domanda di connessione a Terna è un’operazione burocratica relativamente semplice e dai costi contenuti, che non obbliga l’operatore ad aver già acquistato i terreni o avviato i cantieri. Questo meccanismo ha innescato una bolla speculativa: le società informatiche e i fondi di investimento internazionali si mettono in coda per “prenotare” in anticipo la capacità della rete elettrica, in modo simile a quanto è avvenuto negli anni scorsi con la bolla delle richieste per le energie rinnovabili.
La realtà ingegneristica è molto diversa. Analizzando il caso della Lombardia, regione leader in questo settore, emerge che a fronte di richieste per quasi 45 gigawatt, i progetti che per ora hanno superato l’iter autorizzativo e sono arrivati alla stipula del contratto di connessione reale si fermano a poco meno di 1,7 gigawatt.
L’insostenibilità termodinamica di questa ondata speculativa diventa lampante se traduciamo quella potenza in terawattora (TWh) consumati, ipotizzando per assurdo che tutti i 95 gigawatt richiesti vengano effettivamente costruiti e accesi. Le Gigafactory per l’intelligenza artificiale non conoscono pause: devono mantenere i server accesi e i sistemi di raffreddamento a liquido in funzione ventiquattro ore su ventiquattro, per tutti i giorni dell’anno. Moltiplicando la potenza di 95 gigawatt per le 8.760 ore che compongono un anno, otteniamo un assorbimento teorico mostruoso di oltre 832 terawattora annui.
Per comprendere la gravità di un simile numero, è sufficiente un rapido confronto macroeconomico. L’intero fabbisogno elettrico nazionale dell’Italia, comprendente tutta l’industria pesante, la trazione ferroviaria, i servizi, l’illuminazione pubblica e i consumi domestici di quasi sessanta milioni di cittadini, si attesta storicamente intorno ai 300 terawattora all’anno. Inoltre, nei rari momenti di picco massimo di consumo estivo, l’intera nazione assorbe dalla rete circa 58 gigawatt di potenza. Se tutte le richieste dei data center si materializzassero, questo singolo settore arriverebbe a consumare quasi il triplo dell’energia attualmente richiesta da tutta l’Italia, assorbendo costantemente il doppio della potenza massima che la rete è oggi in grado di erogare.
Questa semplice proiezione matematica conferma la natura ampiamente speculativa della maggior parte delle domande presentate a Terna. Al contempo, però, lancia un allarme inequivocabile: l’industria globale dell’intelligenza artificiale presenta un modello di sviluppo la cui densità energetica è strutturalmente incompatibile con le reti pubbliche, minacciando di fagocitare le risorse vitali dei territori che si offrono di ospitarla.
Nota 2
Il termine “SMR” (Small Modular Reactor) suggerisce un’innovazione radicale, ma la fisica alla base di questi impianti rimane ancorata ai princìpi termodinamici dei vecchi reattori ad acqua leggera. Nonostante la miniaturizzazione, un SMR non genera elettricità magicamente dal nulla: è, di fatto, un gigantesco bollitore ad altissima pressione, il cui scopo finale è far girare una turbina a vapore.
Questa catena termodinamica si sviluppa in tre fasi obbligate, ognuna delle quali richiede uno scambio termico e un massiccio impiego di acqua, indipendentemente dalle dimensioni del reattore.
La generazione di calore nel nocciolo
All’interno del nucleo (sia esso grande come un palazzo o compatto come in un SMR), la fissione degli atomi di uranio sprigiona calore estremo. Questo calore deve essere rimosso costantemente per evitare la fusione (il meltdown). Nel circuito primario (spesso integrato nel vessel stesso negli SMR), l’acqua circola a pressioni altissime per assorbire questo calore senza evaporare.
Lo scambio termico (Il Generatore di Vapore)
L’acqua surriscaldata e radioattiva del circuito primario cede il suo calore a un circuito secondario attraverso uno scambiatore di calore. In questo secondo circuito, la pressione è inferiore, permettendo all’acqua pulita di trasformarsi in vapore ad alta energia.
