{"id":11254,"date":"2025-10-10T10:59:02","date_gmt":"2025-10-10T08:59:02","guid":{"rendered":"https:\/\/neodatagroup.ai\/?p=11254"},"modified":"2025-10-10T10:59:03","modified_gmt":"2025-10-10T08:59:03","slug":"green-ai-can-intelligence-survive-its-own-energy-hunger","status":"publish","type":"post","link":"https:\/\/neodatagroup.ai\/it\/green-ai-can-intelligence-survive-its-own-energy-hunger\/","title":{"rendered":"Green AI: L\u2019intelligenza pu\u00f2 sopravvivere alla sua fame di energia?"},"content":{"rendered":"<h2 class=\"simpletoc-title\">Indice<\/h2>\n<ul class=\"simpletoc-list\">\n<li><a href=\"#data-centers-ais-industrial-engine-room\">Data center: il motore industriale dell\u2019IA<\/a>\n\n<\/li>\n<li><a href=\"#how-much-energy-do-data-centers-actually-use\">Quanta energia consumano davvero i data center?<\/a>\n\n<\/li>\n<li><a href=\"#beyond-speculation-how-do-we-measure-ais-energy-footprint\">Oltre le stime: come misuriamo davvero l\u2019impronta energetica dell\u2019IA?<\/a>\n\n\n<ul><li>\n<a href=\"#1-the-topdown-approach-marketbased-estimations\">1. Approccio Top-Down: stime basate sul mercato<\/a>\n\n<\/li>\n<li><a href=\"#2-the-bottomup-approach-measured-energy-per-task\">2. Approccio Bottom-Up: energia misurata per task<\/a>\n\n<\/li>\n<\/ul>\n<li><a href=\"#so-is-ai-sustainable-or-not\">Quindi, l\u2019IA \u00e8 sostenibile o no?<\/a>\n\n<\/li>\n<li><a href=\"#paths-toward-a-more-sustainable-ai-ecosystem\">Verso un ecosistema IA pi\u00f9 sostenibile<\/a>\n\n<\/li>\n<li><a href=\"#final-thoughts-responsibility-not-just-optimization\">Considerazioni finali: responsabilit\u00e0, non solo ottimizzazione<\/a>\n<\/li><\/ul>\n\n\n<p>L\u2019ascesa dell\u2019intelligenza artificiale generativa ha alimentato un\u2019ondata globale di innovazione e ottimismo, ma anche una crescente preoccupazione. Man mano che modelli linguistici, generatori di immagini e altri sistemi intelligenti si integrano negli strumenti e nei flussi di lavoro quotidiani, emerge una domanda fondamentale: <strong>quanta energia consuma davvero l\u2019IA, ed \u00e8 un modello sostenibile?<\/strong><\/p>\n\n\n\n<p>Un tempo confinata ai laboratori di ricerca e ai supercomputer, l\u2019high-performance computing \u00e8 ormai mainstream. Milioni di persone interagiscono quotidianamente con modelli come GPT. Le aziende utilizzano l\u2019IA per automatizzare, generare e ottimizzare; tutto questo richiede risorse energetiche <strong>non indifferenti<\/strong>.<\/p>\n\n\n\n<p>Ma qual \u00e8 la reale entit\u00e0 di questa domanda energetica? L\u2019IA pu\u00f2 allinearsi agli obiettivi globali di decarbonizzazione? E qual \u00e8 il compromesso tra i benefici dell\u2019IA e il suo impatto ambientale?<\/p>\n\n\n\n<p>Queste domande non sono pi\u00f9 teoriche. <strong>I provider di energia e infrastrutture<\/strong> avvertono gi\u00e0 la pressione mentre l\u2019IA ridefinisce il modo in cui l\u2019elettricit\u00e0 viene consumata, distribuita e persino prezzata.<\/p>\n\n\n<div class=\"wp-block-image\">\n<figure class=\"aligncenter size-full is-resized\"><img fetchpriority=\"high\" decoding=\"async\" width=\"921\" height=\"657\" src=\"https:\/\/neodatagroup.ai\/wp-content\/uploads\/2025\/10\/image.png\" alt=\"\" class=\"wp-image-11255\" style=\"width:579px;height:auto\"\/><\/figure><\/div>\n\n<h2 class=\"wp-block-heading\" id=\"data-centers-ais-industrial-engine-room\"><strong>Data center: il motore industriale dell\u2019IA<\/strong><\/h2>\n\n\n<p>Ogni prompt, immagine, traduzione o frammento di codice generato dall\u2019IA viene elaborato all\u2019interno di data center, ambienti altamente ingegnerizzati che ospitano server, array di storage, reti ad alta velocit\u00e0 e sistemi di raffreddamento sofisticati.