In Breve
- Qual è il ruolo del gas naturale nelle infrastrutture AI?
- Il gas naturale è una fonte ponte fondamentale per garantire una generazione continua di energia per i data center AI.
- Cosa si intende per 'time to power'?
- 'Time to power' si riferisce alla rapidità con cui l'energia può essere fornita ai data center AI.
- Quali sono i modelli emergenti per la generazione di energia?
- Modelli come la generazione 'behind-the-meter' e configurazioni con pipeline dedicate stanno emergendo per soddisfare la domanda di energia.
Con l’evoluzione dell’intelligenza artificiale (AI) da esperimenti isolati a implementazioni su larga scala, la disponibilità rapida e affidabile di energia è diventata un fattore cruciale per il successo delle infrastrutture AI. Non è sufficiente che l’elettricità possa essere generata; è essenziale che l’energia programmabile arrivi ai data center nel momento e nel luogo giusti.
I data center dedicati all’AI sono più grandi e concentrati rispetto ai loro predecessori, e tollerano pochissime interruzioni. Pertanto, la capacità di alimentazione non solo determina dove e quando le infrastrutture possono entrare in servizio, ma è anche fondamentale per trasformare gli investimenti tecnologici in valore operativo.
In questo contesto, il gas naturale si sta affermando come una fonte ponte in grado di garantire una generazione continua di energia. Secondo analisi di scenario, la domanda di gas legata all’AI potrebbe aumentare da circa 1,6 Bcf/d (miliardi di piedi cubi al giorno) oggi a 5,2 Bcf/d entro il 2030, nel miglior scenario conservativo, e tra 7,6 e 11,5 Bcf/d entro il 2035.
Tuttavia, avere gas disponibile nel sistema non è sufficiente. Il vero vincolo è rappresentato dalla deliverability, ovvero la capacità di produrre, trasportare, immagazzinare e consegnare il combustibile alla pressione richiesta attraverso le infrastrutture connesse. Permessi, diritti di passaggio delle condotte, connessioni alla rete e risorse umane specializzate possono allungare i tempi di sviluppo. La competizione per equipaggiamenti e capacità industriale influisce sulla valutazione tra opzioni teoricamente più economiche ma più lente da realizzare e soluzioni già pronte sul piano logistico.
Di conseguenza, la selezione dei siti e la pianificazione devono considerare non solo la disponibilità futura di energia, ma anche la capacità di garantire energia affidabile nei tempi richiesti. Per rispondere a queste esigenze, stanno emergendo modelli innovativi, come la generazione behind-the-meter, che prevede l’accoppiamento di impianti a gas on-site o nelle vicinanze a forniture ferme. Inoltre, configurazioni con pipeline dedicate abbinate a impianti di generazione e soluzioni integrate possono connettere fornitura, trasporto, stoccaggio e carico dei data center.
Stime di scenario suggeriscono che oltre il 30% della domanda di gas legata all’AI potrebbe essere soddisfatta attraverso impianti behind-the-meter entro il 2035. La costruzione della prossima generazione di infrastrutture AI richiederà una collaborazione più stretta tra hyperscaler, sviluppatori di data center, utility, fornitori di gas e operatori di pipeline, per affrontare l’intero percorso dall’energia al calcolo.
Le aziende che si posizioneranno meglio saranno quelle che tratteranno l’approvvigionamento energetico come una capacità strategica, riconoscendo il ruolo critico che il gas può svolgere nel mantenere operative le capacità AI. In sintesi, nel confronto per scalare l’AI, il time to power può determinare il time to value.
