Fonte: Monthly Review - 01.06.2026

In questo articolo, Te Li smaschera il mito della dematerializzazione digitale diffuso dai sostenitori dell’intelligenza artificiale (IA), i quali presentano questa tecnologia come un fenomeno che è fuggito dal regno materiale e, di conseguenza, dalla stessa entropia. In realtà, l'autore dimostra come i requisiti materiali ed energetici dell’intelligenza artificiale la inseriscano a pieno titolo nel regno fisico, collocando tale tecnologia nel contesto della frattura metabolica nel capitalismo.

Nella primavera del 2023, Microsoft ha annunciato un investimento multimiliardario in OpenAI, descrivendo la partnership come un salto in avanti verso una civiltà più pulita, più intelligente e più efficiente. Le immagini che accompagnano tali annunci sono invariabilmente eteree: reti neurali luminose, flussi di dati senza peso e algoritmi che danzano attraverso lo spazio digitale privo di attrito. L’intelligenza artificiale (IA), nella narrativa dominante della Silicon Valley e del suo ecosistema mediatico, si presenta come l’apoteosi della dematerializzazione: una tecnologia così raffinata, così puramente cognitiva, da essere finalmente fuggita dal mondo sporco ed entropico delle macchine a vapore, delle miniere di carbone e delle fabbriche.

Questo articolo sostiene che tali rappresentazioni siano ideologiche nel senso marxista del concetto: esse capovolgono la realtà, presentando come immateriale un processo che è profondamente, e conseguentemente, materiale. Si stima che l'addestramento di GPT-4 abbia consumato energia equivalente all'uso annuo di energia elettrica di migliaia di famiglie.[1] Una singola query [richiesta] ad un modello linguistico di grandi dimensioni richiede circa dieci volte l'elettricità necessaria per una ricerca standard su Internet.[2] Il consumo di acqua da parte di Microsoft è aumentato del 34% in un solo anno, un'impennata che il proprio rapporto ambientale ha attribuito direttamente all'espansione dell'infrastruttura di IA.[3] Queste non sono inefficienze incidentali in attesa di un miglioramento tecnico; sono necessità strutturali di una tecnologia il cui substrato fisico - semiconduttori, data center, sistemi di raffreddamento e reti di trasmissione - è tra le infrastrutture che richiedono il maggior impiego di risorse che l’umanità abbia mai costruito.

Il mito della dematerializzazione digitale ha una lunga genealogia. A partire dagli anni ’90, i teorici della “economia dell’informazione” hanno sostenuto che il passaggio dalla produzione manifatturiera ai servizi, e dagli atomi ai bit, avrebbe disaccoppiato la crescita economica dal consumo di risorse materiali.[4] L’ascesa dell’IA ha dato a questa tesi una nuova e più potente versione: se le precedenti tecnologie digitali si limitavano a elaborare le informazioni, l’IA – così recita l'argomentazione - genera essa stessa l’intelligenza, una risorsa la cui abbondanza non esaurisce la natura ma la trascende. Questa è la visione che anima la retorica della ”IA per il clima”, della “IA per la sostenibilità”, e l’affermazione più ampia secondo cui la potenza di calcolo può sostituire le risorse naturali nella risoluzione della crisi ecologica. 

Il quadro teorico sviluppato in questo articolo, mette in discussione questa visione fin dalle sue fondamenta. Attingo alla tradizione termodinamica nell'ambito dell’economia politica ecologica - dall’opera fondamentale di Nicholas Georgescu-Roegen, The Entropy Law and the Economic Process, alla sintesi ecosocialista sviluppata da John Bellamy Foster e Brett Clark - per sostenere che l’ascesa dell’IA sotto il capitalismo rappresenta non una trascendenza dal mondo materiale ma un’intensificazione del rapporto entropico del capitale con esso.[5] La seconda legge della termodinamica è inesorabile nella sua universalità: ogni calcolo è un evento termodinamico. Consuma energia a bassa entropia - ordinata, utilizzabile, libera per compiere lavori - e restituisce alla biosfera rifiuti ad alta entropia sotto forma di calore, anidride carbonica e materia degradata. Nessun algoritmo, per quanto elegante, sospende questa legge. La questione non è se l'IA produce entropia, ma quanta, a quale ritmo, e quali ecosistemi ne assorbono le conseguenze.

Karl Marx concepiva la produzione come un processo metabolico, come un continuo interscambio tra le società umane e il mondo naturale, mediato dal lavoro e dalla tecnologia. Nel Capitale, egli ha osservato che i macchinari non creano energia, ma trasformano e trasmettono le forze naturali incorporate al suo interno, e che questa trasformazione comporta sempre il consumo di sostanze naturali.[6] Ciò che non avrebbe potuto prevedere era una forma di accumulazione capitalistica in cui la forza produttiva primaria fosse la potenza di calcolo, e in cui le esigenze termodinamiche di tale potenza avrebbero esercitato uno stress senza precedenti sui sistemi energetici planetari, sulle riserve di acqua dolce e sulla stabilità climatica. L’ascesa dell’IA ci pone di fronte alla necessità di estendere l’analisi metabolica di Marx al mondo digitale.


Le dinamiche dell'accumulazione: l'IA come motore ad alta entropia

In primo luogo, la crisi ecologica dell’IA non è un problema termodinamico. È un fatto sociale e storico. I processi specifici che stanno generando l’impatto ecologico dell’IA – la competizione al rialzo tra una manciata di monopoli tecnologici, l’imperativo di aumentare la capacità computazionale a prescindere dall’utilità sociale, e l’esternalizzazione sistematica dei costi ecologici sulle comunità e sugli ecosistemi del Sud globale – sono i prodotti di una particolare formazione storica: il capitalismo nella sua fase monopolistica-digitale. La termodinamica non causa questi processi, ma registra le loro conseguenze. La seconda legge della termodinamica ci dice che ogni calcolo degrada l’energia. Non ci dice perché il calcolo sia organizzato su questa scala, a questo ritmo, per questi scopi, e a spese di chi. Per fare questo, abbiamo bisogno di un'analisi sociale e storica. Ciò che il quadro termodinamico fornisce, e ciò che lo rende indispensabile, è una spiegazione precisa del perché il danno ecologico generato da questi processi sociali non sia incidentale ma strutturale, non correggibile tramite miglioramenti dell'efficienza ma aggravante, e non reversibile attraverso i meccanismi di mercato ma permanente.

