Xeal Energy vuole trasformare la capacità elettrica inutilizzata delle infrastrutture di ricarica dei veicoli in una rete distribuita di calcolo per l’intelligenza artificiale, sfruttando collegamenti alla rete già autorizzati e operativi presso parcheggi, edifici residenziali e immobili commerciali. Il progetto, denominato Laitent, prevede l’installazione di oltre 100.000 GPU Nvidia in unità modulari distribuite nelle aree metropolitane statunitensi, destinate all’esecuzione di modelli AI vicino agli utenti.
La società americana dispone di infrastrutture di ricarica presso oltre 1.600 proprietà immobiliari, distribuite in più di 160 aree metropolitane, con una capacità elettrica complessiva superiore a 200 MW, già autorizzata e collegata alla rete. Una parte consistente di questa potenza rimane normalmente inutilizzata, perché le infrastrutture vengono dimensionate per sostenere i picchi di domanda, mentre i veicoli elettrici assorbono energia soltanto durante le sessioni di ricarica.
Xeal intende sfruttare questa disponibilità per alimentare acceleratori AI, riducendo la necessità di nuove connessioni elettriche e abbreviando i tempi di installazione rispetto alla costruzione di grandi data center. La capacità di calcolo verrebbe distribuita fra numerosi siti di dimensioni contenute, con un sistema di gestione che assegna dinamicamente la potenza disponibile alle risorse computazionali.
Come Xeal Energy utilizza la capacità elettrica delle colonnine di ricarica
Le infrastrutture di ricarica dei veicoli elettrici devono disporre di una potenza sufficiente a sostenere il massimo carico previsto, ma il loro utilizzo medio può essere sensibilmente inferiore alla capacità installata. Secondo Xeal, gli impianti presso le proprietà immobiliari in cui opera utilizzano normalmente meno del 10% della capacità elettrica autorizzata, lasciando disponibile per buona parte del tempo una quota che può raggiungere il 90%.
Laitent utilizza questa capacità per alimentare sistemi di elaborazione AI attraverso un software di orchestrazione dinamica della potenza sviluppato da Xeal, che coordina l’utilizzo delle risorse elettriche e computazionali. Il sistema può attivare capacità di elaborazione a partire da una frazione di una singola GPU fino a una rete di acceleratori distribuiti in un’intera area metropolitana, con livelli di servizio prestazionali (SLA) destinati ai carichi di inferenza.
La disponibilità di collegamenti elettrici già autorizzati consente di ridurre i tempi necessari per attivare nuove risorse di calcolo, sfruttando connessioni esistenti anziché realizzarne di nuove.
Nikhil Bharadwaj, cofondatore e CEO di Xeal, sottolinea che “se avete bisogno oggi di capacità di inferenza e non potete aspettare che entri in funzione un nuovo data center, Laitent può ridurre i tempi da anni a mesi”.
Il vantaggio deriva dalla possibilità di collocare le apparecchiature informatiche dove esiste già una connessione alla rete elettrica, sfruttando una potenza dimensionata per un utilizzo intermittente.
Laitent Pod: fino a 48 GPU Nvidia nello spazio di un parcheggio
L’infrastruttura è organizzata in Laitent Pod, moduli autonomi progettati per l’installazione all’aperto, ciascuno con un ingombro paragonabile a quello di un posto auto e una capacità massima di 48 GPU Nvidia delle generazioni Hopper o Blackwell Ultra.
Le unità dispongono di un sistema di raffreddamento indipendente che non richiede collegamenti alla rete idrica, di un involucro con protezione NEMA 4 contro gli agenti atmosferici e di una rumorosità operativa inferiore a 65 decibel, paragonabile a quella di una lavatrice in funzione.
L’installazione richiede poche ore, una volta predisposti i collegamenti elettrici e dati, senza la necessità di generatori di riserva, turbine a gas o grandi opere edilizie.
La modularità consente di distribuire gli acceleratori presso numerose proprietà immobiliari, aumentando progressivamente la capacità computazionale attraverso l’aggiunta di nuovi Pod.
Metro Edge, l’inferenza AI distribuita nelle aree urbane
Xeal intende organizzare i Laitent Pod in un’infrastruttura denominata Metro Edge, nella quale più nodi collocati presso proprietà immobiliari di una stessa area metropolitana vengono gestiti come una rete coordinata di risorse computazionali.
Il modello è destinato soprattutto all’inferenza, ossia all’esecuzione di modelli AI già addestrati per generare risposte, classificazioni, analisi o altri risultati. A differenza dell’addestramento dei grandi modelli, che richiede generalmente infrastrutture con un’elevata concentrazione di acceleratori e collegamenti ad altissima velocità, numerosi carichi di inferenza possono essere distribuiti fra nodi geograficamente separati.