<\/p>\n\n\n\n<p>Questi \u201cstabilimenti digitali\u201d sono dove avviene l\u2019inferenza (quando i modelli rispondono alle richieste degli utenti) e, occasionalmente, l\u2019addestramento (il processo molto pi\u00f9 intensivo per creare nuovi modelli).<\/p>\n\n\n\n<p>Il consumo energetico di un data center tipico si suddivide in tre componenti principali:<\/p>\n\n\n\n<ul>\n<li><strong>Hardware IT (40\u201350%)<\/strong> \u2013 server, GPU\/TPU, networking, storage<br><\/li>\n\n\n\n<li><strong>Sistemi di raffreddamento (30\u201340%)<\/strong> \u2013 ventole, HVAC, raffreddamento a liquido<br><\/li>\n\n\n\n<li><strong>Sistemi ausiliari (10\u201330%)<\/strong> \u2013 illuminazione, sicurezza, conversione di potenza, backup<\/li>\n<\/ul>\n\n\n\n<p><sub>Fonte: <em>Artificial Intelligence\u2019s Energy Paradox, World Economic Forum &amp; Accenture, gennaio 2025<\/em><\/sub><\/p>\n\n\n\n<p><\/p>\n\n\n<div class=\"wp-block-image\">\n<figure class=\"aligncenter size-full is-resized\"><img decoding=\"async\" width=\"928\" height=\"708\" src=\"https:\/\/neodatagroup.ai\/wp-content\/uploads\/2025\/10\/image-2.png\" alt=\"\" class=\"wp-image-11257\" style=\"width:599px;height:auto\"\/><\/figure><\/div>\n\n\n<p>L\u2019IA generativa sta intensificando questi carichi. Rispetto alle applicazioni cloud tradizionali, <strong>i carichi di lavoro dell\u2019IA sono pi\u00f9 densi, continui e imprevedibili<\/strong>, rendendone pi\u00f9 difficile la scalabilit\u00e0 efficiente nei sistemi energetici esistenti.<\/p>\n\n\n<h2 class=\"wp-block-heading\" id=\"how-much-energy-do-data-centers-actually-use\"><strong>Quanta energia consumano davvero i data center?<\/strong><\/h2>\n\n\n<p>Nel 2022, secondo <a href=\"https:\/\/www.nature.com\/articles\/d41586-025-00616-z\" target=\"_blank\" rel=\"noreferrer noopener\"><strong>l'International Energy Agency (IEA)<\/strong><\/a>, i data center hanno consumato tra <strong>i 240 e i 340 terawattora (TWh)<\/strong>, pari a circa <strong>l\u20191\u20131,3% della domanda elettrica globale<\/strong>. Includendo il mining di criptovalute e le reti di trasmissione dati, si arriva a circa al <strong>2%<\/strong>.<\/p>\n\n\n\n<p>Con l\u2019adozione dell\u2019IA in rapida crescita, questa quota \u00e8 destinata ad aumentare. Secondo le stime IEA:<\/p>\n\n\n\n<ul>\n<li>Il consumo elettrico dei data center potrebbe <strong>raddoppiare entro il 2030<\/strong><br><\/li>\n\n\n\n<li>La capacit\u00e0 dei data center specializzati in IA cresce <strong>del 30% l\u2019anno<\/strong>, contro il 9% dell\u2019infrastruttura tradizionale<br><\/li>\n\n\n\n<li>I server dedicati all\u2019IA potrebbero causare un aumento <strong>del 165% nella domanda di energia<\/strong> entro il 2030 secondo Goldman Sachs<\/li>\n<\/ul>\n\n\n<div class=\"wp-block-image\">\n<figure class=\"aligncenter size-full is-resized\"><img decoding=\"async\" width=\"751\" height=\"569\" src=\"https:\/\/neodatagroup.ai\/wp-content\/uploads\/2025\/10\/image-1.png\" alt=\"\" class=\"wp-image-11256\" style=\"width:450px;height:auto\"\/><\/figure><\/div>\n\n\n<p>Eppure, oggi, l\u2019IA rappresenta solo una <strong>frazione<\/strong> del consumo energetico totale dei data center: <strong>10%<\/strong> <strong>e il 15%<\/strong>, a seconda dei carichi di lavoro e della regione.