La turbina e, soprattutto, la condensazione
Il vapore ad alta pressione viene sparato contro le pale di una turbina, facendola girare e generando elettricità. Ma ecco il punto critico termodinamico: per chiudere il ciclo e permettere al sistema di continuare a funzionare, quel vapore “esausto” in uscita dalla turbina non può essere semplicemente buttato via; deve essere condensato e ritrasformato in acqua liquida per essere pompato nuovamente nel generatore di vapore.
La Condensazione. La grande sete dei reattori
È proprio nella fase di condensazione che si consumano volumi impressionanti di acqua.
Per abbattere rapidamente la temperatura del vapore esausto, i condensatori richiedono un terzo circuito, completamente separato dai primi due, collegato direttamente a una fonte esterna fredda (un fiume, un lago o il mare). Quest’acqua viene prelevata e fatta passare attraverso i tubi del condensatore (dove assorbe il calore residuo) e poi espulsa nell’ambiente a una temperatura nettamente superiore, o fatta evaporare attraverso gigantesche torri di raffreddamento.
Il paradosso della miniaturizzazione
La riduzione in scala (passando da reattori da 1000 MW a moduli SMR da 50-300 MW) peggiora l’efficienza termodinamica complessiva del sistema. Un impianto più piccolo disperde proporzionalmente più calore ed è meno efficiente nel convertire l’energia termica in energia elettrica rispetto alle immense centrali del passato.
La conseguenza diretta è un paradosso ecologico: per generare la stessa quantità di elettricità (ad esempio 1 Gigawatt necessario per una AI Gigafactory), una schiera di SMR collegati insieme finirà per necessitare di una quantità di acqua di raffreddamento proporzionalmente maggiore rispetto a una singola centrale nucleare tradizionale di pari potenza, aggravando lo stress idrico e l’inquinamento termico sui bacini locali.
FONTI
Terna S.p.A.: Dati ufficiali relativi alle richieste di connessione alla rete elettrica nazionale (la soglia dei 95-100 GW) e statistiche storiche sul fabbisogno e sui picchi di consumo elettrico in Italia (circa 300 TWh annui).
Università di Stanford e University of British Columbia: Studi accademici indipendenti sul design dei reattori SMR, il paradosso della miniaturizzazione, la “fuga di neutroni” e l’aumento esponenziale delle scorie nucleari secondarie.
Comunicati e accordi societari (Hyperscaler ed energy provider): Dati sugli investimenti miliardari e i contratti “behind-the-meter” di Microsoft (Three Mile Island/Constellation Energy), Oracle, Amazon (Susquehanna/Talen Energy, X-energy) e Google (Kairos Power, Elementl Power).
Commissione Europea: Documentazione relativa alla Tassonomia Europea per la Finanza Sostenibile (che classifica il nucleare come energia di transizione) e alla Direttiva sull’Efficienza Energetica per i data center.
Autorità di Regolazione per Energia Reti e Ambiente (ARERA): Dati sulla composizione delle bollette italiane (il peso percentuale degli Oneri di Sistema) e meccanismi di formazione del Prezzo Unico Nazionale (PUN).
Enti regolatori e utility statunitensi (ERCOT in Texas, AEP in Ohio): Proiezioni sull’impatto dei data center sulla rete e proposte normative per i protocolli di “risposta alla domanda” e tariffe minime garantite.
Letteratura critica e sociologia del lavoro: Analisi di impostazione marxiana e sociologica sull’automazione (concetti di trasformazione del “lavoro vivo” in “lavoro morto”, dequalificazione, e il fenomeno del “lavoro fantasma” per l’addestramento degli algoritmi).
Studi strategici e antimilitaristi: Analisi geopolitiche e di sicurezza sulla convergenza tra Big Tech e Difesa, la nascita del “complesso militare-informativo”, la deresponsabilizzazione letale e il concetto di hyperwar.
Fisica termodinamica e ingegneria nucleare: Princìpi fondamentali sul funzionamento dei reattori ad acqua leggera, dinamiche di condensazione del vapore, inquinamento termico e fabbisogno idrico legato allo scambio di calore.