Venti watt contro un gigawatt

 Il cervello umano consuma quanto una lampadina a basso consumo. L'intelligenza artificiale ha bisogno di centrali elettriche. Ma il confronto, fatto bene, è più sorprendente — e meno scontato — di quanto si racconti.

Sommario — Otto miliardi di cervelli assorbono circa 1.400 TWh l'anno, nove volte i data center dedicati all'IA. Eppure, a parità di "operazioni", il vantaggio biologico è incerto: il vero abisso sta nell'apprendimento, dove un essere umano spende migliaia di volte meno energia di un modello di frontiera.

Appoggiate una mano sulla fronte. Lì sotto, in poco più di un litro di tessuto, lavorano 86 miliardi di neuroni collegati da un numero di sinapsi stimato fra cento e mille trilioni. Il tutto alimentato da circa 20 watt: meno di una lampadina LED da salotto, l'equivalente di poco più di 400 kilocalorie al giorno, un panino e un frutto.

Dall'altra parte del mondo, in Virginia, in Irlanda, nel deserto dell'Arizona, sorgono capannoni grandi come quartieri che consumano quanto intere città. Dentro, decine di migliaia di processori grafici imparano a scrivere, tradurre, programmare. L'Agenzia Internazionale dell'Energia stima che un data center tipico per l'IA consumi quanto 100.000 famiglie, e che i più grandi in costruzione arrivino a venti volte tanto (IEA, Energy and AI).

Venti watt contro un gigawatt. È la sproporzione più citata del dibattito sull'intelligenza artificiale. Ma è anche, se presa alla lettera, una delle più fraintese. Abbiamo rifatto i conti.

Il conto dell'energia: l'umanità pensa con nove volte l'elettricità dell'IA

Moltiplichiamo 20 watt per otto miliardi di persone: 160 gigawatt di potenza continua, circa 1.400 terawattora l'anno. È più di quanto consumano di elettricità Germania e Francia messe insieme.

I data center dedicati all'IA, secondo l'IEA, hanno assorbito 155 TWh nel 2025, contro 485 TWh di tutti i data center del pianeta (Our World in Data su dati IEA 2026). Nello stesso anno il loro consumo è cresciuto del 50% (Enlit su rapporto IEA).

Il primo dato sorprendente è questo: oggi l'IA consuma circa un nono dell'energia che l'umanità spende per pensare. Il secondo è la velocità. Se lo scenario base IEA si realizza, nel 2030 il rapporto scenderà a uno su tre.

Attenzione però a leggere queste cifre come una gara di efficienza. Non lo sono. I cervelli fanno cose diverse dai data center, e i data center fanno cose che nessun cervello sa fare, come rispondere a centinaia di milioni di richieste in parallelo. Per misurare l'efficienza serve un'unità comune. Ed è lì che il racconto si complica.

Il confronto che conta: non quanto si consuma, ma quanto costa imparare

Per operazione, il vantaggio del cervello è reale ma incerto. Quante "operazioni" compie un cervello? Lo studio più citato, del filosofo Joseph Carlsmith per Open Philanthropy con oltre 30 esperti, giudica plausibile un intervallo tra 10¹³ e 10¹⁷ operazioni al secondo, con una stima centrale di 10¹⁵ (Carlsmith, brain computation report). Una GPU di fascia alta come la Nvidia H100 sviluppa circa 10¹⁵ operazioni al secondo in mezza precisione, assorbendo 700 watt.

Sulla stima centrale, il cervello è circa 35 volte più efficiente. Ai due estremi dell'intervallo, il rapporto va da un cervello tre volte meno efficiente della GPU a uno 3.500 volte più efficiente. Chi scrive che il divario è "di molti ordini di grandezza" sceglie, senza dirlo, l'estremo che gli conviene.