<\/p>\n\n\n\n<p>Il vero problema non \u00e8 solo il volume, ma <strong>la concentrazione e il tasso di crescita<\/strong>. I carichi generati dall\u2019IA sono ad alta densit\u00e0 energetica, difficili da prevedere e mettono sotto pressione le reti elettriche locali. In alcuni stati USA, le aziende energetiche hanno iniziato <strong>a razionare la potenza<\/strong> o a ritardare le connessioni per nuovi data center hyperscale.<\/p>\n\n\n<h2 class=\"wp-block-heading\" id=\"beyond-speculation-how-do-we-measure-ais-energy-footprint\"><strong>Oltre le stime: come misuriamo davvero l\u2019impronta energetica dell\u2019IA?<\/strong><\/h2>\n\n\n<p>Misurare il consumo energetico dei sistemi IA \u00e8 sorprendentemente complesso, per motivi sia tecnici che metodologici.<\/p>\n\n\n\n<p>Due sono gli approcci principali:<\/p>\n\n\n<h3 class=\"wp-block-heading\" id=\"1-the-topdown-approach-marketbased-estimations\"><strong>1. Approccio Top-Down: stime basate sul mercato<\/strong><\/h3>\n\n\n<p>Si parte dall\u2019hardware (tipicamente GPU) e si moltiplica il consumo stimato per il numero di server previsti per un dato compito.<\/p>\n\n\n\n<p>Uno studio molto citato \u00e8 quello di <a href=\"https:\/\/www.nature.com\/articles\/d41586-025-00616-z\" target=\"_blank\" rel=\"noreferrer noopener\"><strong>Alex de Vries<\/strong><\/a>, che ha stimato il consumo se Google integrasse l\u2019IA generativa nel proprio motore di ricerca.<\/p>\n\n\n\n<p>Utilizzando come base i server NVIDIA A100 <strong>e ipotizzando 400.000\u2013500.000 server<\/strong>, De Vries ha calcolato un consumo annuo di <strong>23\u201329 TWh<\/strong> , pari <strong>a 7\u20139 Wh per ricerca<\/strong>, circa <strong>23\u201330 volte di pi\u00f9 rispetto<\/strong> a una ricerca Google tradizionale.<\/p>\n\n\n\n<p>Anche De Vries ha ammesso che le sue cifre sono speculative: le assunzioni sono difficili da verificare, il numero di server pu\u00f2 cambiare rapidamente, e i nuovi modelli ottengono risultati simili <strong>con meno potenza<\/strong>.<\/p>\n\n\n\n<p>Il vantaggio di questo metodo? Segnalare per tempo rischi sistemici <strong>, specialmente quando<\/strong> le infrastrutture richiedono anni per essere pianificate.<\/p>\n\n\n<h3 class=\"wp-block-heading\" id=\"2-the-bottomup-approach-measured-energy-per-task\"><strong>2. Approccio Bottom-Up: energia misurata per task<\/strong><\/h3>\n\n\n<p>Qui si usano modelli (spesso open-source) in ambienti reali, misurando l\u2019energia consumata ed estrapolando i dati su larga scala.<\/p>\n\n\n\n<p>I risultati sono molto <a href=\"https:\/\/www.nature.com\/articles\/d41586-025-00616-z#ref-CR4\" target=\"_blank\" rel=\"noreferrer noopener\">variabili<\/a>:<\/p>\n\n\n\n<ul>\n<li><strong>Generare un\u2019immagine<\/strong> (es. Stable Diffusion): ~<strong>0.5 Wh<\/strong><strong><br><\/strong><\/li>\n\n\n\n<li><strong>Generare testo<\/strong> (es. modelli tipo GPT): leggermente meno<br><\/li>\n\n\n\n<li><strong>Addestrare un modello tipo GPT-3<\/strong>: fino a <strong>1 GWh<\/strong><strong><br><\/strong><\/li>\n<\/ul>\n\n\n\n<p>Tuttavia, \u00e8 la fase di inferenza<em> (ogni volta che qualcuno pone una domanda all'IA e ottiene una risposta) <\/em>a dominare l'impronta energetica a lungo termine , non l'addestramento (<em>la fase di insegnamento di un modello di IA<\/em>). Se i modelli vengono interrogati miliardi di volte al giorno (fase di inferenza), anche un consumo basso per richiesta porta a carichi annuali dell'ordine dei terawattora.<\/p>\n\n\n\n<p><a href=\"https:\/\/www.nature.com\/articles\/d41586-025-00616-z#ref-CR4\" target=\"_blank\" rel=\"noreferrer noopener\">Recenti stime<\/a> hanno aggiunto ulteriori dettagli. Ad esempio:<\/p>\n\n\n\n<ul>\n<li>Una ricerca del 2024 stima che l\u2019inferenza di  GPT <strong>consuma mediamente ~0,34 Wh per query<\/strong>, con un range tra 0,18 e 0,67 Wh a seconda della difficolt\u00e0 della task.