Per capire perché l'IA sia termodinamicamente costosa per via di modalità strutturalmente necessarie, piuttosto che contingenti, è essenziale esaminare la relazione tra scalabilità computazionale, accumulazione capitalistica e consumo energetico. Questa relazione è governata da dinamiche che rendono il peso ecologico dell’IA nel sistema capitalistico non solo elevato ma autorinforzante ed espansivo.

La base fisica del calcolo dell'IA è l'elaborazione di grandi quantità di operazioni numeriche - moltiplicazioni, aggiunte e confronti - eseguite da hardware specializzato a velocità straordinaria. L'energia necessaria per eseguire queste operazioni non è trascurabile. Emma Strubell, Ananya Ganesh e lo studio di riferimento 2019 di Andrew McCallum hanno stimato che l’addestramento di un singolo modello di elaborazione del linguaggio naturale con ricerca di architettura neurale produce emissioni di anidride carbonica paragonabili alle emissioni di cinque automobili medie statunitensi nel loro ciclo di vita.[7] Le successive generazioni di modelli di elaborazione sono sostanzialmente maggiori. Mentre le aziende tecnologiche si sono rifiutate di pubblicare i dati relativi ai consumi energetici complessivi dei loro sistemi più recenti, le analisi indipendenti suggeriscono che i modelli di formazione più avanzati, come GPT-4, hanno consumato energia nell'ordine di decine di gigawattora, abbastanza per alimentare una piccola città per settimane.[8]

La relazione tra la scala del modello di elaborazione e la domanda computazionale non è lineare ma superlineare. La ricerca sulle leggi di scala nei modelli linguistici di grandi dimensioni ha stabilito che le prestazioni del modello si ridimensionano approssimativamente in funzione della potenza del prodotto dei parametri del modello, e dei dati di formazione.[9] Ciò significa che i perfezionamenti progressivi della capacità del modello richiedono aumenti spropositati degli investimenti computazionali. Per migliorare le prestazioni di un modello di una percentuale fissa, il budget computazionale - e quindi il consumo di energia - deve aumentare di una percentuale significativamente maggiore. Questa è l'espressione termodinamica dei rendimenti decrescenti: man mano che i sistemi di intelligenza artificiale di frontiera si avvicinano ai limiti delle prestazioni nei compiti di riferimento, ogni incremento aggiuntivo di estrazione di capacità richiede un apporto energetico esponenzialmente maggiore. Il costo entropico dell’intelligenza, secondo gli attuali paradigmi tecnologici, aumenta più rapidamente dell’intelligenza stessa..

Questa dinamica è ulteriormente amplificata dalla logica dell’accumulazione capitalistica. L’industria dell’IA è organizzata intorno a un piccolo numero di grandi aziende – Google, Microsoft, Amazon, Meta (Facebook) e le loro controparti cinesi – la cui posizione competitiva dipende dal mantenimento della superiorità algoritmica. In questo contesto, la capacità informatica non è solo un input di produzione, ma un asset strategico: l'azienda con maggiori risorse computazionali può formare modelli più grandi, attirare più utenti e accumulare più dati, rafforzando così il suo dominio del mercato. Questo crea quella che potrebbe essere definita una competizione al rialzo, in cui ogni azienda è costretta ad espandere la propria infrastruttura di IA non perché il beneficio sociale marginale del calcolo aggiuntivo giustifichi il costo marginale, ma perché la logica competitiva dell'accumulazione capitalistica rende qualsiasi contenimento equivalente all'uscita dal mercato.[10] Nessuna singola impresa può ridurre volontariamente il suo consumo energetico senza cedere terreno ai rivali. Il risultato è un fallimento dell'azione collettiva di proporzioni storiche: complessivamente, l'industria espande la sua impronta energetica ben oltre ciò che qualsiasi valutazione razionale del bisogno sociale richiederebbe.

Il meccanismo attraverso il quale opera questa dinamica è illuminato dal paradosso di Jevons (Jevons Paradox)*, riconosciuto per la prima volta dall'economista inglese William Stanley Jevons nella sua analisi del 1865 sul consumo di carbone britannico. Jevons ha osservato che i miglioramenti nell'efficienza delle macchine a vapore - riduzioni della quantità di carbone necessaria per svolgere una determinata unità di lavoro - non hanno ridotto il consumo totale di carbone ma l'hanno accelerato, perché minori costi dell'uso di energia hanno stimolato l'espansione dell'attività economica ad alta intensità energetica.[11] Il paradosso non è una stranezza dell'economia politica vittoriana; è una caratteristica strutturale dell'accumulazione capitalistica, operante ogniqualvolta i guadagni di efficienza riducono il costo di una risorsa e quindi stimolano la domanda per il suo utilizzo.

Nel settore dell'IA, il paradosso di Jevons opera con particolare forza. Le generazioni successive di chip IA, dalle architetture A100 alle H100 di NVIDIA , hanno prodotto notevoli miglioramenti nell’efficienza computazionale, misurati in operazioni per watt. Eppure il consumo totale di energia da parte delle infrastrutture di IA è aumentato continuamente e rapidamente, perché i guadagni di efficienza hanno ridotto il costo del calcolo dell'IA, stimolato la proliferazione delle applicazioni di intelligenza artificiale, aumentato il volume delle operazioni di inferenza, e accelerato lo sviluppo di modelli sempre più grandi. L’analisi di OpenAI ha rilevato che i requisiti computazionali dell'intelligenza artificiale di frontiera sono raddoppiati circa ogni 3/4 mesi tra il 2012 e il 2018, con un tasso di incremento di gran lunga superiore ai miglioramenti di efficienza forniti dai progressi dell'hardware.[12] Nel 2024, l'Agenzia internazionale  per l'energia (AIE) ha previsto che il consumo di energia elettrica da data center potrebbe superare i 1.000 terawattora all’anno entro il 2026, approssimativamente equivalente all’intera domanda di elettricità del Giappone.[13]

Sono questi processi sociali e storici concreti – la monopolistica competizione al rialzo, la dinamica di Jevons e l’impossibilità strutturale di automoderazione in un regime di accumulazione competitiva – che la termodinamica registra, ma non può da sola spiegare. La termodinamica del non equilibrio di Ilya Prigogine, sviluppata più pienamente in Order Out of Chaos, fornisce il ponte concettuale tra la logica sociale del capitale e le sue conseguenze fisiche.[14] Prigogine ha dimostrato che i sistemi complessi che sono lontani dall'equilibrio termodinamico - le cosiddette strutture dissipative - mantengono il loro ordine interno importando continuamente energia a bassa entropia dal loro ambiente ed esportando rifiuti ad alta entropia. La cellula vivente, l’uragano e la fiamma sono tutte strutture dissipative in questo senso: sostengono la loro complessità interna aumentando l’entropia nell'ambiente circostante. Ma l’intuizione più profonda di Prigogine, e quella più importante per gli scopi attuali, è che i processi che spingono le strutture dissipative lontano dall'equilibrio non sono reversibili. L'entropia generata nell'ambiente circostante non può essere recuperata; il deterioramento dell'ambiente è permanente. Questa irreversibilità non è un effetto collaterale dell'inefficienza, ma la firma termodinamica dei processi dissipativi stessi.