Nell'apprendimento, invece, il divario è enorme. Le stime indipendenti sull'addestramento di GPT-4, il modello di OpenAI del 2023, convergono su 50–62 gigawattora di elettricità (RISE; Ludvigsen, Towards Data Science). Un cervello umano, in vent'anni di vita a 20 watt, consuma circa 3,5 megawattora.

Il rapporto supera le diecimila volte. Anche mettendo in conto tutto il corpo, circa 100 watt medi, un essere umano arriva all'età adulta con circa un tremillesimo dell'energia spesa per addestrare quel modello. E i modelli di frontiera successivi, i cui consumi non sono pubblici, sono stati addestrati con una potenza di calcolo superiore.

Il confronto va però maneggiato con onestà. GPT-4 ha "letto" più testo di quanto un essere umano potrebbe leggere in migliaia di vite, e una volta addestrato serve milioni di persone. Il cervello, dal canto suo, non parte da zero: eredita circa quattro miliardi di anni di selezione naturale, il più lungo e costoso "pre-addestramento" della storia.

Spazio e calore: il cervello non è un chip, è un chip con un corpo intorno

Quattro piramidi. Otto miliardi di cervelli da 1,35 litri occupano 10,8 milioni di metri cubi: circa quattro volte la Grande Piramide di Giza, che misura intorno ai 2,6 milioni. Tutta la potenza di pensiero della specie umana starebbe in un cubo di circa 220 metri di lato.

Le stime sul volume degli edifici dei data center mondiali, invece, si aggirano sulle centinaia di milioni di metri cubi: decine di volte di più. È un'immagine efficace, ma va presa per quello che è. Quegli edifici ospitano soprattutto cloud, streaming, posta elettronica e archivi, non solo IA. E il confronto è fra un organo nudo e uno stabilimento completo di impianti.

Il corpo è il data center del cervello. Il cervello non vive da solo. Per funzionare riceve circa il 15% del sangue pompato dal cuore e consuma circa il 20% dell'ossigeno del corpo a riposo, pur pesando il 2% della massa corporea. Polmoni, cuore, apparato digerente e reni sono il suo sistema di alimentazione, raffreddamento e smaltimento.

Se applichiamo all'essere umano l'indicatore con cui si giudicano i data center, il PUE (energia totale divisa per energia di calcolo), il risultato è spiazzante. Circa 100 watt di corpo per 20 watt di cervello danno un "PUE umano" vicino a 5. La media mondiale dei data center è 1,54, e i grandi operatori cloud scendono a 1,10–1,15 (Uptime Institute 2025, via mgrid).

Il paragone è volutamente provocatorio: il corpo non serve solo il cervello, ci fa anche camminare, riprodurre e guarire. Ma scardina un luogo comune. Il cervello non è un dissipatore perfetto. È un organo raffreddato dal sangue a circa 37 °C, che non tollera di salire di pochi gradi: il colpo di calore è, prima di tutto, un guasto neurologico.

Le GPU, al contrario, lavorano con giunzioni oltre gli 80 °C e si raffreddano sempre più spesso con liquido portato direttamente sul chip. Due strategie opposte allo stesso problema: smaltire ogni watt che diventa calore.

Perché il cervello spreca meno: la memoria sta dove si calcola

Il costo nascosto è il trasloco dei dati. Nei computer, processore e memoria sono fisicamente separati: è l'architettura descritta da John von Neumann nel 1945. Ogni calcolo richiede di prelevare dati dalla memoria e riportarli indietro. Nei chip moderni, leggere un dato dalla memoria esterna costa da cento a mille volte più energia che eseguire una moltiplicazione.

Il cervello non ha questo problema. L'informazione è conservata nelle sinapsi, cioè esattamente dove avviene l'elaborazione. Non c'è un bus su cui far viaggiare i dati avanti e indietro.

Il cervello lavora quasi sempre in silenzio. Ogni neurone emette in media da 0,1 a 1 impulso al secondo, secondo le stime adottate da Carlsmith (Carlsmith). La gran parte del circuito resta a riposo e consuma poco, mentre una GPU fa lavorare i suoi transistor a miliardi di cicli al secondo.

