Il muro energetico spinge l'AI nello spazio

NVIDIA ha pubblicato un’offerta di lavoro per la posizione di Orbital Datacenter System Architect con uno stipendio base che oscilla tra i 224.000 e i 356.500 dollari annui. Il ruolo prevede la progettazione di architetture di calcolo accelerate destinate a operare fuori dall’atmosfera terrestre, definendo prodotti che integrino il silicio, il software e i sistemi di rete necessari per gestire l’intelligenza artificiale in orbita.

Le ragioni della migrazione orbitale

La spinta verso i datacenter spaziali risponde alla necessità infrastrutturale legata alla saturazione delle risorse terrestri. Sulla Terra, l’espansione dei centri di calcolo per l’IA si scontra con il “muro energetico”: le reti elettriche nazionali sono oggi simili a un sistema idrico cittadino progettato per un piccolo centro che deve improvvisamente alimentare una metropoli. Non è solo una questione di costo della bolletta, ma di capacità fisica dei cavi di trasmettere la potenza richiesta. In orbita, l’energia solare è costante, intensa e priva di ostacoli atmosferici, permettendo di alimentare i chip senza pesare sulle infrastrutture civili.

A questo si aggiunge una motivazione di ordine geopolitico legata a quella che i documenti strategici definiscono “Seconda Guerra Fredda”. Spostare il calcolo nello spazio permette di creare una rete di “sovranità dei dati” extraterritoriale, meno vulnerabile, per esempio, al sabotaggio dei cavi sottomarini in fibra ottica. È una strategia di resilienza: se la rete terrestre viene compromessa o limitata da embarghi, i nodi orbitali continuano a processare informazioni in modo autonomo.

La diversificazione della capacità di calcolo si sta rapidamente trasformando in un imperativo infrastrutturale, analogo per importanza alla diversificazione delle fonti energetiche. Così come un mix energetico bilanciato (che includa nucleare, rinnovabili, eolica, idrica e solare) garantisce resilienza contro l’instabilità geopolitica o la saturazione delle reti, anche un’architettura di calcolo distribuita – che spazii dai grandi datacenter terrestri, all’inferenza locale su dispositivi mobili, fino ai nodi orbitali – risolve problemi sistemici. L’importanza risiede nella capacità di allocare carichi di lavoro diversi dove sono più efficienti: il calcolo ad alta intensità e il training dei modelli AI in centri spaziali autosufficienti (solare costante), e l’inferenza a bassa latenza direttamente sul dispositivo dell’utente.

Ostacoli fisici e l’alternativa dell’inferenza locale

Tuttavia, gli ostacoli sono notevoli. Per l’energia, si tratta di superare l’intermittenza delle rinnovabili e il costo iniziale di infrastrutture come il nucleare. Per il calcolo, l’infrastruttura diversificata si scontra con la logistica proibitiva dei lanci spaziali (costo/kg), la gestione della dissipazione termica e la protezione dalle radiazioni cosmiche dei nodi orbitali.

Il vuoto dello spazio introduce problemi ingegneristici che a terra non esistono. Il primo è il raffreddamento. Mentre in un datacenter terrestre il calore viene rimosso tramite l’aria o l’acqua (convezione), nello spazio l’unico modo per dissipare energia termica è l’irraggiamento. Immaginate di dover raffreddare una tazza di caffè bollente chiusa dentro un thermos sottovuoto: il calore rimane intrappolato all’interno perché non c’è materia circostante a cui trasmetterlo. Per evitare che i chip si fondano, i satelliti devono essere dotati di radiatori passivi di enormi dimensioni, che aumentano il peso e la complessità del lancio.

Inoltre, l’hardware è costantemente bombardato da radiazioni cosmiche che possono causare errori di calcolo (”bit flip”) o danneggiare permanentemente i circuiti. Progettare un sistema orbitale significa scegliere tra l’uso di componenti “rad-hard” (estremamente costosi e tecnologicamente arretrati) o l’utilizzo di chip commerciali standard supportati da una ridondanza software massiccia, dove più chip eseguono lo stesso calcolo per verificare che il risultato sia corretto.

Proprio a causa di queste complicazioni, aziende come Apple stanno seguendo una strada opposta. Invece di scalare verso l’alto (nello spazio) o verso il centro (grandi server cloud), Apple punta sull’inferenza locale. Attraverso motori neurali (NPU) sempre più potenti integrati direttamente nei chip degli iPhone e dei Mac, l’azienda cerca di far girare l’IA sul dispositivo dell’utente. Questa scelta elimina i costi energetici di trasmissione e raffreddamento dei grandi centri dati, risolvendo il problema della scalabilità attraverso la frammentazione: miliardi di piccoli “processori personali” invece di pochi centri giganti in orbita o a terra.

Logistica e parametri di sostenibilità

La fattibilità di un’infrastruttura orbitale è condizionata da un parametro economico rigido: il costo per chilogrammo portato in orbita bassa (LEO). Se il lancio costa più di 200 dollari al chilo, il modello di business non regge rispetto alla manutenzione di un server terrestre. In questo contesto, l’integrazione tra SpaceX e xAI diventa l’elemento abilitante: SpaceX dispone dell’unico vettore, Starship, potenzialmente in grado di abbattere i costi di lancio a livelli industriali. Senza un trasporto economico e frequente, l’hardware IA — che diventa obsoleto ogni 24-36 mesi — non potrebbe essere sostituito con la velocità necessaria.

Il mercato cerca forme di diversificazione, ottimizzando la potenza di calcolo e distribuendola sia geograficamente che logicamente, specializzando modelli, distribuzione, approvvigionamento energetico e di materie prime per costruire l’infrastruttura complessa che serve alla prossima rivoluzione industriale.