In Breve
- Cos'è il 'time to power'?
- Il 'time to power' è il tempo necessario affinché l'energia raggiunga i data center per l'operatività delle infrastrutture AI.
- Qual è il ruolo del gas naturale nelle infrastrutture AI?
- Il gas naturale funge da fonte ponte per garantire una generazione continua di energia necessaria per le infrastrutture AI.
- Come sta cambiando la domanda di gas per l'AI?
- La domanda di gas collegata all'AI potrebbe aumentare significativamente, raggiungendo fino a 11,5 Bcf/d entro il 2035.
Con l’evoluzione dell’intelligenza artificiale (AI) da esperimenti a soluzioni su larga scala, la disponibilità rapida e affidabile di energia sta emergendo come un fattore decisivo per l’implementazione delle infrastrutture AI. Non basta che l’elettricità possa essere generata; è cruciale che l’energia programmabile raggiunga i data center quando e dove è necessaria.
I data center dedicati all’AI sono più grandi, concentrati e tollerano pochissime interruzioni. Pertanto, la capacità di alimentazione determina non solo dove, ma anche con quale velocità le infrastrutture possono entrare in servizio, trasformando gli investimenti tecnologici in valore operativo. In questo contesto, il gas naturale si sta imponendo come una fonte ponte in grado di garantire generazione continua.
Analisi di scenario indicano che la domanda di gas collegata all’AI potrebbe aumentare da circa 1,6 Bcf/d oggi a 5,2 Bcf/d entro il 2030 nello scenario più 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 la deliverability, ovvero la capacità di produrre, trasportare, immagazzinare e consegnare combustibile alla pressione richiesta attraverso le infrastrutture connesse.
Fattori come permessi, diritti di passaggio delle condotte, connessioni alla rete, turbine, risorse idriche e manodopera specializzata possono allungare i tempi di sviluppo. La competizione per equipaggiamenti e capacità industriale cambia la 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 diversi, come la generazione behind-the-meter, che accoppia impianti a gas on-site o nelle vicinanze a forniture ferme, configurazioni con laterali di pipeline dedicate abbinate a impianti di generazione e soluzioni integrate che connettono fornitura, trasporto, stoccaggio e carico dei data center.
Stime indicano che oltre il 30% della domanda di gas legata all’AI potrebbe essere soddisfatta con 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 imprese meglio posizionate saranno quelle che trattano l’approvvigionamento energetico come una capacità strategica e riconoscono il ruolo critico che il gas può svolgere nel rendere disponibili e mantenere operative le capacità AI. In sintesi, nel confronto per scalare l’AI, il ‘time to power’ può determinare il ‘time to value’.