Ridurre gli sprechi energetici nei data center è una delle sfide più urgenti del mondo tech, e un nuovo chip progettato alla University of California San Diego potrebbe rappresentare una svolta concreta. Il gruppo di ricerca guidato dal professor Patrick Mercier ha sviluppato un approccio diverso alla conversione di potenza per le GPU, quei processori grafici che oggi sono il cuore pulsante dell’intelligenza artificiale e del calcolo ad alte prestazioni. I risultati, pubblicati su Nature Communications nell’aprile 2026, parlano chiaro: il prototipo ha raggiunto un’efficienza di picco del 96,2% nella conversione da 48 volt a 4,8 volt, con una capacità di erogazione di corrente quattro volte superiore rispetto ai tentativi precedenti.

Il problema di partenza è noto a chiunque lavori nel settore. L’elettricità nei data center viene distribuita a 48 volt, ma le GPU funzionano a tensioni molto più basse, generalmente tra 1 e 5 volt. Gestire questo salto enorme con i convertitori tradizionali, basati su componenti magnetici come gli induttori, sta diventando sempre più complicato. Come ha spiegato lo stesso Mercier, i convertitori induttivi sono stati perfezionati a tal punto che ormai non resta quasi più margine di miglioramento.

Risonatori piezoelettrici: la strada alternativa

Ed è qui che entra in gioco l’idea più interessante del progetto. Invece di puntare ancora sui componenti magnetici, il team ha scommesso sui risonatori piezoelettrici, dispositivi che accumulano e trasferiscono energia attraverso vibrazioni meccaniche. Sulla carta, offrono vantaggi enormi: dimensioni ridotte, maggiore densità energetica e potenziale di produzione su larga scala. Il problema, fino a oggi, era che le versioni precedenti di convertitori piezoelettrici non riuscivano a mantenere buone prestazioni quando la differenza tra tensione in ingresso e in uscita diventava significativa.

La soluzione trovata dai ricercatori è un design ibrido. Il chip combina un risonatore piezoelettrico con piccoli condensatori disponibili in commercio, disposti in una configurazione studiata per creare più percorsi attraverso cui l’energia può fluire. Questo riduce la potenza sprecata, alleggerisce il carico sul risonatore e migliora sia l’efficienza che la capacità di erogazione, il tutto con un aumento minimo delle dimensioni del chip.

Cosa manca prima dell’adozione nei data center

Sarebbe sbagliato dipingere tutto in modo troppo ottimistico. La tecnologia è ancora nelle fasi iniziali e ci sono ostacoli concreti da superare. Uno su tutti: i risonatori piezoelettrici vibrano fisicamente, il che significa che non possono essere saldati sulle schede elettroniche con le tecniche standard. Serviranno nuove strategie di integrazione per rendere questi componenti compatibili con i sistemi esistenti.

Il team sta già lavorando su materiali migliori, circuiti più raffinati e metodi di assemblaggio innovativi. Mercier non ha nascosto che i convertitori piezoelettrici non sono ancora pronti a sostituire le tecnologie attuali, ma ha sottolineato che la traiettoria di miglioramento è promettente. E in un’epoca in cui i data center consumano quantità crescenti di energia, ogni punto percentuale di efficienza guadagnato nella conversione di potenza può tradursi in risparmi enormi su scala globale. Questo chip, per quanto ancora acerbo, indica una direzione che vale la pena seguire con attenzione.

L'articolo Un chip rivoluzionario potrebbe cambiare i data center per sempre proviene da Tecnoapple.

Il consumo energetico dell’intelligenza artificiale è diventato un problema enorme, e non è più qualcosa che si può ignorare. Solo negli Stati Uniti, i sistemi di AI e i data center hanno utilizzato circa 415 terawattora di energia nel 2024, più del 10% della produzione elettrica totale del paese. E le proiezioni dicono che entro il 2030 questa cifra potrebbe raddoppiare. Ora, un gruppo di ricercatori della Tufts University ha sviluppato un sistema che potrebbe ridurre il fabbisogno energetico dell’AI fino a 100 volte, migliorando contemporaneamente la precisione. Sembra quasi troppo bello per essere vero, eppure i numeri parlano chiaro.

Il team guidato da Matthias Scheutz ha lavorato su un approccio chiamato AI neurosimbolica, che fonde le classiche reti neurali con il ragionamento simbolico. In pratica, invece di affidarsi solo a enormi quantità di dati e a processi per tentativi ed errori, questo sistema cerca di replicare il modo in cui le persone affrontano i problemi: scomponendoli in passaggi logici, usando regole astratte come forma, equilibrio e sequenza. I risultati della ricerca saranno presentati alla Conferenza Internazionale di Robotica e Automazione a Vienna nel maggio 2026.