<br><\/li>\n\n\n\n<li>Prompts semplici <strong>consumano<\/strong> &lt;0,5 Wh, mentre <strong>quelli complessi o multi-turn<\/strong> arrivano a <strong>4\u20135 Wh<\/strong>. <\/li>\n<\/ul>\n\n\n\n<p>Molte stime pubbliche sovrastimano <strong>l\u2019energia consumata dall\u2019IA di 4\u201320 volte<\/strong>, ignorando ottimizzazioni server, caching o inferenze condivise.<\/p>\n\n\n\n<p><strong>Allora, abbiamo una risposta?<\/strong><\/p>\n\n\n\n<p>Luccioni e altri ricercatori hanno lanciato il <a href=\"https:\/\/huggingface.co\/spaces\/AIEnergyScore\/Leaderboard\" target=\"_blank\" rel=\"noreferrer noopener\">progetto AI Energy Score<\/a>, un'iniziativa pubblica volta a confrontare l'efficienza energetica dei modelli di IA su diversi compiti, che assegna a ciascun modello una valutazione a stelle.&nbsp;<\/p>\n\n\n\n<p><a href=\"https:\/\/www.nature.com\/articles\/d41586-025-00616-z\" target=\"_blank\" rel=\"noreferrer noopener\">Luccioni e i suoi colleghi <\/a>hanno osservato che il consumo energetico dei compiti di IA varia in modo significativo a seconda del tipo di attivit\u00e0. I loro risultati pi\u00f9 recenti indicano che la creazione di un'immagine da un prompt di testo utilizza in genere circa 0,5 wattora di elettricit\u00e0, mentre la generazione di testo tende a consumarne leggermente meno.<\/p>\n\n\n<div class=\"wp-block-image\">\n<figure class=\"aligncenter size-full is-resized\"><img loading=\"lazy\" decoding=\"async\" width=\"751\" height=\"628\" src=\"https:\/\/neodatagroup.ai\/wp-content\/uploads\/2025\/10\/image-3.png\" alt=\"\" class=\"wp-image-11258\" style=\"width:569px;height:auto\"\/><\/figure><\/div>\n\n<h2 class=\"wp-block-heading\" id=\"so-is-ai-sustainable-or-not\"><strong>Quindi, l\u2019IA \u00e8 sostenibile o no?<\/strong><\/h2>\n\n\n<p>La risposta breve: <strong>dipende<\/strong>.<\/p>\n\n\n\n<p>L\u2019IA, in particolare quella generativa, \u00e8 <strong>indubbiamente ad alta intensit\u00e0 energetica<\/strong>, soprattutto su larga scala. Ma ha anche il potenziale per diventare <strong>un fattore abilitante dell\u2019efficienza energetica<\/strong> in molti settori.<\/p>\n\n\n\n<p>Verso un ecosistema IA pi\u00f9 sostenibile<\/p>\n\n\n\n<ul>\n<li><strong>Smart grids<\/strong>: ottimizzazione dei carichi, previsione dei blackout, integrazione delle rinnovabili<br><\/li>\n\n\n\n<li><strong>Predictive maintenance<\/strong>: riduzione degli sprechi e dei tempi di fermo nelle fabbriche<br><\/li>\n\n\n\n<li><strong>Building automation<\/strong>: sistemi HVAC adattivi e intelligenti<br><\/li>\n\n\n\n<li><strong>Trasporti e logistica<\/strong>: ottimizzazione dei percorsi e riduzione dei consumi<br><\/li>\n\n\n\n<li><strong>EV charging management<\/strong>: sincronizzazione con capacit\u00e0 di rete e prezzi dinamici<br><\/li>\n\n\n\n<li><strong>Previsioni energetiche<\/strong>: miglior stima di produzione solare\/eolica<br><\/li>\n<\/ul>\n\n\n\n<p>In altre parole, <strong>l\u2019IA \u00e8 sia consumatrice che regolatrice<\/strong> di energia. La sfida \u00e8 garantire che il suo <strong>valore superi i suoi costi<\/strong> , non solo in termini economici, ma anche ecologici e infrastrutturali.