L’espansione dell’intelligenza artificiale rischia di essere frenata da un oggetto enorme, costoso e difficile da produrre in serie: il trasformatore elettrico, la macchina che rende utilizzabile l’energia spostandola da una tensione all’altra. I data center consumano quantità di elettricità paragonabili a quelle di piccole città, ma la corrente non arriva ai server semplicemente perché esiste sulla rete. Deve essere adattata, stabilizzata e distribuita. Senza trasformatori disponibili nei tempi dei cantieri, anche un centro dati pieno di chip può restare fermo.
Il Financial Times ha dedicato un lungo approfondimento a questa strozzatura poco visibile al grande pubblico, mostrando come un dispositivo nato dal principio di induzione elettromagnetica scoperto da Michael Faraday nel 1831 sia diventato una variabile decisiva per l’economia dell’IA. Circa il 90 per cento dell’elettricità mondiale passa attraverso un trasformatore nel tragitto dalla produzione al consumo. È il passaggio che consente alla corrente di viaggiare ad alta tensione sulle grandi distanze e di essere poi ridotta a livelli utilizzabili da abitazioni, industrie e data center.
La domanda di trasformatori era già salita prima che i data center dell’IA entrassero con questa forza sul mercato. Le reti occidentali hanno accumulato anni di manutenzione rinviata, mentre la crescita delle rinnovabili ha moltiplicato i punti in cui l’elettricità deve essere raccolta, portata alla tensione corretta e immessa nel sistema. A questo si sono aggiunti nuovi carichi, dai depositi di ricarica agli impianti industriali riportati più vicino ai mercati finali.
Le grandi piattaforme dell’intelligenza artificiale arrivano quindi su una filiera già tirata, con ordini enormi e scadenze più aggressive di quelle a cui sono abituate le società elettriche, che comprano trasformatori per sostituire pezzi di rete, collegare nuove utenze e pianificare investimenti su cicli più lenti. Il Financial Times racconta un mercato in cui le consegne, prima calcolate in mesi, richiedono ormai anni; per alcuni trasformatori di grande potenza, i prezzi sono quasi raddoppiati rispetto al periodo precedente alla pandemia.
I grandi gruppi tecnologici vogliono costruire data center in uno, due o tre anni, perché ogni ritardo significa avere meno capacità di calcolo mentre i concorrenti addestrano modelli più grandi, servono più clienti e occupano spazio sul mercato. Le società elettriche si muovono con un calendario diverso. Prima di comprare un grande trasformatore devono sapere dove servirà, ottenere permessi, coordinarsi con i regolatori e inserire la spesa in piani di investimento approvati con largo anticipo. Un data center, invece, può nascere in tempi molto più stretti, perché per chi costruisce capacità di calcolo ogni mese perso pesa sulla competizione con gli altri gruppi tecnologici. La rete elettrica non segue quel ritmo: è fatta per reggere decenni, e accelerarla troppo significa aumentare il rischio di errori costosi o connessioni fragili.
Una soluzione per arginare il problema potrebbe essere quella di spingere l’industria a produrre trasformatori standardizzati, ma ne esistono fino a ottantamila configurazioni diverse. I dispositivi di grande potenza possono pesare centinaia di tonnellate, arrivare a quindici metri di altezza e occupare lo spazio di un piccolo edificio. Molti vengono progettati per il sito in cui dovranno operare.
Questa difficoltà a renderli prodotti di serie nasce già dalla loro costruzione interna. Dentro un trasformatore il lavoro decisivo avviene attorno al nucleo metallico. Il rame viene avvolto secondo geometrie precise, perché da quelle spire dipende la tensione che il dispositivo sarà in grado di gestire. Nei modelli più grandi questa fase resta in buona parte un mestiere manuale, affidato a tecnici che imparano con anni di esperienza. È una manifattura lenta, poco spettacolare, lontana dall’immagine del cloud, ma senza quella precisione l’energia non arriva ai server nella forma richiesta.