Come funziona e perché i modelli tradizionali faticano

A differenza dei grandi modelli linguistici come ChatGPT o Gemini, il lavoro del team si concentra sui cosiddetti modelli VLA (visual language action), utilizzati nella robotica. Questi modelli ricevono dati visivi dalle telecamere e istruzioni dal linguaggio, poi traducono tutto in azioni fisiche: muovere un braccio robotico, ruotare le dita, impilare oggetti. Il problema è che i sistemi VLA tradizionali sono incredibilmente dispendiosi. Se un robot deve impilare dei blocchi, deve analizzare la scena, identificare ogni pezzo, capire come posizionarli. E spesso sbaglia. Le ombre possono confonderlo sulla forma di un oggetto, oppure posiziona i pezzi nel modo sbagliato facendo crollare tutto. Errori molto simili alle famose allucinazioni dei chatbot, che inventano casi legali inesistenti o generano immagini con sei dita su una mano.

Il ragionamento simbolico cambia le carte in tavola. Applicando regole strutturate, il sistema neurosimbolico riduce drasticamente i tentativi necessari per arrivare alla soluzione. Come ha spiegato Scheutz: un modello VLA tradizionale agisce su risultati statistici derivati da enormi set di addestramento, e questo porta a errori. Un VLA neurosimbolico applica regole che limitano il processo e raggiunge la soluzione molto più in fretta.

Risultati concreti e risparmio energetico impressionante

I test parlano da soli. Usando il classico rompicapo della Torre di Hanoi, il sistema neurosimbolico ha raggiunto un tasso di successo del 95%, contro il 34% dei modelli standard. Con una versione più complessa mai incontrata prima, ha comunque ottenuto il 78% di successo. I modelli tradizionali? Zero tentativi riusciti. Il tempo di addestramento è crollato: 34 minuti contro oltre un giorno e mezzo. E sul fronte energetico, l’addestramento del modello neurosimbolico ha richiesto appena l’1% dell’energia di un sistema VLA convenzionale. Durante il funzionamento, il consumo si è fermato al 5%.

Scheutz ha fatto un paragone efficace: quando qualcuno fa una ricerca su Google, il riassunto generato dall’AI in cima alla pagina consuma fino a 100 volte più energia rispetto alla generazione dei normali risultati di ricerca. Un’inefficienza che, moltiplicata per miliardi di richieste quotidiane, diventa insostenibile.

Con aziende che costruiscono data center da centinaia di megawatt, capaci di consumare quanto intere piccole città, la strada attuale basata esclusivamente su modelli linguistici e VLA rischia di non reggere a lungo. L’AI neurosimbolica offre una direzione diversa: meno forza bruta, più ragionamento strutturato. E forse è proprio quello di cui il settore ha bisogno per crescere senza divorare il pianeta.

L'articolo AI neurosimbolica: la svolta che taglia i consumi energetici di 100 volte proviene da Tecnoapple.

Uno sviluppatore è riuscito a far girare un modello di intelligenza artificiale pensato per i data center direttamente su un MacBook Pro. La notizia ha fatto il giro della comunità tech in pochissime ore, e il motivo è semplice: non era una cosa che si riteneva possibile, almeno non a questo livello. Parliamo di modelli enormi, quelli che di solito richiedono server con schede grafiche dedicate dal costo di decine di migliaia di euro. Eppure, un portatile Apple ce l’ha fatta.

Il punto non è solo la curiosità tecnica. Quello che emerge da questa impresa è qualcosa di più ampio, e riguarda la direzione che Apple sta prendendo nel settore dell’intelligenza artificiale. Per anni, il colosso di Cupertino è stato accusato di essere in ritardo rispetto a rivali come Google, Microsoft e OpenAI. Ma forse la strategia era diversa fin dall’inizio: invece di puntare tutto sul cloud e sui servizi remoti, Apple ha investito sull’hardware. E i risultati iniziano a vedersi.

Il ruolo del chip Apple Silicon nella corsa all’AI

Il merito va in gran parte ai chip Apple Silicon, che dalla loro introduzione hanno cambiato le regole del gioco per quanto riguarda efficienza energetica e potenza di calcolo su dispositivi portatili. La memoria unificata dei processori M rappresenta un vantaggio enorme quando si tratta di caricare modelli AI di grandi dimensioni. A differenza delle architetture tradizionali, dove la RAM e la memoria della GPU sono separate, nel MacBook Pro tutto il sistema può accedere allo stesso pool di memoria, rendendo possibile gestire carichi di lavoro che altrove richiederebbero infrastrutture ben più costose.