<\/p>\n\n\n<h2 class=\"wp-block-heading\" id=\"paths-toward-a-more-sustainable-ai-ecosystem\"><strong>Verso un ecosistema IA pi\u00f9 sostenibile<\/strong><\/h2>\n\n\n<p>Ecco alcune leve chiave per conciliare innovazione IA e sostenibilit\u00e0 energetica:<\/p>\n\n\n\n<p><strong>1. Innovazione hardware<\/strong><\/p>\n\n\n\n<ul>\n<li>Chip ad alta efficienza (neuromorfici, ottici, ASIC personalizzati)<br><\/li>\n\n\n\n<li>Design di modelli \u201chardware-aware\u201d<br><\/li>\n\n\n\n<li>Sistemi di raffreddamento intelligenti (a immersione, a cambiamento di fase)<\/li>\n<\/ul>\n\n\n\n<p><strong>2. Design the data center green<\/strong><\/p>\n\n\n\n<ul>\n<li>Architetture modulari e raffreddamento a liquido<br><\/li>\n\n\n\n<li>Energie rinnovabili on-site e sistemi di accumulo<br><\/li>\n\n\n\n<li>Load balancing dinamico e risposta alla domanda<br><\/li>\n<\/ul>\n\n\n\n<p><strong>3. Efficienza dei modelli<\/strong><\/p>\n\n\n\n<ul>\n<li>Tecniche di quantizzazione, pruning e distillazione<br><\/li>\n\n\n\n<li>Modelli pi\u00f9 piccoli e specializzati<br><\/li>\n\n\n\n<li>Riduzione attiva delle \u201callucinazioni\u201d e dei retry<br><\/li>\n<\/ul>\n\n\n\n<p><strong>4. Benchmarking energetico<\/strong><\/p>\n\n\n\n<ul>\n<li>Iniziative come <strong>l'AI Energy Score<\/strong> e <strong>ML.ENERGY<\/strong> sono fondamentali per stabilire parametri trasparenti<br><\/li>\n\n\n\n<li>I Policymakers potrebbero promuovere <strong>etichette energetiche<\/strong> o obblighi di disclosure delle emissioni per i modelli<br><\/li>\n<\/ul>\n\n\n\n<p><strong>5. Collaborazione cross-settoriale<\/strong><\/p>\n\n\n\n<ul>\n<li>Co-design tra sviluppatori IA <strong>, cloud provider, utility e regolatori<\/strong><strong><br><\/strong><\/li>\n\n\n\n<li>Evitare sovraccarichi locali e instradamenti inefficienti<br><\/li>\n<\/ul>\n\n\n\n<p><strong>6. Strategia geografica<\/strong><\/p>\n\n\n\n<ul>\n<li>Localizzazione dei data center in aree ad alta disponibilit\u00e0 rinnovabile<br><\/li>\n\n\n\n<li>Incentivi per l\u2019uso di reti low-carbon o fonti locali (nucleare, geotermico)<br><\/li>\n<\/ul>\n\n\n<h2 class=\"wp-block-heading\" id=\"final-thoughts-responsibility-not-just-optimization\"><strong>Considerazioni finali: responsabilit\u00e0, non solo ottimizzazione<\/strong><\/h2>\n\n\n<p>L\u2019IA generativa non \u00e8 solo una tecnologia rivoluzionaria: \u00e8 un cambio di paradigma nel modo in cui distribuiamo informazione, calcolo e intelligenza.<\/p>\n\n\n\n<p><em>Ma da grandi poteri derivano grandi\u2026 bollette.<\/em><\/p>\n\n\n\n<p>Se vogliamo che l\u2019IA non sia solo intelligente, ma <strong>anche responsabile<\/strong>, l\u2019energia deve diventare un <strong>principio progettuale fondamentale<\/strong>, non un problema del futuro. Il futuro dell\u2019IA non riguarda solo modelli pi\u00f9 grandi o chip pi\u00f9 veloci. Riguarda la costruzione di sistemi allineati <strong>ai limiti umani, ambientali e infrastrutturali<\/strong>. <\/p>","protected":false},"excerpt":{"rendered":"<p>The rise of generative artificial intelligence has sparked a global wave of innovation and optimism, but also a growing sense of concern. As language models, image generators, and other intelligent systems become increasingly integrated into everyday tools and workflows, a fundamental question arises: how much energy does AI actually consume, and is it sustainable? Once [&hellip;]<\/p>","protected":false},"author":9,"featured_media":11259,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[33,37],"tags":[],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.9.1 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Green AI: Can intelligence survive its own energy hunger? - Neodata<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/neodatagroup.ai\/it\/green-ai-can-intelligence-survive-its-own-energy-hunger\/\" \/>\n<meta