Il complesso capitalista dell'IA è una struttura dissipativa di questo tipo, ma la scala, il tasso di crescita e l'irreversibilità di questa struttura sono determinati non dalle dinamiche naturali, ma dagli imperativi dell'accumulazione capitalistica. Mantiene l'ordine interno del profitto aziendale, dell'ottimizzazione algoritmica e del dominio del mercato riducendo continuamente le scorte a bassa entropia della biosfera - combustibili fossili, acqua dolce e giacimenti minerari - e restituendole come rifiuti ad alta entropia: anidride carbonica, inquinamento termico e rifiuti elettronici. L'anidride carbonica emessa dai data center si accumula nell'atmosfera su scale temporali di secoli. Le falde acquifere, prelevate dai sistemi di raffreddamento, si possono ricreare solo in tempi millenari, se non si prosciugano del tutto. Gli ecosistemi sconvolti dall'estrazione di minerali nel bacino del Congo o nel deserto di Atacama non ritornano ai loro stati precedenti dopo che le miniere chiudono. Ciò che il capitalismo fa, attraverso la logica competitiva dell’accumulo di IA, è guidare questi processi dissipativi a un ritmo e su una scala che superano la capacità rigenerativa dei sistemi naturali, determinando danni ecologici che nessuna futura soluzione tecnologica potrà annullare. L'ordine dell'algoritmo viene acquisito al prezzo del disordine permanente nell'atmosfera, nei bacini idrografici e nei suoli.

Questa elaborazione ci permette di vedere cosa nasconde la narrazione tecno-ottimista: che l’“intelligenza” prodotta dai sistemi di IA non è un dono gratuito dell'informatica, ma un prodotto termodinamico, estratto dalla natura ad un costo che il mercato omette sistematicamente di registrare. I conti finanziari delle aziende tecnologiche registrano i ricavi generati dai servizi di IA; non registrano il costo entropico imposto agli ecosistemi, alle comunità e ai sistemi climatici dai flussi di energia e dai materiali che rendono possibili tali servizi. Non si tratta di un errore contabile ma di una caratteristica strutturale del rapporto del capitalismo con la natura - quella che John Bellamy Foster, Brett Clark e Richard York hanno definito la “frattura ecologica”: la separazione sistematica dei costi di produzione dai luoghi e dai soggetti che li subiscono.[15]

Un'ulteriore dimensione dell'analisi termodinamica riguarda il rapporto tra la formazione dell'IA e l'inferenza dell'IA. L'addestramento, ovvero il processo di ottimizzazione dei parametri di un modello su grandi set di dati, è un processo computazionalmente impegnativo, ma avviene una sola volta. L'inferenza, ovvero il processo di esecuzione di un modello addestrato per generare output, è individualmente meno intensivo, ma avviene in modo continuo, miliardi di volte al giorno, nell'ambito dell'implementazione globale dei sistemi di IA. Man mano che l’intelligenza artificiale viene integrata nei motori di ricerca, nei software di produttività, nella diagnostica sanitaria, nella ricerca legale, nell’analisi finanziaria e nei sistemi di targeting militare, la domanda energetica aggregata di inferenza cresce in proporzione alla scala di implementazione. Goldman Sachs Research ha stimato che la domanda di energia per l'inferenza dell'intelligenza artificiale potrebbe superare quella della formazione entro l'attuale decennio, con l'espansione della sua diffusione.[16] Ciò significa che l'onere ecologico dell'intelligenza artificiale non è un costo una tantum per la costruzione del sistema, ma una tassa continua e crescente sui bilanci energetici e idrici del pianeta: una tassa con un'aliquota che aumenta con ogni nuova applicazione, ogni nuovo utente e ogni nuovo ciclo di accumulazione capitalistica nel settore dell'IA.

Il quadro che emerge è quello in cui la crisi ecologica dell’IA è prodotta non dalla termodinamica in quanto tale, ma dai processi sociali e storici specifici dell’accumulazione capitalistica – la competizione al rialzo, la dinamica di Jevons e l’esternalizzazione sistematica dei costi ecologici – che insieme guidano processi dissipativi irreversibili, secondo Prigogine, su scala planetaria. L’entropia è la misura del danno; l’accumulazione capitalistica è la sua causa.


La frattura energetica: energia, acqua ed estrazione mineraria

L’analisi termodinamica della sezione precedente, definisce la logica strutturale delle richieste energetiche dell’IA. Questa sezione esamina la realtà materiale di queste richieste in tre dimensioni: elettricità, acqua e minerali critici. Insieme, questi tre vettori di estrazione costituiscono quello che possiamo chiamare, adattando il concetto di "frattura metabolica" di Foster e Clark, una “spaccatura energetica” specifica dell'era digitale: una rottura sistematica della relazione metabolica tra i sistemi tecnologici umani e i cicli naturali che li sostengono, mediata dalle disuguaglianze spaziali e sociali del capitalismo globale.[17]

     Elettricità: la rete sotto assedio

La dimensione più immediatamente visibile dell'impronta ecologica dell'intelligenza artificiale è la sua domanda di energia elettrica. I data center - l'infrastruttura fisica dell'IA, che ospita i server che addestrano i modelli ed elaborano le richieste di inferenza - sono tra le strutture che consumano più elettricità nell'economia moderna. Un grande hyperscale data center, come quello gestito da Google, Microsoft o Amazon, può consumare ininterrottamente tra 100 e 500 megawatt di energia - è paragonabile alla domanda di elettricità di una città di medie dimensioni. L'espansione dell'IA ha accelerato drasticamente la costruzione di tali strutture. Nel 2024, Microsoft ha annunciato l’intenzione di investire, da sola, 100 miliardi di dollari in nuove infrastrutture di data center a livello globale, con impegni simili da parte di Google, Amazon e Meta.[18]

La portata di questa espansione sta esercitando una forte pressione sulle reti elettriche nelle regioni in cui si concentra la costruzione di data center. Nella Virginia settentrionale, che ospita la più grande concentrazione di data center al mondo, i gestori della rete hanno lanciato l'allarme: la crescita pianificata dei data center minaccia di superare la capacità di generazione e trasmissione di elettricità della regione, rendendo potenzialmente necessaria la costruzione di nuove centrali a combustibili fossili per soddisfare la domanda.[19] In Irlanda, i data center rappresentano già circa il 21% del consumo totale di energia elettrica nazionale: una cifra che i progetti dei gestori di rete nazionale potrebbero far aumentare al 32% entro il 2031, escludendo la capacità di energia rinnovabile destinata alla decarbonizzazione domestica e industriale.[20] A Singapore, il governo ha imposto una moratoria sulla costruzione di nuovi data center tra il 2019 e il 2022, adducendo limitazioni energetiche, prima di revocarla sotto la pressione delle aziende tecnologiche.