Questo non significa che un portatile possa sostituire un intero data center, ovviamente. Ma il fatto che un singolo sviluppatore, senza risorse particolari, riesca a eseguire un modello di quella portata su una macchina da scrivania racconta molto sulla direzione del mercato. L’AI sta diventando sempre più accessibile, e Apple sembra posizionata meglio di quanto molti pensassero.

Apple e la strategia silenziosa sull’intelligenza artificiale

C’è chi sostiene che Apple stia vincendo la corsa all’AI senza fare troppo rumore. Mentre gli altri annunciano partnership miliardarie e modelli sempre più grandi da far girare nel cloud, Cupertino lavora per portare quella stessa potenza nelle mani degli utenti, letteralmente. Il MacBook Pro diventa così non solo uno strumento di lavoro, ma una piattaforma capace di reggere carichi computazionali che fino a poco tempo fa sembravano riservati a pochissimi.

La vera domanda adesso è quanto tempo passerà prima che queste capacità diventino parte integrante dell’esperienza quotidiana su macOS. Perché la potenza c’è già. Manca solo che il software raggiunga l’hardware. E sapendo come lavora Apple, potrebbe non mancare molto.

L'articolo Apple Silicon fa girare un modello AI da data center su un MacBook Pro proviene da Tecnoapple.

Il consumo energetico dell’intelligenza artificiale è diventato uno dei temi più dibattuti quando si parla di sostenibilità e cambiamento climatico. I numeri fanno impressione, è vero. Ma secondo una ricerca appena pubblicata, la realtà è molto più sfumata di quanto sembri. E forse anche più incoraggiante.

Uno studio condotto dall’Università di Waterloo insieme al Georgia Institute of Technology ha provato a mettere ordine nel caos di cifre e previsioni catastrofiche. I ricercatori hanno analizzato dati provenienti dall’intera economia statunitense, incrociandoli con stime sull’adozione dell’intelligenza artificiale nei vari settori produttivi. Il risultato? Sì, l’AI consuma quanto un intero paese come l’Islanda in termini di elettricità. Ma questo aumento, rapportato alle emissioni globali, sposta l’ago della bilancia in modo quasi impercettibile.

Parliamo di un’economia, quella americana, che per l’83% dipende ancora da combustibili fossili come petrolio, carbone e gas naturale. In un contesto del genere, l’energia assorbita dai sistemi di intelligenza artificiale rappresenta una fetta davvero marginale del totale. Non è il mostro energetico che molti dipingono.

Il problema è locale, non globale

C’è però un aspetto che merita attenzione. Il professor Juan Moreno Cruz, docente alla Faculty of Environment di Waterloo e titolare della Canada Research Chair in Energy Transitions, lo spiega con chiarezza: l’aumento dei consumi non sarà distribuito in modo uniforme. Le zone dove sorgono i data center potrebbero vedere raddoppiare la produzione di elettricità e, di conseguenza, le emissioni locali. Questo è un problema reale, concreto, che riguarda comunità specifiche.

A livello macro, però, il quadro cambia. L’impatto climatico dell’AI su scala nazionale o mondiale resta sostanzialmente trascurabile. Lo studio non ha approfondito le ricadute economiche sulle aree interessate dalla concentrazione di data center, ma il messaggio di fondo è abbastanza rassicurante per chi temeva scenari apocalittici.

L’AI come alleata nella transizione verde

Ed ecco il punto più interessante. L’intelligenza artificiale non va vista solo come un problema energetico. Potrebbe diventare uno strumento potentissimo per accelerare lo sviluppo di tecnologie verdi e migliorare quelle già esistenti. Moreno Cruz lo dice senza giri di parole: chi pensa che l’AI sia una minaccia per il clima e che andrebbe evitata, dovrebbe considerare una prospettiva diversa.

Per arrivare a queste conclusioni, il team guidato da Moreno Cruz e dall’economista ambientale Anthony Harding ha valutato i diversi settori economici, le tipologie di lavoro al loro interno e quante di quelle mansioni potrebbero essere gestite dall’intelligenza artificiale. Un lavoro capillare, che adesso i ricercatori vogliono estendere ad altri paesi per capire come l’adozione dell’AI influenzi consumi energetici ed emissioni su scala mondiale.

Lo studio, intitolato “Watts and Bots: The Energy Implications of AI Adoption”, è stato pubblicato sulla rivista Environmental Research Letters. E rappresenta forse il primo tentativo serio di guardare al rapporto tra AI e clima senza farsi prendere dal panico. Perché i numeri, quando li si legge con attenzione, raccontano una storia diversa da quella che ci aspettavamo.

L'articolo AI consuma come l’Islanda ma l’impatto sul clima potrebbe essere irrilevante proviene da Tecnoapple.