L’AI implementata sui veicoli elettrici è energeticamente sostenibile?

Nel precedente articolo sul tema “energia e mobilità” si è sostenuto che l’interpretazione dell’EV come semplice mezzo di trasporto sostitutivo del veicolo termico allo scopo del mero trasporto di persone ed oggetti è una visione miope e fallimentare. Viceversa, immaginare l’EV come una piattaforma di scambio di energia ed informazioni consente un approccio del tutto innovativo ed olistico rispetto all’intero sistema infrastrutturale energetico.
Sappiamo che oggi la tecnologia consente di utilizzare L’EV come piattaforma di scambio di energia mentre la regolamentazione è ancora un fattore castrante di tale sviluppo, ma cosa sta succedendo per quanto riguarda lo scambio di informazioni?
Il produttore cinese BYD, acronimo di Build Your Dream, sta implementando l’intelligenza artificiale nelle sue auto. Recentemente, l’azienda ha annunciato che la sua tecnologia di guida autonoma avanzata, denominata “God’s Eye” (denominazione alquanto inquietante..), sarà disponibile gratuitamente su quasi tutti i nuovi modelli, indipendentemente dal prezzo.
Inoltre, BYD sta integrando modelli AI di DeepSeek nella sua architettura per auto intelligenti chiamata Xuanji. Questa integrazione copre ad oggi oltre 300 scenari, consentendo al sistema di adattarsi continuamente e migliorare le sue capacità di guida autonoma.
Ma l’introduzione dell’AI nei veicoli elettrici comporta un consumo energetico significativo nelle diverse fasi di:
1. Acquisizione dei dati: Le auto dotate di intelligenza artificiale utilizzano sensori avanzati per percepire l’ambiente circostante. Questi includono:
• Telecamere (fino a 12 per auto), che generano immagini ad alta risoluzione.
• Radar e LiDAR, che producono mappe tridimensionali dell’ambiente.
• Sensori ultrasonici, utilizzati per rilevare ostacoli vicini.
• GPS e IMU (Inertial Measurement Unit), per il posizionamento e la stabilizzazione dei dati di navigazione.
Questi sensori generano enormi quantità di dati, con stime che variano tra 1 e 20 terabyte (TB) all’ora per veicolo, e relativo consumo energetico a carico delle batterie on-board.
2. Trasmissione dei dati: I dati acquisiti possono essere elaborati direttamente a bordo del veicolo o trasmessi a un’infrastruttura cloud per un’analisi più approfondita:
• V2X (Vehicle-to-Everything): Il veicolo può comunicare con altri veicoli (V2V), infrastrutture stradali (V2I) o cloud (V2C).
• Reti 5G: Consentono la trasmissione ultra-rapida dei dati, con latenze inferiori a 10 ms, ma che richiedono consumi energetici elevati per le antenne e i data center.
• Operazione di compressione e filtraggio dei dati per ridurre il traffico di rete e il consumo di energia.
3. Elaborazione dei dati: l’AI dei veicoli elettrici utilizza unità di calcolo avanzate per interpretare i dati e prendere decisioni in tempo reale.
• GPU e TPU ad alte prestazioni (Drive Orin, Drive Thor) che possono assorbire fino a 500-800 w/h.
• Reti neurali profonde (DNNs): Modelli AI come Transformer o CNN per la visione artificiale sono molto energivori.
• Edge AI: per ottimizzare il consumo, alcune elaborazioni vengono eseguite direttamente nel veicolo senza inviare dati al cloud.
4. Ritrasmissione dei dati al veicolo: dopo l’elaborazione, i dati elaborati vengono utilizzati per controllare il veicolo attraverso:
• Decisioni di guida autonoma in tempo reale (accelerazione, frenata, sterzata).
• Aggiornamenti software OTA (Over-the-Air), che possono migliorare gli algoritmi ma consumano banda e energia.
• Dati per assistenza alla guida e infotainment, che possono aggiungere ulteriore carico energetico.
Se volessimo quindi stimare realisticamente l’impatto energetico complessivo dell’implementazione dell’AI sui veicoli elettrici dobbiamo considerare tre diversi ambiti applicativi:
• I veicoli utilizzanti l’AI consumano in media dal 15% al 40% in più di energia rispetto ai veicoli elettrici tradizionali a causa del carico computazionale, quindi la loro autonomia reale diminuisce in proporzione.
• I data center che supportano l’AI delle auto contribuiscono a un ulteriore consumo energetico, stimato fino 50 MWh per grandi infrastrutture cloud.
• L’infrastruttura 5G e IoT necessaria per l’IA nei trasporti può aumentare il consumo energetico globale delle sole telecomunicazioni di oltre il 30% nei prossimi anni.
Quindi L’implementazione dell’IA nei veicoli è una rivoluzione per la mobilità, ma presenta un costo energetico importante.
Sicuramente la tecnologia evolverà e proporrà soluzioni sempre più efficienti, ma la vera sfida è nel rapporto fra l’utilizzatore umano ed il suo veicolo dotato di AI: davvero vogliamo impegnare cosi grandi quantità di energia e relativi costi economici ed ambientali per farci sostituire alla guida e magari farci anche dire dove vogliamo andare?

Autore: l’ing Bruno Lombardi è un esperto di temi energetici, ha ricoperto posizioni apicali in diverse multinazionali, ha fondato la Digital System Integrator, una start-up innovativa che ha vinto un progetto EU sul tema energia e mobilità. Maggiori dettagli al sito www.dsi2020.com

Bruno Lombardi