C'è poi un dato controintuitivo. Risolvere un'equazione o guardare un paesaggio cambia il consumo totale del cervello di pochi punti percentuali. La maggior parte dei 20 watt serve a mantenere il sistema acceso e pronto, non al compito del momento.

Imparare mentre si usa. Un modello linguistico si addestra una volta, in una fase centralizzata e costosissima, poi viene congelato e usato. Il cervello modifica le proprie connessioni mentre funziona, e spesso gli bastano pochi esempi per apprendere un concetto nuovo.

Anche qui, però, niente miti. Quella capacità di imparare da pochi esempi poggia su anni di esperienza sensoriale continua e su un cervello già plasmato dall'evoluzione. E i modelli linguistici attuali sanno a loro volta svolgere compiti nuovi a partire da pochi esempi forniti nella richiesta.

Copiare la natura: tre strade, nessuna scorciatoia

Chip neuromorfici. Sono processori che imitano i neuroni: comunicano per impulsi e tengono la memoria accanto al calcolo. Il sistema più grande, Hala Point di Intel, presentato nel 2024, ha 1,15 miliardi di neuroni artificiali e 128 miliardi di sinapsi in un telaio grande come un forno a microonde, con un consumo massimo di 2.600 watt (Intel). Intel lo paragona al cervello di un gufo.

I numeri raccontano la distanza. Per neurone, Hala Point assorbe a pieno carico circa diecimila volte più di un neurone umano. Va detto che può girare fino a venti volte più veloce di un cervello: anche correggendo per questo, il divario resta di diverse centinaia di volte.

Neuroni veri su silicio. Nel 2025 l'australiana Cortical Labs ha messo in vendita CL1, presentato come il primo computer biologico commerciale: neuroni umani coltivati da cellule staminali che crescono su un chip, a circa 35.000 dollari l'unità (DCD). Il suo predecessore, DishBrain, con 800.000 neuroni, aveva imparato a giocare a Pong.

Il dettaglio più istruttivo è un altro. L'unità assorbe da 850 a 1.000 watt, quasi tutti per il sistema che tiene in vita le cellule, che sopravvivono circa sei mesi. È lo stesso problema del corpo umano, in miniatura: i neuroni sono efficienti, mantenerli vivi no. Restano poi aperte questioni etiche serie, a cominciare dal grado di sensibilità che reti di neuroni umani potrebbero sviluppare.

Chip in tre dimensioni. Impilare memoria e logica in verticale accorcia le distanze che i dati devono percorrere, cioè attacca proprio il costo del trasloco. Le memorie impilate accanto alle GPU vanno già in questa direzione. Il limite è sempre lo stesso: più si impila, più è difficile estrarre il calore dal centro della pila.

La lezione dei 20 watt

Il cervello non è il computer perfetto che spesso si racconta. È lento, fragile, impreciso, e vive dentro un corpo che spende cinque volte la sua energia per tenerlo acceso. Dove però stravince è nell'imparare: con l'energia che un frigorifero domestico consuma in vent'anni, costruisce un'intelligenza generale che i data center ottengono solo bruciando gigawattora.

La domanda per gli ingegneri non è quindi come costruire data center più grandi, ma come rendere l'apprendimento meno costoso. L'IEA prevede che i consumi dell'IA triplichino entro il 2030. Se nessuno risolve quel problema, a pagarne il conto sarà la rete elettrica e l'ambiente.

L'evoluzione ha impiegato milioni di anni per arrivare a 20 watt. Noi abbiamo un decennio per capire come ha fatto.

Fonti: IEA, Energy and AI (2025) e Key Questions on Energy and AI (2026), via Our World in Data; potenze medie calcolate dividendo l'energia annua per 8.760 ore. Il valore per l'IA è una stima