Il prossimo data center potrebbe non nascere in una zona industriale, accanto a una grande sottostazione, ma nel cortile di una villetta, sul tetto di un edificio commerciale o in uno spazio tecnico condominiale.
È l’idea alla base di XFRA, il progetto lanciato dalla società statunitense SPAN insieme a NVIDIA: una rete di piccoli nodi di calcolo collocati presso abitazioni ed edifici commerciali leggeri, collegati tra loro e gestiti come un’unica infrastruttura virtuale.
Ogni nodo integra server con GPU, sistemi di raffreddamento, connettività, controllo elettrico e accumulo. La configurazione iniziale non deve però essere considerata uno standard universale, perché potenza e dimensioni dovranno adattarsi alla capacità elettrica dell’edificio, al clima, alla rete locale e al tipo di servizio richiesto.
Il parallelismo con il settore energetico è evidente. Stiamo passando progressivamente da un sistema fondato soprattutto su grandi impianti centralizzati a un modello nel quale fotovoltaico, batterie, pompe di calore e auto elettriche trasformano gli edifici in parti attive della rete. XFRA prova ad applicare la stessa logica all’elaborazione dei dati.
L’AI cerca spazio, energia e connessioni
Invece di attendere anni per costruire nuovi campus e ottenere connessioni da centinaia di megawatt, il progetto punta a utilizzare ciò che è già disponibile: edifici, contatori, fibra, batterie e capacità elettrica non pienamente sfruttata.
L’intuizione nasce da un problema concreto: l’intelligenza artificiale non ha bisogno soltanto di chip, ma anche di energia, rete, trasformatori, autorizzazioni, territorio e tempo. E oggi il tempo necessario per produrre nuovi server è spesso molto inferiore a quello richiesto per autorizzare, costruire e collegare alla rete un grande data center.
XFRA non punta, però, a sostituire i grandi campus hyperscale. L’addestramento dei modelli più complessi richiede migliaia di acceleratori collegati attraverso reti interne ad altissima velocità e non può essere semplicemente frammentato tra abitazioni distanti. Il modello distribuito è pensato soprattutto per l’inference, cioè per l’utilizzo dei modelli già addestrati, oltre che per cloud gaming, rendering e altri workload facilmente suddivisibili.
Non tutta l’inference, tuttavia, deve avvenire a pochi metri dall’utente. Per numerosi servizi, un data center situato a qualche decina di chilometri garantisce già latenze molto basse. La collocazione presso un’abitazione o un piccolo edificio può avere senso soprattutto quando diventano determinanti la prossimità al dato, la sovranità digitale o una risposta quasi immediata.
Reti locali sotto pressione: il carico distribuito resta carico
A questo punto iniziano, però, le domande più difficili.
Le reti residenziali sono progettate sapendo che non tutte le abitazioni raggiungono nello stesso momento il massimo prelievo. È questa variabilità a consentire a un trasformatore di quartiere di servire molte utenze senza essere dimensionato sulla somma teorica di tutte le potenze contrattuali.
Il calcolo AI segue una logica diversa: l’hardware produce valore quanto più a lungo rimane operativo. Mille moduli da 5 kW formano comunque un carico da 5 MW, mentre diecimila arrivano a 50 MW. La potenza, insomma, non scompare soltanto perché viene frammentata.
Per valutarne l’impatto bisogna sapere dove sono installati i nodi, quanti insistono sullo stesso trasformatore o sulla stessa linea e per quante ore funzionano contemporaneamente. Il rischio è che il collo di bottiglia si sposti dalle grandi sottostazioni alle cabine MT/BT e alle linee di quartiere, diventando più diffuso e anche più difficile da individuare.
Se ben orchestrato, il sistema potrebbe offrire un servizio alla rete, assorbendo energia durante i surplus fotovoltaici, riducendo il consumo nelle ore di picco e utilizzando le batterie come buffer. Se fosse invece gestito soltanto per mantenere le GPU operative il maggior numero possibile di ore, rischierebbe di trasformarsi in un nuovo carico quasi permanente sulle reti locali.
C’è poi un altro aspetto fondamentale. Le perdite nei cavi e nei trasformatori aumentano con il quadrato della corrente: quando il carico cresce, perdite e calore aumentano più che proporzionalmente. Il fenomeno è particolarmente rilevante in bassa tensione, dove, a parità di potenza, circolano correnti superiori rispetto alla media tensione.
Il problema non consiste soltanto nel superare la portata massima di un cavo, ma anche nel farlo lavorare per molte più ore vicino ai propri limiti termici. Questo può accelerare l’invecchiamento degli isolamenti. Spesso, inoltre, il componente più vulnerabile non è il cavo stesso, ma un morsetto, un terminale o un vecchio giunto interrato.
Una piccola resistenza di contatto, attraversata a lungo da una corrente elevata, genera calore. Il calore deteriora il contatto e il deterioramento ne aumenta ulteriormente la resistenza. Installare un nodo su un impianto nuovo, progettato per quel carico, è quindi una cosa; collegarlo a un quadro o a una derivazione realizzati trent’anni fa è tutt’altra.