La relazione tra la domanda di elettricità dell’IA e la transizione energetica è molto contraddittoria. Le aziende tecnologiche hanno assunto impegni di alto profilo per alimentare le loro operazioni con energie rinnovabili, e hanno investito in modo sostanziale in accordi di acquisto di energia elettrica eolica e solare. Ma questi impegni sono sistematicamente compromessi da tre dinamiche strutturali. In primo luogo, il disallineamento temporale tra la disponibilità di energia rinnovabile, che è intermittente, dipendente dalle condizioni eoliche e solari, e la domanda di data center, che è continua e non può essere interrotta, significa che gli accordi di acquisto di energia rinnovabile spesso non corrispondono ai modelli di consumo effettivo di elettricità. L'elettricità che fluisce attraverso i circuiti dei data center in un dato momento può essere generata da gas naturale, carbone o impianti nucleari, indipendentemente da quali contratti rinnovabili l'azienda ha firmato.[21]

In secondo luogo, e più sostanzialmente, la crescita della domanda di elettricità da parte dell'IA sta superando l'espansione della capacità di energia rinnovabile. Un'analisi del 2024 condotta dall'Agenzia Internazionale per l'Energia ha rilevato che in diversi mercati importanti, la crescita prevista della domanda di elettricità nei data center consumerebbe una quota sostanziale di energia rinnovabile di nuova generazione, escludendo di fatto la decarbonizzazione in altri settori.[22] Sviluppare capacità rinnovabili per alimentare l'IA non aumenta l'approvvigionamento di energia pulita per l'economia in generale; assorbe energia pulita che altrimenti sostituirebbe i combustibili fossili altrove.

In terzo luogo, gli enormi requisiti di affidabilità delle infrastrutture di IA hanno spinto le aziende tecnologiche a cercare contratti a lungo termine per la produzione di elettricità alimentata a gas naturale. L'accordo di Microsoft con Constellation Energy per riaprire la centrale nucleare di Three Mile Island ha attirato una notevole pubblicità, ma meno notata è stata la tendenza delle aziende tecnologiche di siglare contratti di capacità con i produttori di gas per garantire una alimentazione stabile di energia.[23] La logica ecologica è chiara: l'espansione dell'IA sta prolungando direttamente la vita economica delle infrastrutture per l'estrazione di combustibili fossili, vincolando il sistema a emissioni di carbonio per i decenni a venire.

     Acqua: il metabolismo nascosto

Se l’elettricità è il volto visibile dell’impatto ecologico dell’IA, l’acqua ne costituisce il metabolismo nascosto. I data center richiedono grandi quantità di acqua dolce per il raffreddamento, sia attraverso sistemi di raffreddamento evaporativo diretto che consumano acqua sotto forma di vapore che attraverso il raffreddamento delle centrali termoelettriche che forniscono loro l’elettricità. Questa domanda di acqua è strutturalmente invisibile nella maggior parte della valutazione pubblica dell’impatto ambientale dell’IA, eppure rappresenta uno dei fattori più gravi e localmente acuti dell’impronta ecologica di questa tecnologia.

Lo studio del 2023 di Pengfei Li e colleghi, ha fornito le prime stime sistematiche del consumo di acqua dell’IA, calcolando che l’addestramento di ChatGPT-3 [un assistente virtuale sviluppato da OpenAI] ha richiesto l’utilizzo di circa 700.000 litri di acqua dolce, abbastanza per produrre 370 auto BMW o 320 veicoli elettrici Tesla.[24] Per inferenza, il quadro è altrettanto sorprendente: lo studio ha stimato che ChatGPT consuma circa 500 millilitri [mezzo litro] di acqua, per rispondere a 20-50 domande. Moltiplicato per milioni di utenti giornalieri, ciò rappresenta una domanda complessiva di acqua dolce di enormi proporzioni.

I dati divulgati dalle aziende confermano questa tendenza. Il Rapporto ambientale di Microsoft del 2022 ha rivelato un aumento del 34%, nel consumo globale di acqua rispetto all’anno precedente, attribuendo esplicitamente tale aumento all'espansione delle infrastrutture di IA.[25]  Nello stesso periodo Google ha registrato un aumento del 20% del consumo di acqua.[26] Queste non sono fluttuazioni marginali: rappresentano un cambiamento strutturale nella domanda di acqua dolce da parte del settore tecnologico, guidato direttamente dalla crescita dei sistemi di IA.

La geografia del consumo di acqua non è affatto neutrale. I data center sono spesso situati in regioni scelte per il basso costo di terreni, di regimi fiscali favorevoli e di condizioni climatiche adatte al raffreddamento, criteri che portano abitualmente le aziende tecnologiche a insediarsi in aree caratterizzate da stress idrico, esistente o emergente. Nel Sud-ovest degli Stati Uniti, i data center competono per l'acqua con l'agricoltura e con i sistemi idrici pubblici, in una regione che è già alle prese con gravi condizioni di siccità, amplificate dai cambiamenti climatici. In Cile, le aziende tecnologiche hanno costruito strutture per data center nella regione di Atacama e nelle sue vicinanze, attingendo alle risorse idriche di uno degli ecosistemi più aridi del mondo - risorse da cui dipendono, per la sopravvivenza, le comunità indigene degli Atacameño e i piccoli agricoltori.[27] In India, negli stati di Telangana e Andhra Pradesh, i progetti di parchi di data center hanno incontrato resistenze a livello locale per le preoccupazioni relative all’esaurimento delle falde acquifere in aree che già soffrono di scarsità d’acqua per l’agricoltura.