property=\"og:locale\" content=\"it_IT\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Green AI: Can intelligence survive its own energy hunger? - Neodata\" \/>\n<meta property=\"og:description\" content=\"The rise of generative artificial intelligence has sparked a global wave of innovation and optimism, but also a growing sense of concern. As language models, image generators, and other intelligent systems become increasingly integrated into everyday tools and workflows, a fundamental question arises: how much energy does AI actually consume, and is it sustainable? Once [&hellip;]\" \/>\n<meta property=\"og:url\" content=\"https:\/\/neodatagroup.ai\/it\/green-ai-can-intelligence-survive-its-own-energy-hunger\/\" \/>\n<meta property=\"og:site_name\" content=\"Neodata\" \/>\n<meta property=\"article:published_time\" content=\"2025-10-10T08:59:02+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2025-10-10T08:59:03+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/neodatagroup.ai\/wp-content\/uploads\/2025\/10\/Modern-Data-Center.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1200\" \/>\n\t<meta property=\"og:image:height\" content=\"600\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Diego Arnone\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Scritto da\" \/>\n\t<meta name=\"twitter:data1\" content=\"Diego Arnone\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tempo di lettura stimato\" \/>\n\t<meta name=\"twitter:data2\" content=\"7 minuti\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/neodatagroup.ai\/green-ai-can-intelligence-survive-its-own-energy-hunger\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/neodatagroup.ai\/green-ai-can-intelligence-survive-its-own-energy-hunger\/\"},\"author\":{\"name\":\"Diego Arnone\",\"@id\":\"https:\/\/neodatagroup.ai\/#\/schema\/person\/6e392922ca0d22b3794aca58e0b39776\"},\"headline\":\"Green AI: Can intelligence survive its own energy hunger?\",\"datePublished\":\"2025-10-10T08:59:02+00:00\",\"dateModified\":\"2025-10-10T08:59:03+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/neodatagroup.ai\/green-ai-can-intelligence-survive-its-own-energy-hunger\/\"},\"wordCount\":1318,\"publisher\":{\"@id\":\"https:\/\/neodatagroup.ai\/#organization\"},\"articleSection\":[\"News\",\"Sustainable World\"],\"inLanguage\":\"it-IT\"},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/neodatagroup.ai\/green-ai-can-intelligence-survive-its-own-energy-hunger\/\",\"url\":\"https:\/\/neodatagroup.ai\/green-ai-can-intelligence-survive-its-own-energy-hunger\/\",\"name\":\"Green AI: Can intelligence survive its own energy hunger? - Neodata\",\"isPartOf\":{\"@id\":\"https:\/\/neodatagroup.ai\/#website\"},\"datePublished\":\"2025-10-10T08:59:02+00:00\",\"dateModified\":\"2025-10-10T08:59:03+00:00\",\"breadcrumb\":{\"@id\":\"https:\/\/neodatagroup.ai\/green-ai-can-intelligence-survive-its-own-energy-hunger\/#breadcrumb\"},\"inLanguage\":\"it-IT\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/neodatagroup.ai\/green-ai-can-intelligence-survive-its-own-energy-hunger\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/neodatagroup.ai\/green-ai-can-intelligence-survive-its-own-energy-hunger\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/neodatagroup.ai\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Green AI: Can intelligence survive its own energy hunger?