Particolarmente indicativo è il caso del modello GPT-3 di OpenAI. Secondo uno studio della Stanford University, l'energia necessaria per addestrare il modello GPT-3 potrebbe alimentare l'abitazione di un cittadino statunitense medio per oltre 120 anni. Al tempo stesso, il produttore californiano di chip NVIDIA osserva che il fabbisogno energetico per l'addestramento di modelli che includono trasformatori – una forma di architettura di deep learning – è aumentato di 275 volte ogni due anni.
Le molteplici fonti di consumo energetico
Il consumo di energia dell'IA proverrà da più parti. Oltre all'addestramento e all'esecuzione di modelli di grandi dimensioni, la proliferazione di prodotti assistiti dall'IA, tra cui motori di ricerca e chatbot, assorbirà diversi terawatt di elettricità.
A loro volta, questi modelli sempre più complessi comporteranno invariabilmente l'uso di hardware più specializzato, come le unità di elaborazione grafica (GPU). La buona notizia è che le GPU offrono prestazioni per watt decisamente superiori a quelle delle unità di elaborazione centrale (CPU) tradizionali, il che potrebbe mitigare il fabbisogno energetico complessivo associato all'addestramento e all'esecuzione dei modelli di IA.
In definitiva, tutti questi fattori daranno impulso alla costruzione di data center ad alto consumo energetico, che secondo l'International Energy Agency rappresentano già quasi l'1% del consumo energetico globale. Anche prima che l'IA iniziasse a prendere quota, alcuni studi prevedevano un aumento significativo della costruzione di data center, sotto la spinta del fabbisogno energetico delle nuove tecnologie.
Oltre a questo, c'è da considerare la questione delle emissioni. In particolare, gli investitori stanno spingendo le imprese a misurare le emissioni di Ambito 3, ovvero le emissioni a monte e a valle delle loro operazioni che possono essere difficili da quantificare. Con il diffondersi dell'IA, è probabile che le emissioni di Ambito 3 di tutti gli utilizzatori di dati, comprese le aziende che hanno tradizionalmente una bassa impronta di carbonio, aumentino di conseguenza.
In che modo le imprese stanno affrontando il dilemma energetico dell'IA?
Fortunatamente, le imprese stanno iniziando ad affrontare la sfida titanica posta dall'IA sul fronte del consumo di energia. Tra queste figurano aziende centrali per l'IA e altre che stanno ancora accarezzando l'idea. Gli investitori dovrebbero prestare attenzione a tre aree fondamentali:
Hardware e software. La riduzione del consumo energetico legato all'IA richiederà nuove architetture di processore. I produttori statunitensi di semiconduttori come AMD e NVIDIA si stanno concentrando sulla fornitura di chip a basso consumo energetico. In effetti, AMD si è data l'obiettivo di aumentare di 30 volte l'efficienza energetica dei suoi processori e acceleratori utilizzati per l'addestramento dei modelli di IA e per il calcolo ad alte prestazioni nell'arco di cinque anni. NVIDIA, dal canto suo, afferma che i propri server basati su GPU utilizzati in alcune applicazioni, come l'addestramento dei modelli linguistici di grandi dimensioni, utilizzano 25 volte meno energia rispetto alle alternative basate su CPU. Man mano che le GPU prodotte da AMD, NVIDIA e da altre aziende sostituiscono le CPU nei data center, l'efficienza energetica dovrebbe aumentare ulteriormente.
Per risparmiare energia sarà necessario anche utilizzare tecniche avanzate di imballaggio dei transistor. Per favorire un apprendimento automatico più efficiente serviranno tecnologie come la regolazione dinamica della frequenza e della tensione e la gestione termica. Riteniamo che le imprese coinvolte nella produzione e nell'ispezione di chip semiconduttori, tra cui il produttore taiwanese di chip TSMC e l'omologo olandese ASML, giocheranno un ruolo importante nel portare queste innovazioni sul mercato.
Gli investitori, inoltre, sentiranno parlare ancora dei semiconduttori di potenza, che aiutano a migliorare la gestione dell'alimentazione dei server e dei data center dell'IA. I semiconduttori di potenza regolano la corrente e possono ridurre il consumo energetico complessivo integrando maggiori funzionalità in spazi più ridotti. A nostro avviso, aziende come Monolithic Power Systems, con sede a Kirkland, Washington, e il produttore tedesco Infineon Technologies sono all'avanguardia nello sviluppo di questa categoria di semiconduttori.
Miglioramenti nella progettazione dei data center. Le aziende che forniscono componenti per data center potrebbero trarre vantaggio dall'adozione dell'IA, che alimenta l'espansione della capacità di queste strutture. Tra i componenti più importanti figurano alimentatori, reti ottiche, sistemi di memoria e cablaggio. Dal canto loro, le imprese tecnologiche che si avvalgono di questi data center – quali Amazon.com, Google e Microsoft – hanno un forte incentivo a migliorarne la progettazione e il consumo energetico.
Volendo chiudere il cerchio, l'IA stessa viene utilizzata per ottimizzare le operazioni dei data center. Nel 2022 Google DeepMind ha annunciato i risultati di un esperimento durato tre mesi, che prevedeva l'addestramento di un agente di apprendimento chiamato BCOOLER per ottimizzare le procedure di raffreddamento dei data center di Google. Nello specifico, BCOOLER ha ottenuto un risparmio energetico del 13% circa, segno che l'efficienza energetica dei data center sta migliorando, anche se il loro numero continua a crescere.
Energia rinnovabile. Secondo l'Energy Information Administration, nel 2022 le fonti rinnovabili rappresentavano il 21,5% della generazione di elettricità negli Stati Uniti. Dato che l'80% della rete elettrica statunitense è alimentata da fonti non rinnovabili, nel breve periodo l'elettricità potrebbe provenire da combustibili fossili traduzionali.
Nel corso del tempo, tuttavia, la domanda di IA potrebbe aprire le porte a un maggiore utilizzo delle fonti rinnovabili. A riprova di questo, basti pensare che i data center per l'IA saranno gestiti da aziende del calibro di Microsoft e di Alphabet Inc., la società madre di Google, le cui politiche di azzeramento delle emissioni nette sono tra le migliori del settore. Di conseguenza, è lecito ipotizzare che la rapida adozione dell'IA possa migliorare le prospettive di investimento dell'intero ecosistema delle rinnovabili.
Investire in soluzioni energetiche
In tutti questi settori, gli investitori dovrebbero a nostro avviso cercare aziende di qualità con un vantaggio tecnologico, un pricing power persistente, una solida capacità di generazione di free cash flow e modelli di business resilienti. Le società con fondamentali solidi, avviate a partecipare e a trarre vantaggio dall'aumento della domanda di capacità di IA a basso consumo energetico, potrebbero offrire interessanti opportunità agli investitori azionari orientati alla sostenibilità e a quelli che perseguono un rendimento assoluto.
Con la sempre più rapida adozione dell'IA e la sostituzione dei motori di ricerca con chatbot, l'impatto energetico di questa rivoluzionaria forma di apprendimento automatico non può essere trascurato. Le iniziative volte a creare un ecosistema di IA più efficiente dal punto di vista energetico potrebbero non essere al centro dell'attenzione in questo momento, ma presto o tardi potrebbero offrire un potenziale di rendimento interessante agli investitori che riescono a individuare per primi le potenziali soluzioni.
