The data heat island effect: quantifying the impact of AI data centers in a warming world
di Andrea Marinoni, Pietro Lio’, Erik Cambria, Luca Dal Zilio, Weisi Lin, Mauro Dalla Mura, Jocelyn Chanussot, Edoardo Ragusa, Gianmarco Mengaldo, Chi Yan Tso, Yihao Zhu, Benjamin Horton
marzo 2026 - 13 pp.
Download:
Abstract
ll forte e continuo aumento dei servizi basati sull’intelligenza artificiale (IA) porta alla costante proliferazione dei data center dedicati all’IA in tutto il mondo, con l’inevitabile aumento del loro consumo energetico. Non è ancora chiaro quale impatto avrà questa domanda energetica a fini computazionali sull’ambiente circostante. In questo articolo concentriamo la nostra attenzione sulla dissipazione del calore generata dagli hyperscaler [le grandi compagnie dei cloud,] dell’IA. Sfruttando le misurazioni della temperatura della superficie terrestre acquisite dalle piattaforme di telerilevamento negli ultimi decenni, siamo in grado di ottenere una valutazione attendibile dell’aumento di temperatura registrato nelle aree circostanti i data center di IA a livello globale. Stimiamo che la temperatura della superficie terrestre aumenti in media di 2 °C dopo l’avvio delle operazioni di un data center di IA, determinando la formazione di zone microclimatiche locali, che chiamiamo «effetto isola di calore dei dati». Valutiamo l’impatto sulle comunità, quantificando che oltre 340 milioni di persone potrebbero essere colpite da questo aumento di temperatura. I nostri risultati
mostrano che l’effetto “isola di calore dei dati” potrebbe avere un’influenza notevole sulle comunità e sul benessere regionale in futuro, entrando così a far parte del dibattito sull’IA ambientalmente sostenibile a livello mondiale.
Introduzione
Nel valutare l’impatto delle attività antropiche sui cambiamenti climatici e sul riscaldamento globale negli ultimi decenni, l’effetto “isola di calore urbana” (urban heat island, UHI) riveste un ruolo fondamentale. L’UHI deriva dalla concentrazione delle attività industriali e dall’uso massiccio di materiali da costruzione sintetici, nonché dal notevole aumento del consumo energetico nelle aree urbane densamente popolate. Quando si discute degli effetti dell’UHI, è fondamentale considerare l’impatto che questi hanno sulle comunità locali e sul benessere regionale. A questo riguardo, è stato studiato e dimostrato in che modo l’UHI influirebbe sull’assistenza sanitaria, sul consumo energetico, sulla qualità dell’aria e sulla qualità dell’acqua. È quindi cruciale comprenderne le cause.
Nello specifico, i principali fattori che determinano l’UHI sono classificati in base alla geometria degli spazi antropici (ad esempio, i “canyon urbani” determinano la concentrazione di particolato); alla mancanza di vegetazione e di corpi idrici; alla generazione di inquinanti atmosferici e di vapore acqueo; alla ritenzione di calore ed agli edifici a basso albedo. Oltre a queste categorie, il tipo di attività umane insediate e operative influenza in modo determinante l’impatto dell’UHI sull’ambiente e sulle comunità. Queste attività antropiche sono caratterizzate dalla loro concentrazione spaziale, dalla tipologia funzionale (ad esempio, residenziale, industriale), dai requisiti di raffreddamento, dalle fonti di combustibile e dall’efficienza termica. Con i volumi globali di dati in rapida crescita, si prevede che i data center rappresenteranno una delle attività con il maggior consumo energetico nel prossimo decennio. Infatti, è stato stimato che tra 3 e 5 anni il consumo energetico per l’elaborazione dei dati supererà quello previsto per il settore manifatturiero. Di conseguenza, è lecito prevedere che l’impatto delle attività dei data center e degli hyperscaler dell’intelligenza artificiale sul clima potrebbe non essere trascurabile, ed essere addirittura ulteriormente aggravato dall’uso dell’intelligenza artificiale nei prossimi decenni.
Nei fatti, la stragrande maggioranza dei data center dedicati all’IA si affida all’uso di combustibili fossili. Pertanto, la forte crescita dell’addestramento e dell’utilizzo dell’IA per varie applicazioni si tradurrebbe direttamente in un elevato impatto netto sulle emissioni. Inoltre, le inefficienze e le imperfezioni delle operazioni degli hyperscaler dell’IA 
causerebbero un aumento ancora maggiore delle loro emissioni, secondo le proiezioni previste relative al ridimensionamento dei modelli di IA.
Tuttavia, uno studio approfondito dell’impatto effettivo dell’impronta ambientale degli hyperscaler dell’IA comporterebbe numerose incertezze e incognite [19]. Infatti, non esistono indicatori attendibili in grado di aiutare a determinare e quantificare l’impatto delle attuali applicazioni di IA. Inoltre, prevedere le caratteristiche delle future applicazioni di IA, in particolare il loro consumo energetico e i requisiti di calcolo, rimane una sfida. Le fluttuazioni negli scenari previsionali che potrebbero essere elaborati sono ulteriormente amplificate dalla mancanza sia di coerenza nelle metodologie sia di dati completi, anche nelle stime storiche dell’impronta ambientale del settore dell’Information and Communication Technology.
In questo articolo, ci proponiamo di fornire una nuova prospettiva sull’impatto degli hyperscaler dell’IA sull’ambiente e sulla sostenibilità in vari scenari climatici per i prossimi decenni. Attraverso un’analisi multiscala e multimodale dei dati raccolti da varie fonti di informazione e sensori, quantifichiamo il contributo degli hyperscaler dell’IA a livello mondiale all’aumento della temperatura della superficie terrestre.
Nello specifico, integriamo i dati sulla temperatura della superficie terrestre provenienti da piattaforme di telerilevamento con le ubicazioni degli hyperscaler nel settore dell’IA che sono stati realizzati negli ultimi vent’anni, al fine di valutare la variazione del calore atmosferico indotta dai data center. Per ridurre le incertezze del nostro studio, armonizziamo, organizziamo e filtriamo i dati dagli effetti stagionali, dall’influenza di varie imperfezioni (ad esempio, dati mancanti) e dall’influenza di fattori (ad esempio, altri tipi di attività antropiche nelle vicinanze degli hyperscaler di IA) che potrebbero compromettere la validità del nostro studio. In questo modo, siamo in grado di identificare l’impatto degli hyperscaler dell’IA sull’ambiente come un gradiente di temperatura costante tra l’area dei data center e le regioni circostanti, al punto da poter determinare un “effetto isola di calore dei dati”. La nostra analisi si propone di affrontare tre obiettivi principali:
• Quantificazione dell’aumento della temperatura della superficie terrestre correlato all’insediamento degli hyperscaler nel settore dell’intelligenza artificiale;
• Valutazione dell’area di influenza di tale aumento;
• Stima della popolazione interessata dall’aumento della temperatura.
Il documento è strutturato come segue. La Sezione 2 presenta i set di dati e la metodologia utilizzati per estrarre informazioni sull’aumento della temperatura della superficie terrestre indotto dai data center di IA nei prossimi vent’anni a livello mondiale. La Sezione 3 riporta i risultati ottenuti in relazione agli indicatori sopra menzionati. La Sezione 4 fornisce alcune linee guida sulle migliori pratiche per soluzioni software e hardware che potrebbero contribuire a ridurre l’impatto dell’effetto isola di calore dei dati. Infine, la Sezione 5 presenta le osservazioni finali e le conclusioni.
* Traduzione di Ecor.Network