I grandi gruppi che costruiscono e gestiscono data center per l’intelligenza artificiale entrano in questo mercato con una forza d’acquisto difficile da eguagliare. Possono ordinare con largo anticipo, pagare di più e occupare gli spazi disponibili nelle fabbriche. Le società elettriche locali comprano dagli stessi fornitori quando devono sostituire pezzi vecchi della rete o collegare nuovi quartieri, ma hanno bilanci regolati e tempi meno flessibili. La capacità finanziaria delle piattaforme digitali si traduce così in accesso più rapido all’infrastruttura elettrica. Prima ancora dell’energia, bisogna assicurarsi le macchine che permettono di consegnarla.
Anche i materiali stringono la produzione. I nuclei richiedono acciaio elettrico specialistico, fornito da pochi produttori globali. Gli avvolgimenti consumano rame, già conteso da molti altri settori dell’elettrificazione. Il Financial Times individua in questa combinazione di materie prime scarse, lavorazioni complesse e manodopera qualificata una delle ragioni per cui l’offerta fatica a seguire la domanda dei data center. L’intelligenza artificiale può crescere solo finché la sua infrastruttura fisica riesce a starle dietro.
Gli Stati Uniti hanno definito pericolosamente limitata la capacità nazionale nella filiera della rete elettrica e hanno usato il Defense Production Act per sostenere la produzione domestica. Ma il riequilibrio richiede tempo. Nel frattempo il paese importa trasformatori di potenza soprattutto dall’Unione europea, dal Messico, dalla Corea del Sud e dal Brasile, che insieme rappresentano oltre tre quarti delle importazioni americane per valore. La rete che dovrebbe sostenere la sovranità tecnologica resta esposta a una catena globale.
Quasi il 40 per cento dei progetti di data center statunitensi previsti per entrare in funzione quest’anno sarebbe a rischio di ritardo, secondo dati di SynMax citati dal Financial Times. Le cause non sono solo elettriche: contano anche manodopera e permessi. Ma l’energia e le apparecchiature collegate sono diventate uno dei motivi principali di slittamento. Quando un trasformatore manca, non si può compensare con più server o con un contratto cloud più costoso.
Per evitare anni di attesa sulla connessione alla rete, alcuni sviluppatori stanno progettando data center capaci di produrre una parte rilevante dell’elettricità sul posto, affiancando generatori, batterie e sistemi di controllo dedicati. Nel settore questa soluzione viene chiamata islanding: il campus funziona quasi come un’isola elettrica, meno esposta ai ritardi della rete pubblica e alle sue code di autorizzazione. Ma questa strada non cancella il vincolo. Anche un impianto quasi separato deve alzare e abbassare la tensione, distribuire energia all’interno del sito, proteggere i server e gestire backup. La scarsità dei trasformatori segue il data center anche quando il data center prova a sottrarsi alla rete.
Per questo motivo stanno tornando d’attualità i trasformatori solid state, dispositivi che sostituiscono parte della meccanica tradizionale con elettronica di potenza. L’obiettivo è avere apparecchi più compatti e reattivi, capaci di gestire meglio impianti in cui convivono batterie, corrente continua e carichi che cambiano rapidamente. Per i data center significherebbe semplificare l’architettura elettrica e controllarla con più precisione, invece di affidarsi solo a macchine robuste ma poco flessibili. Il Financial Times cita il caso di Heron Power, la startup fondata dall’ex dirigente Tesla Drew Baglino, che lavora a dispositivi in grado di sostituire un trasformatore convenzionale e altri elementi dell’architettura elettrica. La direzione è chiara: portare nel mondo della rete una parte della flessibilità che il digitale pretende.
La transizione non sarà immediata: i trasformatori convenzionali sono robusti, conosciuti, regolati e progettati per durare decenni. Le alternative devono dimostrare affidabilità su scala industriale. La nuova frontiera dell’IA passa quindi da una tecnologia che non assoceremmo di solito alla Silicon Valley. È grande, pesante, lenta da costruire e difficile da trasportare. Eppure decide se i modelli potranno crescere al ritmo promesso dai loro sviluppatori. Nei data center dell’IA questo passaggio diventa ancora più esigente, perché i carichi sono enormi e la tolleranza al guasto è minima.
