Questo articolo contiene link di affiliazione. ServerDiCasa partecipa al Programma Affiliazione Amazon EU: se acquisti passando dai link presenti in questa pagina, il sito riceve una commissione senza costi aggiuntivi per te. Questo non influisce sulle valutazioni, che restano basate sui test descritti.
Le stime sui consumi di un homelab che si trovano online sono quasi sempre teoriche: si sommano i TDP dichiarati dei componenti e si moltiplica per le ore. Il problema è che un PC acceso non lavora mai al TDP — passa la maggior parte del tempo a riposo, e il riposo di ogni macchina è diverso.
Io ho attaccato una presa smart alla ciabatta del server e ho lasciato registrare per quasi tre settimane. Il risultato non è solo un numero in watt: è finito per raccontare una storia diversa da quella che mi aspettavo, con una scoperta che non stavo cercando.
Come ho misurato
Ho collegato una Shelly Plug S in linea sulla presa del server — la stessa macchina descritta nell’articolo sull’homelab da vecchio PC, con i suoi sedici container attivi tra media server, VPN e domotica. La presa riporta i consumi a Home Assistant, che li registra nel recorder.
Periodo di raccolta: 23 luglio – 13 agosto 2026, quasi tre settimane.
Per questo articolo ho usato le statistiche orarie del recorder (media, minimo, massimo per ogni ora), non gli stati grezzi al secondo. È una scelta obbligata più che stilistica: gli stati grezzi vengono cancellati dopo 14 giorni (purge_keep_days: 14 nella mia configurazione), mentre le statistiche a lungo termine restano per sempre. Su un arco di quasi tre settimane, la granularità oraria è comunque più che sufficiente per vedere pattern giornalieri e di lungo periodo — il dettaglio al secondo serve per misurare un singolo gradino di 5 minuti, non un trend di 20 giorni.
Sulla tariffa. Per i costi uso 0,20997 €/kWh — non il prezzo dell’energia sul mercato, ma il totale della mia bolletta diviso i kWh consumati. È una distinzione che vale la pena spiegare, perché è dove quasi tutte le stime online sbagliano: secondo il PUN aggiornato ad agosto 2026, il prezzo dell’energia sul mercato viaggiava intorno a 0,18 €/kWh. Ma quel numero è solo la materia prima. Ci vanno sommati trasporto, oneri di sistema, accise e IVA — e in Italia pesano parecchio. La tariffa “reale” ricavata dalla bolletta è quella che conta davvero, ed è sistematicamente più alta di quella che si legge nei calcolatori online.
Il consumo a riposo e sotto carico
Sui diciotto giorni non parziali della raccolta (esclusi i quattro giorni con meno di 22 ore di dati a inizio e fine periodo), il consumo medio giornaliero è oscillato tra 74 e 108 W, con un pattern netto: alto nella prima settimana, poi stabile e basso dal 1° agosto in poi.
Il massimo assoluto registrato è 217,5 W (31 luglio, giorno di riavvio e benchmark), il minimo 68,2 W (1 agosto). Ma la media aggregata da sola non dice granché: dentro c’è un carico che varia parecchio a seconda dell’ora.
Sul periodo stabile (1-12 agosto), il profilo orario pulito mostra tre regimi distinti:
| Fascia oraria | Consumo medio | Cosa succede |
|---|---|---|
| 00:00 – 16:00 (escluse le ore del backup) | 73,4 – 74,9 W | riposo, piatto |
| 17:00 | 81,0 W | picco serale — presumibilmente Jellyfin |
| 18:00 – 20:00 | 75,6 – 78,7 W | coda della sera |
| 21:00 – 23:00 | 74,6 – 75,1 W | rientro a riposo |
I massimi orari raccontano quello che le medie nascondono: punte fino a 200-212 W nel tardo pomeriggio/sera (streaming), e picchi isolati fino a 154-165 W tra le 02:00 e le 03:00 — il backup notturno con Duplicati, visibile nei dati anche senza sapere a priori che esiste.
La sorpresa: -22 W nel giorno in cui ho cambiato driver
Il dato più interessante di tutta la raccolta non era quello che cercavo. Il 31 luglio ho installato i driver proprietari NVIDIA per testare l’inferenza su GPU (ne parlo più sotto). Guardando lo storico dopo, il consumo medio è crollato da 97,0 W a 74,9 W lo stesso giorno — un calo del 23%. Nei dodici giorni pieni di agosto, il consumo giornaliero è rimasto tra 73,8 e 75,3 W in undici casi su dodici; l’unica eccezione è il 2 agosto, a 79,4 W.