La vicinanza agli utenti permette di ridurre il tempo necessario per raggiungere le risorse computazionali. Xeal indica per il Metro Edge una latenza inferiore a 20 millisecondi, con applicazioni potenziali nei servizi di AI conversazionale, nell’elaborazione vocale, nell’analisi in tempo reale e negli altri sistemi sensibili ai tempi di risposta.
Per l’orchestrazione delle risorse computazionali, Xeal ha stretto una collaborazione con Rafay Systems, specializzata nella gestione di infrastrutture AI e ambienti GPU distribuiti. La piattaforma Rafay consentirà di amministrare le unità Laitent, distribuire i carichi di lavoro e gestire gli acceleratori come un’unica infrastruttura coordinata.
Haseeb Budhani, CEO di Rafay Systems, spiega che “il livello di orchestrazione di Rafay trasforma i siti di ricarica distribuiti di Xeal in un’infrastruttura di calcolo pronta per le GPU e adatta agli ambienti di produzione, offrendo agli operatori una gestione di livello hyperscaler senza richiedere un’infrastruttura delle stesse dimensioni”.
La connettività sarà fornita da Spectrum Business, attraverso collegamenti in fibra ottica dedicati ai carichi di inferenza aziendali, mentre Xeal partecipa al programma Nvidia Inception, dedicato alle imprese che sviluppano prodotti e servizi basati sulle tecnologie Nvidia.
Marc Spieler, Senior Managing Director for the Global Energy Industry di Nvidia, osserva che “con la crescita dell’adozione dell’AI, le infrastrutture devono diventare più distribuite, flessibili ed efficienti dal punto di vista energetico, collocando i carichi di lavoro dove sono disponibili energia e capacità”. L’integrazione fra l’elaborazione accelerata Nvidia e le infrastrutture di ricarica Xeal consentirebbe, secondo Spieler, di avvicinare l’inferenza agli utenti sfruttando collegamenti elettrici già realizzati.
Dalle prime installazioni a una capacità potenziale superiore a 1 GW
L’avvio operativo di Laitent è previsto entro la fine del 2026, con l’installazione del primo Pod presso una proprietà gestita da JVM Realty, società immobiliare che collabora con Xeal dal 2023 nell’ambito delle infrastrutture di ricarica dei veicoli elettrici.
Xeal ha inoltre raggiunto un accordo con un fornitore di servizi di inferenza di primo livello per una capacità fino a 5 MW, affiancando alla collaborazione tecnologica con Nvidia, Rafay Systems e Spectrum Business gli accordi con decine di operatori immobiliari e società di gestione delle proprietà.
Il piano iniziale riguarda gli oltre 200 MW di infrastrutture elettriche già installate presso più di 1.600 proprietà, mentre la successiva espansione potrebbe sfruttare oltre 1 GW di capacità elettrica disponibile nelle infrastrutture immobiliari e di ricarica esistenti.
Xeal ha costruito la propria presenza nel mercato statunitense della ricarica dei veicoli elettrici nel corso degli ultimi sette anni, con installazioni in più di 500 città e una delle cinque reti più estese del Paese per le colonnine di livello 2.
L’azienda utilizza lo Xeal Protocol, una tecnologia brevettata che permette alle colonnine di eseguire le normali operazioni di ricarica senza dipendere da connessioni cellulari, Wi-Fi o Ethernet, con una disponibilità del servizio dichiarata del 100% (uptime).
Il sistema comprende funzionalità di misurazione dei consumi e gestione dei pagamenti, gestione dinamica del carico elettrico, ripartizione dei ricavi e attivazione della ricarica tramite smartphone con modalità tap-to-charge. L’architettura riduce la dipendenza da infrastrutture IT di connettività dedicate per il funzionamento ordinario delle colonnine.
L’esperienza nella distribuzione delle infrastrutture energetiche presso proprietà immobiliari costituisce la base operativa per l’installazione dei Pod, che potranno utilizzare spazi e connessioni elettriche già disponibili.
Un nuovo modello economico per proprietari immobiliari e operatori della ricarica
La capacità elettrica inutilizzata può diventare una fonte di ricavi per i proprietari degli immobili, attraverso la concessione degli spazi e delle infrastrutture necessarie a ospitare i Pod.
Xeal prevede formule di remunerazione basate su canoni fissi oppure ricavi accessori, con investimenti iniziali nulli o limitati da parte dei proprietari. Secondo le stime dell’azienda, l’installazione dell’infrastruttura computazionale potrebbe incrementare fino a un milione di dollari il valore di una proprietà immobiliare.
