Amazon ha tagliato l’acqua nei data center del 90%

Il free air cooling e l’analisi dei trade-off hanno permesso un risparmio idrico di 7x nei data center

Nei data center Amazon, il 90% del tempo i server vengono raffreddati senza una goccia d’acqua. Il sistema si chiama free air cooling: l’aria esterna viene filtrata e immessa direttamente nelle sale macchine, bypassando qualsiasi circuito di raffreddamento a umido. Non è una trovata green, è una scelta ingegneristica che poggia su un’analisi di migliaia di ore di telemetria. Amazon ha verificato che i tassi di guasto stabili non aumentano anche quando le temperature operative salgono ben oltre i limiti raccomandati dai vendor. Il risultato è un consumo idrico medio di 0,12 litri per kilowattora, contro la media del settore di 0,84 L/kWh.

Un fattore 7x di efficienza che non deve nulla alla spettacolarità, e tutto a un approccio basato sul dato.

Questa stessa mentalità — massimizzare il rendimento di ogni unità di risorsa — emerge in un ambito apparentemente lontano: la produttività del codice. I team che sviluppano su AWS hanno documentato incrementi di produttività che seguono curve simili: non un singolo colpo di genio, ma una serie di ottimizzazioni cumulative che moltiplicano l’output a parità di input umano.

Acqua, elettricità e il teorema dell’ottimizzazione

Il miglioramento nell’efficienza idrica dei data center non è arrivato da una tecnologia magica. Amazon ha scelto di non usare evaporative cooling (che consuma acqua) per la maggior parte dei siti, adottando invece chiller e ventilatori. La scelta avrebbe potuto aumentare il consumo elettrico — i chiller richiedono dal 25% al 35% più elettricità rispetto all’evaporativo — ma il compromesso è stato accettato perché il bilancio totale (acqua + energia) risultava migliore per il contesto geografico locale. Inoltre, l’innalzamento delle temperature di esercizio ha permesso di attivare il free air cooling per il 90% dell’anno, azzerando di fatto il prelievo idrico per lunghi periodi. L’articolo sull’efficienza idrica dei data center mostra che il risultato complessivo è un fattore 7x rispetto alla media di settore, senza sacrificare l’affidabilità hardware.

Il dato chiave è che l’ottimizzazione non è stata imposta dall’alto, ma è emersa da un’analisi granulare dei trade-off: ogni grado di temperatura in più, ogni kilowatt di raffreddamento risparmiato, viene misurato e validato su scala reale. La stessa filosofia si ritrova nella gestione del ciclo di vita del codice: non grandi réwrite, ma piccoli cambiamenti misurati e iterati.

Il codice che si scrive più veloce, non da solo

I numeri sulla produttività AI dei team Amazon raccontano una storia analoga. Un team frontier Bedrock ha registrato un aumento della produttività individuale di circa 20x, misurato dalla velocità di commit normalizzata, come documentato nell’articolo sullo sviluppo AI-native dei team frontier. Non si tratta di un assistente magico che scrive codice al posto del developer, ma di un ambiente in cui le attività a basso giudizio vengono accelerate e quelle ad alto giudizio vengono protette dall’interruzione. Il team Prime Video Financial ha ridotto una stima di progetto di 90 settimane a 24 settimane, un salto di quasi 4x che ha permesso di rilasciare funzionalità critiche in una frazione del tempo previsto.

L’esperimento più controllato è stato condotto dal team di Prime Video: hanno misurato un guadagno di produttività in-situ mediano di 4.5x, con punte fino a 10x nei team più maturi. Non è un outlier: il guadagno mediano di produttività nell’intero esperimento è stato di 4.5x, con alcuni team che hanno superato 10x di miglioramento nella velocità di deployment normalizzata.

Tre leve per un ordine di grandezza

Il team di Prime Video ha attribuito il risultato a tre fattori di accelerazione, ciascuno contribuente per circa 1.5x: lavoro a basso giudizio accelerato (generazione boilerplate, test, documentazione), focus ad alto giudizio senza cambio di contesto (grazie a strumenti che eliminano i micro-interruttori tra tool e IDE), e accesso istantaneo a competenze di dominio via agenti (in modo da non dover attendere un esperto umano per domande puntuali). Il prodotto di questi tre 1.5x dà circa 3.4x, vicino al 4.5x misurato; il delta è spiegabile con l’effetto di secondo ordine della riduzione del debito cognitivo.

La lezione per chi costruisce sistemi oggi è chiara: non serve un AGI o un framework “rivoluzionario”. L’ottimizzazione silenziosa — quella che riduce i prelievi d’acqua del 90% e moltiplica la produttività del codice per un fattore 10 — si ottiene misurando ogni millilitro e ogni commit, preferendo il dato al clamore. La prossima volta che vedrete un numero “x” nei report di AWS, chiedetevi non cosa viene moltiplicato, ma cosa viene tolto di mezzo.