\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/neodatagroup.ai\/#website\",\"url\":\"https:\/\/neodatagroup.ai\/\",\"name\":\"Neodata\",\"description\":\"\",\"publisher\":{\"@id\":\"https:\/\/neodatagroup.ai\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/neodatagroup.ai\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"it-IT\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/neodatagroup.ai\/#organization\",\"name\":\"Neodata\",\"url\":\"https:\/\/neodatagroup.ai\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"it-IT\",\"@id\":\"https:\/\/neodatagroup.ai\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/neodatagroup.ai\/wp-content\/uploads\/2023\/10\/NEODATA_FAVICON.png\",\"contentUrl\":\"https:\/\/neodatagroup.ai\/wp-content\/uploads\/2023\/10\/NEODATA_FAVICON.png\",\"width\":512,\"height\":521,\"caption\":\"Neodata\"},\"image\":{\"@id\":\"https:\/\/neodatagroup.ai\/#\/schema\/logo\/image\/\"}},{\"@type\":\"Person\",\"@id\":\"https:\/\/neodatagroup.ai\/#\/schema\/person\/6e392922ca0d22b3794aca58e0b39776\",\"name\":\"Diego Arnone\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"it-IT\",\"@id\":\"https:\/\/neodatagroup.ai\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/neodatagroup.ai\/wp-content\/uploads\/2024\/04\/WhatsApp-Image-2024-04-17-at-23.30.56.jpeg\",\"contentUrl\":\"https:\/\/neodatagroup.ai\/wp-content\/uploads\/2024\/04\/WhatsApp-Image-2024-04-17-at-23.30.56.jpeg\",\"caption\":\"Diego Arnone\"},\"description\":\"AI Evangelist and Marketing specialist for Neodata\",\"url\":\"https:\/\/neodatagroup.ai\/it\/author\/diego\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Green AI: Can intelligence survive its own energy hunger? - Neodata","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/neodatagroup.ai\/it\/green-ai-can-intelligence-survive-its-own-energy-hunger\/","og_locale":"it_IT","og_type":"article","og_title":"Green AI: Can intelligence survive its own energy hunger? - Neodata","og_description":"The rise of generative artificial intelligence has sparked a global wave of innovation and optimism, but also a growing sense of concern. As language models, image generators, and other intelligent systems become increasingly integrated into everyday tools and workflows, a fundamental question arises: how much energy does AI actually consume, and is it sustainable? Once [&hellip;]","og_url":"https:\/\/neodatagroup.ai\/it\/green-ai-can-intelligence-survive-its-own-energy-hunger\/","og_site_name":"Neodata","article_published_time":"2025-10-10T08:59:02+00:00","article_modified_time":"2025-10-10T08:59:03+00:00","og_image":[{"width":1200,"height":600,"url":"https:\/\/neodatagroup.ai\/wp-content\/uploads\/2025\/10\/Modern-Data-Center.png","type":"image\/png"}],"author":"Diego Arnone","twitter_card":"summary_large_image","twitter_misc":{"Scritto da":"Diego Arnone","Tempo di lettura stimato":"7 minuti"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/neodatagroup.ai\/green-ai-can-intelligence-survive-its-own-energy-hunger\/#article","isPartOf":{"@id":"https:\/\/neodatagroup.ai\/green-ai-can-intelligence-survive-its-own-energy-hunger\/"},"author":{"name":"Diego Arnone","@id":"https:\/\/neodatagroup.ai\/#\/schema\/person\/6e392922ca0d22b3794aca58e0b39776"},"headline":"Green AI: Can intelligence survive its own energy hunger?","datePublished":"2025-10-10T08:59:02+00:00","dateModified":"2025-10-10T08:59:03+00:00","mainEntityOfPage":{"@id":"https:\/\/neodatagroup.ai\/green-ai-can-intelligence-survive-its-own-energy-hunger\/"},"wordCount":1318,"publisher":{"@id":"https:\/\/neodatagroup.ai\/#organization"},"articleSection":["News","Sustainable