L’intelligenza artificiale viene spesso raccontata come il simbolo di un’economia smaterializzata, fatta di algoritmi, dati e piattaforme. Eppure, a ben guardare, l’AI non segna l’uscita dall’era delle risorse, ma la sua trasformazione. La nuova competizione tecnologica non si fonda soltanto sulla qualità del software o sulla velocità dei modelli linguistici, bensì sulla capacità di sostenere infrastrutture energivore, continue e scalabili. In altre parole, la sovranità digitale è inseparabile dalla sovranità materiale.

I dati più recenti confermano che la produzione petrolifera globale resta concentrata in un numero ristretto di Paesi. I primi tre produttori mondiali (Stati Uniti, Arabia Saudita e Russia) coprono circa un terzo dell’offerta complessiva, mentre i primi dieci superano ampiamente la metà della produzione globale.

Questa concentrazione implica che l’offerta energetica non sia distribuita in modo neutrale, ma si organizzi attorno a poli capaci di influenzare prezzi, flussi e stabilità dei mercati. Parallelamente, la domanda è geograficamente asimmetrica: economie come la Cina presentano un indice di autosufficienza molto inferiore all’unità, segno di una dipendenza strutturale dalle importazioni e dunque dalla sicurezza delle rotte e dei corridoi marittimi.

Il potere, in questo contesto, non risiede soltanto nei giacimenti, ma nella circolazione. In questo quadro già complesso si innesta la crescita dell’intelligenza artificiale.

Secondo le stime dell’International Energy Agency, il consumo elettrico globale dei data center è destinato a raddoppiare entro il 2030, raggiungendo circa 945 terawattora annui, con un tasso di crescita medio attorno al 15% tra il 2024 e il 2030. Si tratta di una dinamica che supera di gran lunga la crescita della domanda elettrica complessiva e che porta i data center a rappresentare una quota prossima al 3% del consumo mondiale di elettricità.

Negli Stati Uniti, i consumi dei data center sono già passati da 58 terawattora nel 2014 a 176 nel 2023, con proiezioni che potrebbero portarli a superare i 300 terawattora entro la fine del decennio, incidendo in modo significativo sulla domanda nazionale. Questi numeri impongono una riflessione che va oltre l’entusiasmo per l’innovazione.

L’AI funziona come una fabbrica permanente: server, sistemi di raffreddamento, reti ad alta capacità e infrastrutture di backup operano senza interruzione. La capacità di sviluppare modelli sempre più complessi dipende quindi dalla disponibilità di energia affidabile, da reti robuste e da tempi di connessione compatibili con la rapidità del ciclo tecnologico. Dove l’energia è abbondante e relativamente economica, la crescita del calcolo è favorita; dove i costi sono elevati o le reti congestionate, la sovranità tecnologica rischia di restare dichiarativa.

La distribuzione geografica del consumo elettrico dei data center mostra già una forte concentrazione.

Figura 1 – Distribuzione geografica del consumo elettrico mondiale

Gli Stati Uniti assorbono quasi la metà del totale globale, seguiti dalla Cina e, a distanza, dall’Europa. Questa configurazione riflette non solo la presenza di grandi operatori tecnologici, ma anche la capacità infrastrutturale dei sistemi elettrici e la disponibilità di un mix energetico in grado di sostenere carichi continui.

La competizione per l’AI si sovrappone così alla competizione per la rete. Il nesso tra petrolio, elettricità e calcolo non va interpretato in modo semplicistico. I data center non “consumano petrolio” in senso diretto, ma l’intero ecosistema industriale che rende possibile l’AI – dall’estrazione delle materie prime alla produzione dell’hardware, dalla logistica globale alla costruzione delle infrastrutture – resta ancorato a una base materiale che non può essere ignorata.

L’elettricità che alimenta il calcolo è il punto terminale di una catena energetica e industriale che conserva inerzie e asimmetrie proprie dell’economia fossile.

Per l’Europa, il nodo è particolarmente delicato. Un approccio centrato prevalentemente sulla regolazione e sulla tutela del mercato interno non è sufficiente se non accompagnato da una strategia energetica coerente con le esigenze della nuova industria del calcolo. La disponibilità di energia a costi competitivi, la rapidità delle autorizzazioni per nuove connessioni e la pianificazione delle reti diventano fattori decisivi per evitare una marginalizzazione progressiva nella geografia globale dell’AI.

La lezione che emerge dall’analisi integrata dei dati è chiara: la trasformazione digitale non dissolve i vincoli materiali, ma li rende più sofisticati. La sovranità tecnologica non può essere ridotta alla localizzazione dei dati o alla proprietà degli algoritmi. Essa dipende, in ultima istanza, dalla capacità di trasformare energia stabile in potenza di calcolo e di farlo su scala industriale. In questa prospettiva, il XXI secolo non segna la fine della geopolitica dell’energia, ma la sua evoluzione.

L’intelligenza artificiale non sostituisce il petrolio come infrastruttura del potere; ne riorganizza il ruolo all’interno di una competizione che rimane, prima di tutto, materiale.