Meta raffredda l’AI a circuito chiuso: meno acqua e più GPU per ogni rack

☁️ Punti chiave

• Meta usa acqua e glicole in un circuito chiuso che raffredda direttamente i server AI e può mantenere lo stesso fluido fino a dieci anni.
• Il direct-to-chip liquid cooling riduce il consumo idrico e permette di installare più GPU nello stesso spazio rispetto al raffreddamento ad aria.
• Meta utilizza reinforcement learning anche per ottimizzare il cooling: un progetto pilota ha ridotto energia delle ventole del 20% e acqua del 4%.

La corsa all’intelligenza artificiale sta trasformando anche l’impianto idraulico dei data center. Meta ha illustrato il sistema di raffreddamento liquido a circuito chiuso utilizzato nella maggior parte dei suoi nuovi siti ottimizzati per l’AI: una miscela di acqua e glicole assorbe direttamente il calore dei server, passa attraverso scambiatori e viene continuamente rimessa in circolo invece di essere consumata attraverso evaporazione. La soluzione risponde contemporaneamente a due problemi della nuova infrastruttura AI: densità termica delle GPU e consumo idrico. È un tassello della strategia più ampia di Meta Compute, che integra chip custom, networking, energia e raffreddamento come un’unica infrastruttura.

L’aria non basta più per raffreddare i nuovi cluster AI

Meta ricorda che soltanto pochi anni fa era ancora possibile raffreddare rack contenenti 16 Nvidia H100 interamente ad aria, come nel data center di Altoona, in Iowa. L’aumento della potenza e della densità degli acceleratori ha però progressivamente ridotto l’efficienza di questo modello. Più aria significa ventole più grandi, maggiore spazio nei server e un limite fisico alla quantità di hardware installabile nello stesso rack. Meta spiega nella fonte primaria dedicata al proprio closed-loop cooling che la maggior parte dei nuovi data center AI utilizza ormai raffreddamento liquido diretto, perché il fluido trasferisce il calore molto più efficacemente dell’aria. La stessa transizione è già visibile nell’industria con Google Cloud Brazos, progettato per portare il liquid cooling anche nei data center costruiti originariamente per l’aria.

Acqua e glicole possono restare nello stesso circuito per dieci anni

Il funzionamento è relativamente semplice: una miscela di acqua e glicole raggiunge i componenti caldi del server, assorbe energia termica e viene quindi pompata verso una serie di scambiatori che trasferiscono all’esterno il calore accumulato. Una volta raffreddato, lo stesso liquido torna al rack e ricomincia il ciclo. Meta prevede che il refrigerante possa restare operativo fino a dieci anni senza essere sostituito, riducendo drasticamente la necessità di nuova acqua rispetto ai sistemi evaporativi.

Nei siti compatibili vengono utilizzati dry cooler, mentre gli edifici più vecchi possono adottare una variante denominata Air-Assisted Liquid Cooling, nella quale pompe e scambiatori vengono distribuiti vicino ai rack. È la stessa direzione che ha portato Microsoft a presentare data center closed-loop pensati per ridurre quasi a zero il consumo operativo continuo di acqua.

Leggi anche: L’acqua diventa un vincolo politico per i data center AI tra raffreddamento, territorio e nuove infrastrutture

Meta confronta il consumo idrico con quello di due ristoranti

Secondo Meta, un tipico data center ottimizzato per l’AI con closed-loop liquid cooling e dry cooler utilizza annualmente meno acqua di un paio di ristoranti full-service. È un confronto scelto dall’azienda per contrastare l’idea che ogni grande campus AI debba necessariamente consumare enormi quantità di acqua. Il dato deve però essere letto nel perimetro specifico indicato da Meta: riguarda il raffreddamento a circuito chiuso dei nuovi impianti e non elimina il consumo idrico complessivo associato a costruzione, produzione elettrica e filiera dell’hardware. Il tema resta strategico proprio perché l’espansione dei data center AI sta mettendo sotto pressione comunità locali, disponibilità d’acqua e sistemi energetici. Il closed-loop riduce una componente del problema, ma diventa soprattutto una tecnologia necessaria per continuare ad aumentare la densità computazionale senza moltiplicare proporzionalmente le risorse fisiche.

Il vantaggio più importante è mettere più GPU nello stesso spazio

Il liquido permette infatti non soltanto di utilizzare meno acqua, ma di aumentare la capacità di calcolo per rack. Meta calcola che ottenere lo stesso livello di raffreddamento esclusivamente con l’aria potrebbe richiedere tray quasi due volte più grandi per ospitare ventole e componenti dedicati alla dissipazione. Con il direct-to-chip, invece, il calore viene intercettato vicino alla sorgente e portato fuori dal server attraverso il circuito idraulico, liberando spazio per acceleratori, memoria e networking.

La densità diventa un parametro economico: se lo stesso edificio può contenere più GPU, servono meno rack e meno superficie per raggiungere una determinata potenza di calcolo. Il vantaggio si collega direttamente alla nuova architettura MTIA v300 e MetaRoCE, dove Meta sta già ridisegnando chip e networking per eliminare altri colli di bottiglia dei cluster AI.

IcePack porta il raffreddamento liquido nell’open hardware

Come già avvenuto con server, rack e networking, Meta vuole trasferire parte delle proprie soluzioni termiche dentro Open Compute Project. Nel 2025 l’azienda ha presentato IcePack, una piattaforma di rack di rete raffreddata a liquido condivisa attraverso OCP, seguendo una strategia che mira a creare standard comuni utilizzabili anche da produttori e operatori esterni. La scelta diventa importante con l’aumento dei rack AI ad alta densità: se ogni hyperscaler sviluppasse connettori, manifold, piastre e sistemi idraulici incompatibili, il liquid cooling rischierebbe di trasformarsi in un nuovo livello di lock-in infrastrutturale. Meta prova invece a replicare nel raffreddamento il modello aperto già applicato al networking. L’approccio è coerente con la strategia attraverso cui l’azienda utilizza hardware custom e specifiche aperte per ridurre la dipendenza dalle piattaforme proprietarie dell’AI.

Continua con:

• Google porta il raffreddamento liquido nei vecchi data center con Brazos
• Meta testa blackout regionali estremi per rendere resilienti i data center AI

Meta usa l’AI per decidere quanto raffreddamento serve davvero

Meta applica infine reinforcement learning agli stessi sistemi che mantengono operativa l’infrastruttura AI. Gli ingegneri hanno costruito simulatori fisici dei data center nei quali il modello può valutare condizioni meteorologiche, carico dei server e comportamento degli impianti senza sperimentare direttamente su un sito produttivo. Una volta addestrato, il sistema aiuta a individuare configurazioni che riducono il raffreddamento mantenendo l’hardware all’interno delle temperature operative previste. In un progetto pilota applicato ai data center raffreddati ad aria, Meta dichiara una riduzione media del 20% dell’energia consumata dalle ventole di mandata e del 4% nell’utilizzo dell’acqua. Con cluster sempre più grandi, energia, raffreddamento e resilienza stanno diventando importanti quanto GPU e algoritmi nella competizione mondiale sull’AI: il paradosso è che l’intelligenza artificiale viene ora utilizzata anche per ridurre il costo fisico necessario a mantenerla in funzione.