La nuova visione di NVIDIA per le AI factory si basa su un principio tecnico controintuitivo: raffreddare server ad altissima densità non con acqua fredda, ma con liquido caldo. Le ultime architetture per infrastrutture AI sono progettate per lavorare con coolant fino a 45 °C, una temperatura più alta di quella di una vasca idromassaggio. Dopo il passaggio nei server, il liquido può uscire a circa 55 °C, portando via il calore direttamente dai chip invece di affidarsi al raffreddamento dell’aria dell’intera sala.
Il vantaggio teorico è molto forte. Se il calore viene catturato direttamente alla fonte, il data center non deve più mantenere ambienti freddi, spostare grandi volumi d’aria o usare chiller meccanici in modo continuo. Con un circuito chiuso, il liquido viene caricato una volta e ricircolato per tutta la vita operativa dell’impianto. In configurazioni favorevoli, il calore può essere scaricato all’esterno tramite dry cooler, cioè grandi scambiatori simili a radiatori, senza torri evaporative e senza consumo continuo di acqua per raffreddare i chip.
Questo approccio è particolarmente importante perché la densità dei rack AI sta salendo rapidamente. I data center tradizionali lavoravano su potenze molto più basse per rack, mentre le nuove infrastrutture hyperscale possono superare i 135 kW per rack. In queste condizioni, il raffreddamento ad aria diventa sempre meno efficiente: richiede più spazio, più energia, più ventole, più canalizzazione e più capacità di condizionamento. Il raffreddamento direct-to-chip, invece, trasferisce il calore attraverso cold plate e circuiti liquidi, riducendo il ruolo dell’aria come mezzo intermedio.
Con Blackwell e Rubin, NVIDIA sta spingendo questa transizione da soluzione specialistica a standard infrastrutturale. I sistemi GB200 NVL72 e GB300 NVL72 sono progettati per carichi AI ad altissima densità, con raffreddamento liquido a livello rack. La generazione Rubin porta il concetto ancora più avanti: l’obiettivo è un’infrastruttura liquid-cooled al 100%, dove chip, componenti di networking e parti critiche del sistema vengono raffreddati tramite liquido, senza dipendere da ventole interne. Questo consente più densità, meno rumore, meno ingombro e un miglior rapporto tra potenza computazionale e consumo energetico.
NVIDIA sostiene che il passaggio al liquid cooling possa ridurre drasticamente l’uso d’acqua all’interno del data center. Nei casi migliori, l’uso di dry cooler e circuiti chiusi può portare il consumo idrico operativo vicino allo zero rispetto ai sistemi basati su torri evaporative, che possono richiedere milioni di galloni d’acqua per megawatt ogni anno. La piattaforma Blackwell viene indicata come fino a 300 volte più efficiente nell’uso dell’acqua rispetto ad architetture air-cooled tradizionali, mentre un impianto hyperscale da 50 MW potrebbe ottenere risparmi annuali significativi su energia e costi di raffreddamento.
Il problema è che questa visione dipende molto dal clima esterno. Il warm-water cooling funziona al meglio quando l’aria ambiente è abbastanza più fredda del liquido da permettere ai dry cooler di scaricare calore senza ricorrere a refrigerazione meccanica. In aree temperate o fredde, questo può rendere possibile un funzionamento chiller-less per gran parte dell’anno. In India, però, lo scenario è molto più complesso: ondate di calore sopra i 45 °C, elevata umidità in molte regioni, stagioni monsoniche e forte variabilità climatica riducono la finestra in cui il raffreddamento a secco può funzionare con massima efficienza.
Quando la temperatura esterna si avvicina alla temperatura del coolant, lo scambio termico diventa meno efficace. Se l’aria esterna è a 43-45 °C, un circuito che lavora con liquido a 45 °C ha meno margine per dissipare il calore senza supporto aggiuntivo. Questo può obbligare il data center a usare chiller, sistemi adiabatici o configurazioni ibride proprio nei periodi di massimo carico termico. In pratica, la tecnologia riduce il consumo d’acqua e l’uso di refrigerazione, ma non elimina automaticamente la necessità di progettare l’impianto in base al clima locale.
Il caso indiano è particolarmente delicato perché la crescita dell’AI e del cloud sta aumentando rapidamente la domanda di data center. La capacità installata è passata da circa 375 MW nel 2020 a oltre 1.500 MW nel 2025. Se una parte rilevante di questa crescita fosse raffreddata con sistemi convenzionali, il consumo idrico potrebbe diventare un problema infrastrutturale: è stata stimata una possibile richiesta fino a 37,5 miliardi di litri d’acqua all’anno, equivalente al fabbisogno annuo di centinaia di migliaia di persone.
Il punto non è solo tecnico, ma anche territoriale. L’India ospita circa il 18% della popolazione mondiale con circa il 4% delle risorse globali di acqua dolce. In molte aree il prelievo da falde, la domanda agricola, la scarsità stagionale e l’urbanizzazione rendono l’acqua una risorsa già contesa. In questo contesto, qualsiasi infrastruttura AI deve essere valutata non solo per PUE, densità rack e throughput, ma anche per WUE, disponibilità idrica locale, possibilità di usare acque reflue trattate, raccolta piovana, ricarica delle falde e integrazione con la rete elettrica.
La risposta più realistica non è quindi scegliere tra raffreddamento ad aria e warm-water cooling, ma progettare architetture ibride e resilienti. Il direct-to-chip liquid cooling può ridurre il carico termico all’origine. I circuiti chiusi possono tagliare il consumo continuo di acqua. I dry cooler possono funzionare quando le condizioni ambientali lo consentono. I sistemi adiabatici o i chiller possono intervenire solo nei picchi climatici. L’immersion cooling può servire in casi di densità ancora più elevata. Il recupero e riuso delle acque reflue può limitare l’impatto sulle risorse potabili.
Il raffreddamento warm-water di NVIDIA è quindi una svolta importante, ma non una soluzione universale applicabile senza adattamenti. Nei climi favorevoli può quasi eliminare l’acqua usata per raffreddare i server e ridurre fortemente il consumo energetico del cooling. In India, invece, la sua efficacia dipenderà dalla città, dalla stagione, dalla disponibilità di acqua non potabile, dalla qualità della rete elettrica, dal mix energetico, dalla progettazione del facility loop e dalla capacità di gestire i giorni in cui il caldo esterno rende insufficiente il solo raffreddamento a secco.
La direzione tecnica resta chiara: le AI factory non potranno crescere con gli stessi sistemi di raffreddamento dei data center tradizionali. La densità computazionale di Blackwell, Rubin e delle future piattaforme AI richiede liquid cooling, gestione termica a livello di chip e infrastrutture progettate attorno al calore, non semplicemente condizionate dall’esterno. Ma nei mercati caldi e idricamente stressati come l’India, la vera sfida sarà trasformare questa efficienza teorica in un’architettura operativa capace di funzionare durante le ondate di calore, senza spostare il problema dal consumo d’acqua al consumo energetico.