Questo modello spaziale riproduce, nello specifico delle infrastrutture digitali dominanti, la logica più estesa di ciò che Rob Nixon chiama “slow violence” [violenza lenta]: le forme graduali, sparse e attenuate temporalmente, di danno ecologico, che non vengono registrate come eventi nei media o nei sistemi politici dominati da catastrofi drammatiche e improvvise.[28] L’esaurimento di una falda acquifera regionale dovuto alle operazioni di raffreddamento dei data center, avviene nel corso di anni e decenni, colpendo comunità la cui insicurezza idrica è già cronica e la cui voce politica è limitata: non genera titoli di giornali. Non compare nei rapporti di sostenibilità delle aziende tecnologiche. Ma è materialmente reale, termodinamicamente necessario e strutturalmente determinato dalla logica competitiva dell'accumulazione dell’I.A.

     Minerali: la base estrattiva

La terza dimensione della frattura energetica dell’IA è rappresentata dalla base estrattiva del suo hardware. I semiconduttori, i server, i sistemi di archiviazione e le apparecchiature di rete che costituiscono l'infrastruttura dell’IA richiedono una complessa gamma di minerali critici - litio, cobalto, tantalio, neodimio, disprosio, indio, gallio e altri - la cui estrazione comporta gravi e concentrati danni ecologici, che gravano in modo sproporzionato sulle comunità del Sud globale.

La geografia dell'estrazione di minerali critici coincide quasi esattamente con la geografia dell’estrazione coloniale storica. La Repubblica Democratica del Congo fornisce circa il 70% della produzione globale di cobalto, in gran parte proveniente da miniere artigianali che operano in condizioni di grave degrado ambientale e sfruttamento del lavoro, incluso l’uso diffuso del lavoro minorile.[29] Bolivia, Cile e Argentina – il “triangolo del litio” – detengono la maggior parte delle riserve globali di litio, e la loro estrazione genera l’esaurimento delle falde acquifere saline in ecosistemi ad alta quota di eccezionale sensibilità ecologica. Gli elementi delle terre rare, essenziali per i magneti permanenti utilizzati nelle ventole di raffreddamento e nei sistemi di alimentazione dei data center, sono concentrati in Cina, Myanmar e Repubblica Democratica del Congo, con operazioni di trasformazione che generano rifiuti radioattivi e tossici.

L'accelerazione dello sviluppo dell’hardware per l'IA aggrava queste pressioni estrattive attraverso la logica dell'obsolescenza programmata. Le dinamiche della competizione al rialzo dell’IA richiedono alle aziende tecnologiche di aggiornare continuamente il proprio hardware, sostituendo le precedenti generazioni di GPU e gli acceleratori di IA personalizzati con modelli più nuovi e potenti, che hanno cicli di due-tre anni. Questo genera enormi quantità di rifiuti elettronici: server, GPU, moduli di memoria e apparecchiature di rete scartati  che contengono materiali tossici tra cui piombo, mercurio, cadmio e ritardanti di fiamma bromurati. La produzione globale di rifiuti elettronici ha raggiunto i 62 milioni di tonnellate nel 2022 e si prevede che crescerà fino a 82 milioni di tonnellate entro il 2030.[30] Una parte sostanziale di questi rifiuti viene esportata, spesso in violazione della Convenzione di Basilea, verso impianti di trattamento in Africa occidentale, Asia meridionale e Sud-Est asiatico, dove viene gestita in condizioni di grave rischio per la salute e l'ambiente.

Il concetto di scambio ecologico ineguale ha una storia lunga e controversa, che affonda le sue radici nella più ampia tradizione dello scambio ineguale e nella critica marxista dell’imperialismo. Attingendo a questa ricca tradizione intellettuale – che dalle teorie classiche dell'imperialismo arriva alla teoria della dipendenza e all'analisi del sistema-mondo - gli studiosi hanno progressivamente incorporato le dimensioni ecologiche nell'analisi delle asimmetrie Nord-Sud.[31] Il contributo di Clark e Foster a questo quadro teorico si fonda principalmente sulla critica dell'imperialismo ecologico: il riconoscimento che il rapporto metabolico tra il Nord globale [il centro del sistema-mondo] e il Sud globale [la periferia] non è solo un'asimmetria economica, ma anche ecologica in quanto la periferia assorbe i costi ambientali dell'accumulazione del centro.[32] Questo quadro teorico fornisce le basi per comprendere l’economia politica globale del metabolismo dei materiali dell’IA.

Questi tre vettori di estrazione – elettricità, acqua e minerali – non sono indipendenti; sono dimensioni interconnesse di un unico sistema metabolico organizzato dagli imperativi di accumulazione capitalistica. I data center richiedono elettricità, che a sua volta richiede infrastrutture che richiedono minerali e acqua. I sistemi di raffreddamento necessitano di acqua ed entrano in competizione con l'agricoltura e l'approvvigionamento idrico pubblico, con ripercussioni sui sistemi alimentari e sulla salute umana. La produzione di hardware richiede minerali, e la loro estrazione produce rifiuti e crea problemi di smaltimento che causano ulteriori danni ecologici. La frattura energetica dell’IA non è una singola rottura nel metabolismo della natura, ma una perturbazione a cascata che interessa molteplici sistemi ecologici, coordinata dalla mano invisibile del capitale e resa invisibile dall’apparato ideologico della dematerializzazione digitale.


I limiti termodinamici del capitale

Le prove materiali raccolte nella sezione precedente vanno oltre la portata della crisi e ne evidenziano la struttura. Ciò che emerge dai dati empirici relativi alla domanda di elettricità, all’esaurimento delle risorse idriche e all’estrazione di minerali non è una serie di fallimenti indipendenti del mercato, ma un’unica logica sistemica, che richiede una spiegazione teorica, non solo tecnica.

La crisi ecologica generata dal capitalismo dell’IA non è riducibile ad un problema di aumento dei costi di produzione o, dal lato dell’offerta, di vincoli che ostacolano l’accumulazione. Rappresenta, piuttosto, un attacco sistematico alle capacità rigenerative del mondo naturale stesso. Come ha sostenuto Foster, il rapporto tra capitalismo e natura è definito da un antagonismo strutturale: la logica dell’accumulazione infinita è inconciliabile con i limiti rigenerativi finiti dei sistemi naturali.[33] Il capitale non si limita a sfruttare la natura come condizione di produzione: interrompe metabolicamente i cicli e le relazioni attraverso i quali la natura si riproduce. Paul Burkett approfondisce questa analisi recuperando da Marx una concezione della natura che rifiuta la sua riduzione a valore strumentale.[34] I sistemi naturali possiedono valori d’uso che sono irriducibili al loro ruolo nel processo produttivo, e la distruzione sistematica di questi valori d’uso da parte del capitalismo - la sua conversione degli ecosistemi viventi in fattori di produzione e discariche di rifiuti - costituisce una crisi ecologica nel senso più pieno del termine: non una crisi di redditività, ma una crisi delle condizioni biofisiche della vita stessa.