I costi dell’elettricità consumata dalle GPU vengono addebitati al soggetto che utilizza l’infrastruttura per fornire servizi di calcolo, attraverso un meccanismo di ribaltamento dei consumi. I ricavi generati potrebbero inoltre contribuire a ridurre il costo della ricarica per gli automobilisti.
Steve Boyack, Chief Operating Officer di JVM Realty, sottolinea che “la combinazione di una nuova fonte di entrate e di un investimento iniziale minimo o nullo crea un vantaggio economico significativo per i proprietari immobiliari”.
Per i gestori delle proprietà, l’infrastruttura di ricarica potrebbe quindi produrre ricavi anche durante le ore in cui i veicoli non utilizzano la capacità elettrica installata. La remunerazione dipenderà dalla quantità di potenza resa disponibile, dall’utilizzo effettivo dei nodi computazionali e dalle condizioni contrattuali concordate con gli operatori.
Da Power to Compute a Laitent, l’AI utilizza le infrastrutture energetiche esistenti
La distribuzione delle elaborazioni AI sulle infrastrutture energetiche sta assumendo forme differenti, accomunate dalla possibilità di sfruttare risorse già presenti sul territorio.
Un approccio affine è quello di Power to Compute, la tecnologia sviluppata all’Università di Aalborg per utilizzare l’elettronica della rete elettrica nell’elaborazione di compiti AI, attraverso dispositivi già installati in impianti fotovoltaici e sistemi di accumulo, che permette di assegnare piccoli compiti computazionali ai dispositivi elettronici che gestiscono gli impianti energetici.
Laitent sfrutta invece la capacità elettrica inutilizzata per alimentare nuove GPU, installate in moduli progettati appositamente per l’inferenza AI. La potenza disponibile presso le infrastrutture di ricarica viene assegnata dinamicamente ai nodi computazionali, che possono eseguire carichi di lavoro più impegnativi rispetto a quelli destinati all’elettronica degli impianti energetici.
Le differenze riguardano anche l’organizzazione delle risorse. Power to Compute integra nel sistema di elaborazione dispositivi elettronici distribuiti, ciascuno con capacità computazionali limitate, mentre Laitent costruisce una rete di acceleratori GPU collegati in fibra ottica e amministrati attraverso una piattaforma di orchestrazione.
Entrambe le architetture associano l’esecuzione delle applicazioni AI alle risorse disponibili nelle infrastrutture energetiche, rendendo possibile una distribuzione del carico informatico su numerosi siti e riducendo la dipendenza da nuove grandi installazioni centralizzate.
Power to Compute ha completato le prime verifiche in laboratorio e sta cercando partner per una sperimentazione su scala più ampia. Xeal dispone già dei collegamenti elettrici e degli accordi con gli operatori immobiliari necessari per avviare le prime installazioni commerciali entro il 2026.
Energia disponibile, utilizzo delle GPU e sostenibilità economica
L’utilizzo di connessioni elettriche esistenti può abbreviare i tempi necessari per installare nuova capacità di calcolo, mentre la quantità di elaborazioni effettivamente eseguibili dipenderà dalla potenza disponibile presso ciascun sito e dalla sua variazione nel corso della giornata.
I 200 MW indicati da Xeal corrispondono alla capacità elettrica installata e autorizzata, destinata originariamente alle infrastrutture di ricarica. Le GPU utilizzeranno parte di questa capacità, aumentando il consumo energetico complessivo delle proprietà immobiliari senza richiedere necessariamente nuove connessioni alla rete.
L’orchestrazione dovrà adattare l’assorbimento degli acceleratori alla potenza disponibile e coordinare la distribuzione dei carichi informatici fra i nodi, tenendo conto della capacità elettrica, delle risorse GPU e dei requisiti di latenza.
La redditività dipenderà dal costo dell’energia, dal livello di utilizzo degli acceleratori e dal prezzo dei servizi di inferenza, oltre che dalla capacità di mantenere un’adeguata disponibilità computazionale al variare dell’utilizzo delle infrastrutture elettriche.
La distribuzione dei Pod presso proprietà immobiliari nelle aree metropolitane consentirà di ripartire il nuovo carico elettrico fra numerosi siti di dimensioni contenute, sfruttando una capacità di alimentazione già installata. L’efficienza economica del modello sarà legata anche alla gestione coordinata dell’infrastruttura, alla manutenzione dei nodi e alla possibilità di assegnare dinamicamente i carichi fra le diverse installazioni.
