(Generative AI for Network Sustainability)
McGann, O. – Giordano A. – Haider, B. – Paesani, M. | 2025-11
Questo report presenta lo stato dell’arte sull’impatto energetico delle infrastrutture di rete e cloud, con un focus integrato su consumi, emissioni e metodi di misura, modellazione e predizione applicabili lungo l’intera catena rete–data center–piattaforma. In un contesto in cui la domanda di servizi digitali cresce rapidamente e l’energia diventa un vincolo di progetto, la letteratura più recente mette in risalto due evidenze: (i) l’aumento di traffico e capacità non si traduce automaticamente in crescita proporzionale dei consumi grazie ai progressi di efficienza, ma (ii) l’adozione di workload AI e l’incremento della densità di calcolo stanno riaprendo un fronte critico su potenza disponibile, raffreddamento e carbon footprint, richiedendo misure operative più solide e attribuibili per servizio. La revisione integra contributi scientifici, standard tecnici e indicazioni industriali per costruire un quadro coerente di metriche e metodi: dai KPI di sito per data center, alle metriche per apparati e reti. L’evidenza che emerge è che l’efficienza non può essere valutata solo a livello di struttura o datasheet: la non energy-proportionality, l’elevato consumo in idle e l’eterogeneità multi-vendor impongono una catena di telemetria che unisca misure fisiche e logiche, abiliti benchmarking comparabile e supporti l’attribuzione per workload/slice/servizio. Sul piano metodologico, il report sintetizza survey e tassonomie recenti sul monitoraggio e la predizione dell’impatto energetico nelle reti e nei data center, evidenziando l’evoluzione da approcci prevalentemente qualitativi e scenario-based verso modelli data-driven e capacità predittive integrate in architetture softwarizzate (SDN/NFV/Network Slicing). Vengono inoltre richiamate evidenze sperimentali che dimostrano risparmi energetici significativi tramite gestione dinamica di lightpath in reti ottiche elastiche e strategie SDN basate su consolidamento dei flussi e minimizzazione delle transizioni di stato, con parametri di consumo e assunzioni operative. Infine, lo stato dell’arte indica che l’automazione energy-aware e carbon-aware, supportata da telemetria fine-grained e da strumenti interoperabili, è la leva più promettente per ridurre over-provisioning e emissioni mantenendo SLA, auditabilità e governance. Il report traduce tali evidenze in criteri replicabili per il progetto, proponendo un impianto “measurement-first” e un set di KPI e guardrail operativi per valutare soluzioni di rete e cloud orientate alla sostenibilità.
1. Introduzione 1.1 Contesto industriale e motivazione 1.2 Obiettivo report e perimetro del deliverable 1.3 Domande di ricerca operative 2. Metodi 2.1 Strategia di ricerca e fonti 2.2 Criteri di selezione dello stato dell’arte 2.3 Disegno sperimentale replicabile 3. Risultati 3.1 Evidenze macro: crescita della domanda e vincoli di potenza 3.2 Sfide e obiettivi per reti energy-aware 3.3 Metriche e standard per data center e cloud 3.4 Metriche e standard per apparati e reti 3.5 Driver tecnici del consumo: perché l’over-provisioning pesa più del previsto 3.6 Virtualizzazione, Network Function Virtualisation e Network Slicing 3.7 Telemetria e accounting energetico: da misura di sito a misura per servizio 3.8 AI per allocazione dinamica e riduzione delle emissioni: energy-aware e carbon-aware 3.9 Trend industriali: AI factories, sovranità del dato e sostenibilità come vincolo 3.10 Survey e rassegne correlate su monitoraggio e predizione dell’impatto energetico dei componenti di rete 3.11 Approfondimenti: monitoraggio, ottimizzazione, modelli di potenza e gestione energy-aware 3.11.1 Monitoraggio della rete 3.11.2 Ottimizzazione dei consumi energetici 3.11.3 Modello di potenza 3.11.4 Gestione energy-aware 4. Discussione 4.1 Sintesi critica: misurare, attribuire, controllare 4.2 Leve ad alto impatto e basso rischio strategico 4.3 Implicazioni per l’intero progetto: integrazione con automazione agentica 4.4 Replicabilità industriale e licenze: evitare lock-in e massimizzare trasferibilità 4.5 Lezioni apprese e raccomandazioni operative 4.6 Sintesi integrata delle evidenze e implicazioni operative 4.7 Gap di ricerca e opportunità per GAINS 4.8 Scelte di progetto Bibliografia
Impatto energetico, Telemetria fine-grained, Attribuzione per servizio, KPI di sostenibilità, Automazione energy-aware, Carbon footprint, SDN/NFV/Network Slicing, Over-provisioning
Reference: GAINS deliverables are linked to Work Packages and milestones. For additional materials, visit Resources.