L'economia dell'IA rappresenta un'acuta intensificazione di questa dinamica. I data center, i sistemi di raffreddamento e le catene di approvvigionamento minerario che sostengono l’infrastruttura dell’IA non si limitano a sfruttare le risorse naturali, nel senso economico di aumentare i costi di produzione. Contribuiscono soprattutto a un degrado cumulativo e in gran parte irreversibile dei sistemi idrici, degli ecosistemi energetici e dei paesaggi estrattivi da cui dipende la vita umana e non umana. Questo degrado non compare nei bilanci delle imprese tecnologiche, non perché sia economicamente marginale, ma perché il sistema contabile del capitale è strutturalmente incapace di registrare la distruzione di valori che non sono mai stati mercificati. La crisi ecologica dell’IA non è quindi un fallimento del mercato in attesa di una correzione di mercato; è l’espressione di ciò che il capitalismo fa alla natura quando opera senza limiti.

La risposta dominante a questa contraddizione nel quadro della governance capitalista è la narrazione dell’IA “verde” e dell’informatica sostenibile - l’affermazione che la crisi ecologica dell’IA può essere risolta attraverso l’innovazione tecnologica, i meccanismi di mercato e l’impegno volontario delle imprese. Questa risposta merita una seria attenzione analitica, non perché sia convincente ma perché comprenderne il fallimento mette in luce il carattere strutturale del problema.

La narrazione sull’IA verde si basa su tre affermazioni: che le energie rinnovabili possono soddisfare la domanda di elettricità dell’IA senza causare danni ecologici netti; che i miglioramenti nell’efficienza dell’hardware ridurranno il costo ecologico unitario in misura sufficiente da compensare la crescita della domanda totale; e che l’IA stessa genererà benefici ambientali – attraverso la modellazione climatica, l’ottimizzazione energetica e la scienza dei materiali – che supereranno i suoi costi ecologici. Ciascuna di queste affermazioni è pregiudicata dalle dinamiche strutturali dell'accumulazione capitalistica.

Come osservato sopra, l’affermazione sulle energie rinnovabili non regge perché la domanda di elettricità dell’IA sta crescendo più rapidamente della capacità di energia rinnovabile [si riferisce alla potenza massima che un impianto o un paese può generare tramite fonti rinnovabili], perché i disallineamenti temporali tra l’offerta di energia rinnovabile e la domanda dei data center richiedono una/la generazione di energia di riserva [back-up] da combustibili fossili e perché le aziende tecnologiche, per garantire l’affidabilità, stanno attivamente stringendo accordi  per la generazione di energia di riserva con centrali a turbina a gas. L'affermazione sull’efficienza non regge a causa del paradosso di Jevons: i miglioramenti dell'efficienza dell’hardware riducono i costi e quindi stimolano una maggiore domanda, producendo un consumo energetico totale maggiore anzichè inferiore. L’affermazione sul beneficio netto non regge perché tratta i costi e i benefici ecologici dell’IA come commensurabili e commerciabili, quando in realtà, i costi ecologici sono concentrati, locali e pagati dalle comunità vulnerabili. Nel frattempo, i benefici sono diffusi, speculativi e appropriati dagli azionisti e dai consumatori dei paesi ricchi. Non esiste un meccanismo di mercato in grado di aggregare questi effetti, distribuiti in modo asimmetrico, in una contabilità sociale razionale.[35]

I meccanismi di compensazione delle emissioni di carbonio (carbon offset) e gli impegni per le emissioni nette zero (net-zero pledge) attraverso i quali le aziende tecnologiche gestiscono la loro contabilità ecologica pubblica sono soggetti a critiche analoghe. Le compensazioni delle emissioni di carbonio - pagamenti a progetti che dichiarano di ridurre le emissioni altrove, compensando quelle dell'azienda stessa - sono afflitte da problemi di addizionalità, permanenza e verificabilità che rendono molti di essi ecologicamente fittizi.[36] Gli impegni per le emissioni nette zero che dipendono sostanzialmente dalle compensazioni piuttosto che dalle riduzioni delle emissioni assolute sono, in termini termodinamici, manovre contabili piuttosto che interventi fisici: non riducono l'entropia generata dai data center; acquistano diritti su riduzioni di entropia altrove, molte delle quali non si materializzano affatto. Come Clark e York hanno dimostrato nella loro analisi del metabolismo del carbonio, la frattura biosferica generata dal capitalismo dei combustibili fossili non è un’esternalità da prezzare e gestire, ma una caratteristica strutturale del rapporto tra il capitale e il ciclo del carbonio - un rapporto che l’espansione delle infrastrutture di IA sta ora approfondendo e accelerando.[37]

Una critica più importante riguarda il rapporto tra efficienza e scala. La storia del capitalismo industriale è una storia di miglioramenti dell’efficienza che sono stati costantemente sopraffatti dall'espansione di scala, una storia che Georgescu-Roegen ha analizzato come l'inevitabile conseguenza dell'applicazione dei principi della termodinamica a un sistema economico basato su una crescita illimitata.[38] Non esiste alcun miglioramento dell'efficienza, per quanto drastico, che sia in grado di rendere sostenibile un sistema in espansione esponenziale - su un pianeta finito - con un bilancio entropico fisso. La questione non è se l’IA possa essere resa più efficiente - può esserlo, e i miglioramenti sono reali - ma se i miglioramenti in termini di efficienza possano superare la crescita della domanda guidata dall’accumulazione competitiva. Le prove dell'ultimo decennio suggeriscono che non sia possibile. La logica termodinamica dell'accumulazione capitalistica ne fornisce la ragione strutturale.

Questo ci porta a ciò che potremmo chiamare il limite termodinamico del capitale: il punto in cui l’entropia generata dall’accumulazione capitalistica supera la capacità della biosfera di assorbirla senza provocare uno sconvolgimento catastrofico dei sistemi – clima, idrologia, biodiversità e fertilità del suolo – da cui dipende la civiltà umana. Questo limite non è una soglia precisa che si possa indentificare in anticipo; è una zona di crisi, sempre più profonda, in cui siamo già entrati sotto diversi aspetti (concentrazione del carbonio nell’atmosfera, esaurimento delle risorse di acqua dolce e perdita di biodiversità) e verso la quale ci stiamo avvicinando per altri. L’espansione dell’IA nell’attuale regime di accumulazione capitalistica non sta allontanando la civiltà da questo limite, ma la sta avvicinando ad esso, ad un ritmo sempre più accelerato.