World"],"inLanguage":"it-IT"},{"@type":"WebPage","@id":"https:\/\/neodatagroup.ai\/green-ai-can-intelligence-survive-its-own-energy-hunger\/","url":"https:\/\/neodatagroup.ai\/green-ai-can-intelligence-survive-its-own-energy-hunger\/","name":"Green AI: Can intelligence survive its own energy hunger? - Neodata","isPartOf":{"@id":"https:\/\/neodatagroup.ai\/#website"},"datePublished":"2025-10-10T08:59:02+00:00","dateModified":"2025-10-10T08:59:03+00:00","breadcrumb":{"@id":"https:\/\/neodatagroup.ai\/green-ai-can-intelligence-survive-its-own-energy-hunger\/#breadcrumb"},"inLanguage":"it-IT","potentialAction":[{"@type":"ReadAction","target":["https:\/\/neodatagroup.ai\/green-ai-can-intelligence-survive-its-own-energy-hunger\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/neodatagroup.ai\/green-ai-can-intelligence-survive-its-own-energy-hunger\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/neodatagroup.ai\/"},{"@type":"ListItem","position":2,"name":"Green AI: Can intelligence survive its own energy hunger?"}]},{"@type":"WebSite","@id":"https:\/\/neodatagroup.ai\/#website","url":"https:\/\/neodatagroup.ai\/","name":"Neodata","description":"","publisher":{"@id":"https:\/\/neodatagroup.ai\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/neodatagroup.ai\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"it-IT"},{"@type":"Organization","@id":"https:\/\/neodatagroup.ai\/#organization","name":"Neodata","url":"https:\/\/neodatagroup.ai\/","logo":{"@type":"ImageObject","inLanguage":"it-IT","@id":"https:\/\/neodatagroup.ai\/#\/schema\/logo\/image\/","url":"https:\/\/neodatagroup.ai\/wp-content\/uploads\/2023\/10\/NEODATA_FAVICON.png","contentUrl":"https:\/\/neodatagroup.ai\/wp-content\/uploads\/2023\/10\/NEODATA_FAVICON.png","width":512,"height":521,"caption":"Neodata"},"image":{"@id":"https:\/\/neodatagroup.ai\/#\/schema\/logo\/image\/"}},{"@type":"Person","@id":"https:\/\/neodatagroup.ai\/#\/schema\/person\/6e392922ca0d22b3794aca58e0b39776","name":"Diego Arnone","image":{"@type":"ImageObject","inLanguage":"it-IT","@id":"https:\/\/neodatagroup.ai\/#\/schema\/person\/image\/","url":"https:\/\/neodatagroup.ai\/wp-content\/uploads\/2024\/04\/WhatsApp-Image-2024-04-17-at-23.30.56.jpeg","contentUrl":"https:\/\/neodatagroup.ai\/wp-content\/uploads\/2024\/04\/WhatsApp-Image-2024-04-17-at-23.30.56.jpeg","caption":"Diego Arnone"},"description":"AI Evangelist and Marketing specialist for Neodata","url":"https:\/\/neodatagroup.ai\/it\/author\/diego\/"}]}},"_links":{"self":[{"href":"https:\/\/neodatagroup.ai\/it\/wp-json\/wp\/v2\/posts\/11254"}],"collection":[{"href":"https:\/\/neodatagroup.ai\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/neodatagroup.ai\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/neodatagroup.ai\/it\/wp-json\/wp\/v2\/users\/9"}],"replies":[{"embeddable":true,"href":"https:\/\/neodatagroup.ai\/it\/wp-json\/wp\/v2\/comments?post=11254"}],"version-history":[{"count":12,"href":"https:\/\/neodatagroup.ai\/it\/wp-json\/wp\/v2\/posts\/11254\/revisions"}],"predecessor-version":[{"id":11288,"href":"https:\/\/neodatagroup.ai\/it\/wp-json\/wp\/v2\/posts\/11254\/revisions\/11288"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/neodatagroup.ai\/it\/wp-json\/wp\/v2\/media\/11259"}],"wp:attachment":[{"href":"https:\/\/neodatagroup.ai\/it\/wp-json\/wp\/v2\/media?parent=11254"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/neodatagroup.ai\/it\/wp-json\/wp\/v2\/categories?post=11254"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/neodatagroup.ai\/it\/wp-json\/wp\/v2\/tags?post=11254"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}