Quando l'AI riaccende il nucleare
Three Mile Island torna online nel 2027. Microsoft ci mette 1,6 miliardi. Il motivo è uno solo: i data center AI consumano più energia di quanta il mercato sappia produrre.
Il 7 maggio 2026, Bloomberg pubblica un lungo reportage dalla Pennsylvania: operai, ingegneri e tecnici al lavoro dentro la centrale nucleare di Three Mile Island, la stessa che nel 1979 subì un parziale scioglimento del nocciolo e rimase impressa nell'immaginario collettivo come il simbolo dei rischi dell'atomo.
Oggi si chiama Crane Clean Energy Center, e si riaccende per far girare i data center di Microsoft.
Constellation Energy, il più grande operatore di reattori nucleari degli Stati Uniti, ha firmato con Microsoft un accordo di fornitura ventennale per tutta la produzione dell'impianto: 835 megawatt di energia carbon-free, destinati esclusivamente all'infrastruttura AI dell'azienda di Redmond.
Il costo per rimettere in piedi la centrale: 1,6 miliardi di dollari, in parte coperti da un prestito federale da 1 miliardo del Dipartimento dell'Energia americano.
Il target originale era il 2028. Il progetto è ora in anticipo: Constellation stima il riavvio nel 2027, se l'NRC (Nuclear Regulatory Commission) approverà le modifiche alla licenza operative.
Quello che mi colpisce di questa vicenda non è la centrale in sé. È la traiettoria.
L'AI ha smesso di essere un problema software. È diventata un problema energetico.
Microsoft, Google, Amazon, Meta: tutti stanno firmando contratti diretti con produttori di energia pulita perché i normali strumenti del mercato elettrico non bastano più. Non si comprano crediti rinnovabili: si compra la centrale. O si finanzia la costruzione di nuovi reattori modulari.
Meta ha appena firmato per la fornitura dalla centrale di Beaver Valley, in Pennsylvania, per alimentare il suo progetto AI "Prometheus". Google ha un accordo con Kairos Power per una flotta di reattori modulari da attivare entro il 2030. La gara è aperta.
Il nucleare fa paura da decenni. In Italia questa conversazione è ferma al 1987. Nel resto del mondo si sta riaprendo, non per ideologia, ma per necessità aritmetica.
Un data center di grandi dimensioni consuma tra i 20 e i 100 megawatt. Un cluster di GPU per training AI può stare in quella forbice da solo. Moltiplica per le migliaia di strutture che stanno nascendo, aggiungi la variabile della disponibilità 24/7 e capisci perché le rinnovabili, da sole, non chiudono il conto.
L'energia solare e quella eolica sono intermittenti per definizione. Il nucleare no: eroga in modo continuo, indipendentemente da nuvole o vento.
Cosa c'entra tutto questo con le PMI italiane che stanno valutando se adottare l'AI?
Il costo computazionale dell'AI non scende in modo uniforme. Scende per chi la usa in modo banale, su task standard. Per chi lavora con modelli più potenti, dataset specifici o processi che richiedono inferenza continua, il costo energetico si trasferisce prima o poi sul prezzo dei servizi cloud.
Chi usa l'AI in modo intelligente oggi costruisce un vantaggio che non dipende solo dallo strumento: dipende da quanto ha imparato a lavorarci prima che diventi più costoso e più affollato.
Non sto dicendo che il nucleare cambierà la bolletta del tuo abbonamento a Claude o ChatGPT nei prossimi dodici mesi. Sto dicendo che la corsa all'infrastruttura AI è reale, è costosa e ha conseguenze strutturali che chi adotta oggi non vede ancora.
La cosa più utile che puoi fare adesso è semplice: smetti di valutare l'AI come un esperimento. Comincia a usarla su un processo reale, con un obiettivo misurabile, nei prossimi trenta giorni.
Non perché "il futuro è qui". Perché ogni mese che passa senza imparare è un mese in cui il tuo mercato impara al posto tuo.