L'economia politica di questa traiettoria è chiara. I costi legati all’avvicinamento/approssimazione al limite termodinamico del capitale non sono sostenuti da coloro che guidano l'accumulazione, cioè gli azionisti, i dirigenti e gli investitori istituzionali delle aziende tecnologiche le cui dinamiche competitive determinano il ritmo di espansione dell'IA. Sono sostenuti dalle comunità che vivono in regioni con scarsità idrica le cui falde acquifere vengono prosciugate dai sistemi di raffreddamento dei data center, dai lavoratori delle miniere la cui salute viene compromessa dall'estrazione mineraria, dalle popolazioni dei paesi vulnerabili ai cambiamenti climatici la cui sicurezza alimentare è minacciata dalle emissioni di carbonio, e dalle generazioni future che erediteranno un pianeta con una ridotta capacità di autoregolazione ecologica. Questa è l'economia politica dell'entropia: la privatizzazione dei benefici del consumo a bassa entropia e la socializzazione dei costi dei rifiuti ad alta entropia.[39]

Nessuna innovazione tecnica può risolvere questa economia politica, perché non si tratta di un problema tecnico. È una questione di potere, di chi controlla i mezzi di calcolo, di chi stabilisce le finalità per cui viene impiegata la capacità computazionale e di chi ne sostiene i costi ecologici. Affrontare la questione non richiede algoritmi migliori o chip più efficienti ma una trasformazione radicale dei rapporti sociali di produzione nell'economia digitale. Richiede, in sintesi, una politica all’altezza della posta in gioco termodinamica del momento attuale.


Conclusione

L’analisi sociale e storica sviluppata in questo articolo porta a una conclusione che il discorso dominante sull’IA e sulla sua sostenibilità elude sistematicamente: la crisi ecologica dell’IA non è un problema di insufficiente innovazione o di inadeguata responsabilità aziendale, bensì è l’espressione strutturale della tensione irrisolvibile tra il capitalismo ed i limiti biofisici del pianeta. I processi specifici che alimentano questa crisi - la competizione al rialzo, la dinamica di Jevons e lo spostamento sistematico dei costi ecologici nel Sud globale - non sono malfunzionamenti tecnici in attesa di soluzioni ingegneristiche. Sono normali dinamiche di accumulazione capitalistica nella sua fase monopolistico digitale, registrate in termini termodinamici come processi dissipativi irreversibili: permanenti, cumulativi e fuori dalla portata delle correzioni del mercato.

La tradizione ecosocialista offre il punto di partenza teorico più coerente per un’alternativa. Come ha sostenuto Foster, la frattura metabolica tra capitale e natura non può essere sanata nel quadro istituzionale del capitalismo stesso; richiede una riorganizzazione sostanziale dei rapporti sociali di produzione che subordini gli imperativi dell’accumulazione ai limiti rigenerativi del mondo naturale. Una logica ecosocialista dell'informatica si fonderebbe su tre impegni fondamentali. In primo luogo, si baserebbe sul controllo democratico delle infrastrutture informatiche: i data center, le piattaforme di intelligenza artificiale e le reti che le collegano costituiscono un'infrastruttura sociale critica la cui governance non può essere lasciata agli imperativi competitivi del capitale privato. Al pari delle reti elettriche e dei sistemi idrici, esse richiedono responsabilità democratiche: forme di controllo sociale che consentano alle comunità di determinare le finalità d'uso della capacità informatica e i termini in base ai quali vengono distribuiti i costi ecologici. In secondo luogo, richiederebbe un riorientamento delle priorità di ricerca e sviluppo, allontanandosi dalle applicazioni volte alla massimizzazione del profitto - ottimizzazione pubblicitaria, trading finanziario e sorveglianza del lavoro - indirizzandosi verso applicazioni che rispondano realmente ai bisogni sociali. Tra queste rientrano la gestione delle energie rinnovabili, la salute pubblica, il monitoraggio ecologico e l'istruzione. In terzo luogo, e soprattutto, richiederebbe l'accettazione del fatto che che la scala dell'attività informatica debba essere vincolata dai limiti ecologici. Il principio di sufficienza - inteso come "calcolare quanto basta", piuttosto che "calcolare sempre di più" - deve diventare il criterio guida che sostituisca l'imperativo di crescita su cui si fonda l'attuale competizione al rialzo dell'IA.

Nessuna di queste trasformazioni è imminente e nessuna può essere realizzata solo con mezzi tecnici. L'irreversibilità che Prigogine ha identificato nei sistemi dissipativi ha il suo analogo sociale nelle dipendenze dal percorso (path dependencies)** proprie delle infrastrutture capitalistiche: i data center già costruiti, i contratti già firmati per i combustibili fossili e i paesaggi estrattivi già degradati. Ciò che la politica ecosocialista può realizzare non è la reversibilità dei danni passati ma l'interruzione dei processi che generano danni futuri: una rottura nella logica sociale dell'accumulazione che la termodinamica registra, ma non può produrre autonomamente. La questione che ci troviamo ad affrontare non è se i limiti del capitale prevarranno, ma se ciò avverrà secondo modalità stabilite dalle società democratiche impegnate nella sopravvivenza ecologica o nelle modalità imposte dalle crisi a cascata di una biosfera spinta oltre la propria capacità rigenerativa. Non è l'algoritmo a decidere. È la politica.


Note

* Il paradosso di Jevons è un principio economico secondo cui, quando un'innovazione tecnologica aumenta l'efficienza nell'uso di una risorsa, il consumo totale di quella risorsa aumenta anziché diminuire. Questo avviene perché il miglioramento dell'efficienza riduce i costi, stimolando una maggiore domanda e un utilizzo più diffuso. N.d.T.

** Il termine indica un fenomeno per cui le decisioni o gli eventi del passato influenzano in modo determinante le scelte e i risultati futuri, limitando le alternative disponibili. N.d.T.

[1] Sasha Luccioni, Alexandre Viguier e Anne-Laure Ligozat, Estimating the Carbon Footprint of BLOOM, a 176B Parameter Language Model, in "Journal of Machine Learning Research", 24, n. 253, 2023, pp. 1–15.

[2] Goldman Sachs Research, AI Is Poised to Drive 160% Increase in Data Center Power Demand, 14.05.2024.

[3] Microsoft, 2022 Environmental Sustainability Report, Microsoft Corporation, Washington, Redmond, 2022, p. 17.