Distribuire il calcolo significa anche distribuire il raffreddamento. Nei climi freddi, parte del calore prodotto potrebbe essere recuperata, ma servono una domanda termica vicina e contemporanea e impianti capaci di utilizzarla. In estate, invece, quel calore deve essere smaltito proprio quando la temperatura esterna è più elevata e il raffreddamento meno efficiente.
È dunque tutto oro quello che luccica? Direi di no.
Una flotta distribuita può utilizzare spazi già disponibili, ridurre alcuni costi immobiliari e abbreviare i tempi di sviluppo. Al tempo stesso, però, moltiplica le installazioni, i punti di guasto e gli interventi di assistenza.
In un data center tradizionale migliaia di server sono concentrati in un luogo nel quale tecnici, ricambi e infrastrutture sono già presenti. In un sistema distribuito, anche la sostituzione di una pompa o di un alimentatore può richiedere l’accesso a una proprietà privata. L’affidabilità deve quindi essere costruita a livello di flotta: se un nodo si ferma, il workload deve essere trasferito altrove.
È un approccio adatto ai carichi facilmente suddivisibili, ma meno efficace per quelli che richiedono grandi quantità di dati locali, continuità assoluta o tempi di ripristino molto brevi. Anche sicurezza fisica e cybersecurity aggiungono complessità, perché servono involucri antimanomissione, cifratura, aggiornamenti remoti, cancellazione sicura dei dati e una separazione netta dalla rete informatica dell’edificio.
Una parte dei costi evitati nella costruzione di un grande data center potrebbe quindi riemergere nella manutenzione distribuita, nella connettività, nell’orchestrazione software, nella ridondanza e negli adeguamenti della rete. Il costo non scompare: cambia forma e viene distribuito tra molti più siti.
Edge data center, il punto di equilibrio tra prossimità e controllo
Forse allora il compromesso più credibile tra centralizzazione, distribuzione capillare, rapidità di realizzazione e controllo dei costi è rappresentato dagli edge data center.
Anche gli edge avvicinano il calcolo agli utenti, riducono la latenza e distribuiscono la capacità rispetto ai grandi campus hyperscale. Possono essere collocati vicino alle città, ai poli industriali, alle infrastrutture logistiche e alle dorsali digitali, offrendo molti degli stessi vantaggi di XFRA, ma concentrando la complessità in un numero limitato di siti progettati appositamente.
Un edge collegato in media tensione nasce sulla base di una potenza conosciuta. Trasformatori, protezioni, cavi e sistemi di misura vengono dimensionati fin dall’inizio per il carico previsto. A parità di potenza, la media tensione consente inoltre di ridurre le correnti, limitando perdite e stress termici sulla rete.
Il raffreddamento può essere progettato e ottimizzato in modo unitario, mentre la manutenzione si concentra in pochi siti, senza dover accedere a migliaia di abitazioni. Antincendio, continuità elettrica, cybersecurity e controllo degli accessi possono seguire procedure industriali.
Anche la connettività è più robusta: un edge può utilizzare più operatori, percorsi in fibra separati e collegamenti diretti con i principali nodi di interscambio. La concentrazione facilita inoltre il rinnovo dell’hardware, perché sostituire GPU destinate a diventare rapidamente obsolete è molto più semplice in un sito dedicato che in migliaia di installazioni distribuite.
Gli edge non sono privi di difficoltà, visto che richiedono aree idonee, connessioni elettriche, fibra e autorizzazioni. Ma si tratta di problemi concentrati, visibili e affrontabili attraverso un progetto unitario. Nel modello domestico gli stessi problemi vengono invece frammentati tra migliaia di siti, proprietari e reti locali differenti.
C’è poi un vantaggio economico importante. In un edge è possibile condividere tra molti server i costi di raffreddamento, sicurezza, manutenzione, batterie e gruppi di continuità. Nel modello distribuito, almeno una parte di queste funzioni deve essere replicata nodo per nodo.
Questo non significa che XFRA sia soltanto una provocazione tecnologica. Nelle nuove costruzioni può essere integrato fin dall’inizio, riducendo tempi e complessità di installazione; può valorizzare capacità elettrica effettivamente disponibile e oggi inutilizzata. Una flotta distribuita può inoltre offrire resilienza, perché il guasto di un singolo nodo viene compensato dagli altri.
Sono vantaggi reali, ma, almeno oggi, un edge data center ben progettato appare una soluzione più semplice da controllare, più efficiente dal punto di vista elettrico e più solida sul piano industriale. Può rappresentare il punto di equilibrio capace di rendere scalabile la crescita digitale di un Paese come l’Italia senza scaricare tutta la complessità sulle reti residenziali.
XFRA indica una direzione interessante, ma gli edge in media tensione sembrano, per ora, la strada più concreta per percorrerla.
