Da infrastrutture per l’IT tradizionale, negli ultimi anni i data center sono diventati piattaforme industriali in grado di sostenere workload cloud e di intelligenza artificiale ad altissima densità. L’esplosione dell’AI generativa ha poi accelerato la trasformazione. Come conseguenza, l’International Energy Agency (IEA), stima che il consumo globale dei data center potrebbe più che raddoppiare entro la fine del 2026 rispetto al 2022, trainato proprio dall’AI. Potenza disponibile, efficienza energetica e nuove tecnologie di raffreddamento diventano perciò leve strategiche. Ne parliamo con Davide Suppia, country managing director di Data4 Italia.
A due anni dall’acquisizione da parte di Brookfield, come sono cambiate le vostre priorità di crescita e sviluppo?
Le nostre priorità rimangono coerenti: rafforzare la presenza nei Paesi in cui operiamo e consolidare il nostro posizionamento come player europeo indipendente. L’ingresso di Brookfield ha rappresentato un punto di svolta nella capacità di scalare: il loro supporto finanziario ci consente di pianificare sul lungo periodo e accelerare l’espansione. Manteniamo però identità, governance e radici europee.
Abbiamo annunciato un piano di investimenti di 21,5 miliardi di euro in Europa entro il 2030. Si tratta di un impegno rilevante che punta a sostenere la crescente domanda di capacità, soprattutto in ambito cloud e AI.
In che modo la domanda degli hyperscaler sta cambiando il vostro mix clienti e la progettazione dei campus?
La domanda degli hyperscaler è in forte crescita, ma il mercato si sta ampliando anche grazie ai neocloud e a nuovi operatori verticali. Continuiamo a perseguire un mix clienti diversificato, elemento che riteniamo strategico per la resilienza del business.
Ciò che è cambiato è il livello di complessità delle richieste: maggiore sicurezza, requisiti di compliance più stringenti e potenze installate sempre più elevate. Questo impatta direttamente sulla progettazione dei campus, che devono essere più flessibili e scalabili.
State osservando uno spostamento dalla colocation standard a soluzioni build-to-suit?
Sì, è una tendenza evidente soprattutto nel segmento hyperscaler. Le soluzioni build-to-suit prevedono la progettazione e costruzione di un edificio o di una data hall interamente dedicata a un singolo cliente, sulla base di specifiche tecniche e operative molto precise.
Quando le esigenze di crescita e personalizzazione superano i limiti della colocation tradizionale, il modello su misura diventa la scelta naturale. Nel segmento retail enterprise, invece, la colocation standard resta ancora prevalente.
Quali richieste dell’AI vi mettono più sotto pressione: densità per rack, potenza disponibile o raffreddamento?
La densità è sicuramente una delle sfide principali. Oggi possiamo trovarci di fronte a gruppi di rack che arrivano a pesare fino a 2,5 tonnellate in meno di 5 mq. Questo ha richiesto una revisione strutturale dei pavimenti e del design costruttivo.
Densità e raffreddamento sono strettamente correlati. L’AI genera hot-spot molto concentrati: per questo abbiamo adottato soluzioni di raffreddamento diretto a liquido che consentono maggiore modularità, migliore distribuzione termica ed efficienza superiore rispetto ai sistemi tradizionali ad aria.
Avete un’architettura “AI-ready”? Come mantenete bassi i consumi di energia e acqua?
I nostri campus sono progettati secondo un’architettura AI-ready, in grado di supportare rack con densità superiori ai 100 kW. La modularità consente di adattare progressivamente la capacità alla domanda.
Sul fronte energetico, nei campus europei utilizziamo energia proveniente totalmente da fonti rinnovabili. A inizio 2025 abbiamo sottoscritto con Edison Energia un PPA decennale per un parco fotovoltaico da 148 MWp in provincia di Viterbo, che fornirà oltre 500 GWh di energia solare in dieci anni.
Puntiamo a mantenere un PUE inferiore a 1,2 nei nuovi data center. Anche la gestione dell’acqua è centrale: grazie a sistemi ottimizzati e a circuito chiuso, il consumo idrico del nostro campus MIL01 equivale a quello di sole 42 persone. Tutto rientra nella nostra strategia ESG e nel programma Data4 Good.
Predisponete le nuove sale dati per il raffreddamento a liquido? Meglio direct-to-chip o immersione?
Tutte le nuove sale sono predisposte per il liquid cooling, essenziale per carichi AI ad altissima densità. Abbiamo già implementato un progetto di Direct Liquid Cooling nel campus di Marcoussis, in Francia.
Privilegiamo il direct-to-chip perché garantisce efficienza energetica, controllo termico preciso e integrazione con le infrastrutture esistenti. L’immersion cooling è una tecnologia promettente che continuiamo a monitorare, ma oggi il DLC rappresenta la soluzione più matura e scalabile.
Dal vostro punto di vista, ha senso integrare micro-hub edge nei campus?
Alcuni clienti hanno già implementato point of presence edge nei nostri campus. La vicinanza alle aree metropolitane e l’elevato livello di interconnessione con i carrier telco consentono di ridurre la latenza e aumentare resilienza e continuità operativa.
I primi casi d’uso riguardano applicazioni industriali, smart manufacturing e servizi digitali che richiedono elaborazione in tempo quasi reale.
Quali strumenti adottate per il monitoraggio e quali KPI condividete oltre al PUE?
Gestiamo i data center attraverso un Customer Portal che offre visibilità in tempo reale sull’infrastruttura. Oltre a PUE, WUE e CUE, i clienti possono monitorare potenza assorbita, capacità residua, temperatura, umidità e stato delle connessioni elettriche e di rete.
Sono disponibili anche dati ambientali, come consumo d’acqua e quota di energia rinnovabile. Questo approccio abilita pianificazione della capacità, integrazione con dashboard proprietarie e analisi predittive.
In che modo il design modulare riduce il time-to-capacity mantenendo standard coerenti tra Paesi?
Il design modulare consente di passare da una costruzione tradizionale a un processo industriale standardizzato e replicabile. Utilizziamo componenti prefabbricati e design collaudati, adattabili alle esigenze locali.
Non è necessario costruire tutta la capacità fin dall’inizio: possiamo aggiungere nuovi edifici o data hall all’interno dello stesso campus in funzione della domanda. Questo riduce il time-to-capacity, garantendo al contempo coerenza di standard e qualità tra i diversi Paesi.