[4] Jeremy Rifkin, The Zero Marginal Cost Society: The Internet of Things, the Collaborative Commons, and the Eclipse of Capitalism, Palgrave Macmillan, New York, 2014, pp. 11-14.

[5] Nicholas Georgescu-Roegen, The Entropy Law and the Economic Process, Harvard University Press, Cambridge, 1971, pp. 3-4; John Bellamy Foster, Brett Clark e Richard York, The Ecological Rift: Capitalism’s War on the Earth, Monthly Review Press, New York, 2010, pp. 54-76.

[6] Karl Marx, Capital: A Critique of Political Economy, vol. 1, Penguin, Londra, 1976, pp. 493-494; tr. it. Roberto Fineschi et al., Karl Marx, Il Capitale, Libro 1, Einaudi, Torino, 2024, pp. 377-378.

[7] Emma Strubell, Ananya Ganesh e Andrew McCallum, Energy and Policy Considerations for Deep Learning in NLP, Proceedings of the Fifty-Seventh Annual Meeting of the Association for Computational Linguistics, 2019, pp. 3645-3650.

[8] David Patterson, et al., Carbon Emissions and Large Neural Network Training, arXiv preprint, arXiv, 2104.10350, 2021, pp. 1-9.

[9] Jordan Hoffmann, et al., Training Compute-Optimal Large Language Models, arXiv preprint, arXiv, 2203.15556, 2022, pp. 1-19.

[10] John Bellamy Foster, The Ecology of Marxian Political Economy, in "Monthly Review", 63, n. 4, settembre 2011, pp. 1-16.

[11] William Stanley Jevons, The Coal Question: An Inquiry Concerning the Progress of the Nation, and the Probable Exhaustion of Our Coal Mines, Macmillan, Londra, 1865, pp. 152-153.

[12] AI and Compute, OpenAI (blog), openai.com/blog/ai-and-compute.

[13] International Energy Agency, Electricity 2024: Analysis and Forecast to 2026, IEA, Parigi, 2024, p. 14.

[14] Ilya Prigogine e Isabelle Stengers, Order Out of Chaos: Man’s New Dialogue with Nature, Bantam Books, New York, 1984, pp. 143-145; tr. it., di Pier Daniele Napolitani, Ilya Prigogine e Isabelle Stengers, La nuova alleanza. Metamorfosi della scienza, Einaudi, Torino, 1981.

[15] John Bellamy Foster, Brett Clark e Richard York, The Ecological Rift, op. cit., pp. 73-76.

[16] Goldman Sachs Research, AI Is Poised to Drive 160% Increase in Data Center Power Demand.

[17] Brett Clark e John Bellamy Foster, Ecological Imperialism and the Global Metabolic Rift: Unequal Exchange and the Guano/Nitrates Trade, in "International Journal of Comparative Sociology", 50, n. 3–4, 2009, pp. 311-334.

[18] Arsheeya Bajwa, Microsoft, OpenAI Plan $100 Billion Data-Center Project, Media Report Says, Reuters, 29.03.2024.

[19] International Energy Agency, Electricity 2024, op. cit., p. 27.

[20] EirGrid, Tomorrow’s Energy Scenarios 2023, EirGrid, Dublino, 2023, p. 34.

[21] Benjamin K. Sovacool, et al., Sustainable Minerals and Metals for a Low-Carbon Future, in "Science", 367, n. 6473, 2020, pp. 30-33.

[22] International Energy Agency, Electricity 2024, op. cit. pp. 27-29.

[23] Kim Crawford e Vladan Joler, Anatomy of an AI System, 2018, anatomyof.ai.

[24] Pengfei Li, et al., Making AI Less ‘Thirsty’: Uncovering and Addressing the Secret Water Footprint of AI Models, arXiv preprint, arXiv, 2304.03271, 2023, pp. 1-10.

[25] Microsoft, 2022 Environmental Sustainability Report, op. cit., p. 17.

[26] Google, 2023 Environmental Report, Google, California, Mountain View, 2023, p. 22.

[27] Peter Dauvergne, AI in the Wild: Sustainability in the Age of Artificial Intelligence, MIT Press, Cambridge, 2020, pp. 78-79.

[28] Rob Nixon, Slow Violence and the Environmentalism of the Poor, Harvard University Press, Cambridge Massachusetts, 2011, pp. 2-3.

[29] Guillaume Pitron, The Rare Metals War: The Dark Side of the Clean Energy and Digital Technologies, Scribe, Londra, 2023, pp. 45-67.

[30] United Nations Institute for Training and Research, The Global E-waste Monitor 2024, UNITAR, Bonn, 2024, p. 3.

[31] John Bellamy Foster e Hannah Holleman, The Theory of Unequal Ecological Exchange: A Marx-Odum Dialectic, Journal of Peasant Studies 41, n. 2, 2014, pp. 199-233; tr. it., La teoria dello scambio ecologico ineguale: una dialettica Marx-Odum, online, antropocene.org, 10.05.2023

[32] John Bellamy Foster e Brett Clark, Introduction to the Updated Edition of Arghiri Emmanuel’s Unequal Exchange, in "Monthly Review", 77, n. 8, gennaio 2026, pp. 1-19.

[33] John Bellamy Foster, Capitalism and Ecology: The Nature of the Contradiction, in "Monthly Review", 54, n. 4, settembre 2002, pp. 6-16.

[34] Paul Burkett, Fusing Red and Green, in "Monthly Review" 50, n. 9, febbraio 1999, pp. 47-56; Paul Burkett, Marx and Nature: A Red and Green Perspective, St. Martin’s Press, New York, 1999.

[35] John Bellamy Foster e Brett Clark, The Robbery of Nature: Capitalism and the Metabolic Rift, in "Monthly Review" 70, n. 3, luglio-agosto 2018, pp. 1-20.

[36] Benjamin K. Sovacool, et al., Sustainable Minerals and Metals for a Low-Carbon Future, in "Science", 367, n. 6473, 2020, pp. 30-33.

[37] Brett Clark e Richard York, Carbon Metabolism: Global Capitalism, Climate Change, and the Biospheric Rift, in "Theory and Society", 34, n. 4, 2005, pp. 391-428.

[38] Georgescu-Roegen, The Entropy Law and the Economic Process, op. cit., pp. 276-278.

[39] John Bellamy Foster, Marx’s Ecology: Materialism and Nature, Monthly Review Press, New York, 2000, pp. 141-177.


Te Li

Traduzione a cura della Redazione di Antropocene.org

Fonte: Monthly Reiew Vol. 78, n. 02 (01.06.2026)