Prima di attribuirlo al driver ho controllato due cose, perché la spiegazione ovvia è quasi sempre quella sbagliata:
- Non erano i download. Nei giorni prima del calo (24-28 luglio) i log di Radarr non mostrano nessuna importazione, eppure il consumo era già alto — quindi non era traffico intermittente a spingere la media.
- Non era un’attività a tratti. Ho guardato la distribuzione delle medie orarie, non solo la media aggregata: prima del 31/7 il 75% delle ore stava stabilmente tra 90 e 105 W; dopo, l’81% stava tra 70 e 75 W. Due fasce strette, non due picchi alternati. Questo esclude qualunque causa intermittente (download, streaming, backup) e punta a un carico costante, presente 24 ore su 24.
La spiegazione che regge i conti: la GTX 750 Ti installata su questa macchina è una GPU Maxwell, e il driver open source nouveau non è in grado di ridurre le sue frequenze di clock (serve un firmware firmato NVIDIA che nouveau non ha) — resta bloccata alle frequenze di avvio anche a riposo. Con il driver proprietario, la stessa scheda a riposo consuma 1,08 W (media su 230 campioni, misurato con nvidia-smi in una prova separata). La differenza tra i due regimi corrisponde quasi esattamente al calo osservato.
Non ho rifatto l’esperimento a ritroso (tornare a nouveau e rimisurare), quindi lo dico con la massima onestà che i dati permettono: è un’attribuzione ad alta confidenza, non una dimostrazione. Il 31 luglio ho anche riavviato il server e ricreato metà dei container, e un processo concorrente non è formalmente escluso — ma richiederebbe una coincidenza notevole rispetto a una spiegazione che torna quasi al watt.
Quanto costa davvero in un anno
Applicando la tariffa reale (0,20997 €/kWh) al consumo medio del periodo stabile (74,4 W):
| Valore | |
| Consumo medio | 74,4 W |
| kWh/anno | 651 |
| Costo annuo | 137 € |
Di cui, scomponendo tra “stare acceso” e “lavorare”:
| W medi | kWh/anno | €/anno | |
|---|---|---|---|
| Stare acceso (nessun servizio sotto sforzo) | 69 | 604 | 127 |
| Tutto il lavoro insieme (Jellyfin, backup, i quattro *arr, Home Assistant, Pi-hole, inferenza) | 5,4 | 47 | 10 |
| Totale | 74,4 | 651 | 137 |
Su quella parte «lavorare» sono poi tornato con una misura dedicata: quanto costa davvero far girare un’IA in locale, dove il gradino di consumo dell’inferenza è misurato da solo e tradotto in euro per milione di token.
Il numero che mi ha colpito di più: tutto quello che il server fa attivamente vale il 7% del consumo totale. Il 93% se ne va per il semplice fatto di tenerlo acceso — CPU al minimo, RAM, dischi, ventole, perdite dell’alimentatore. Non è un dato specifico dei servizi che ho installato io: è la fisica di una macchina x86 sempre accesa, e vale probabilmente per la maggior parte degli homelab domestici.
Il costo dell’IA locale
Visto che il calo del 31 luglio riguarda proprio la GPU, vale la pena chiudere il cerchio: quanto costa davvero avere un modello caricato e usarlo?
Il driver corretto, da solo, vale 22 W di risparmio costante — 193 kWh e 40 €/anno, indipendentemente da quanto la GPU viene usata: è il costo di averla installata e attiva, non di farla lavorare.
Sul lavoro vero e proprio, in una misura separata ho isolato il gradino di consumo durante un’inferenza reale su questa macchina: +91 W rispetto al riposo, di cui solo il 4,5% (4,08 W) attribuibile alla GPU — il resto è CPU, RAM e VRM che salgono di regime intorno a lei. Tradotto in un anno, tenere il modello a lavorare circa settanta secondi a notte (il mio uso reale, misurato sulla configurazione del 24 agosto) costa 0,136 € l’anno (numeri rimisurati sulla configurazione di produzione attuale, dettagli qui). Anche facendolo girare senza sosta per un anno intero — un’ipotesi estrema, lontanissima dal mio uso reale — il costo salirebbe a circa 160 €: il consumo del server raddoppierebbe appena, restando comunque nello stesso ordine di grandezza di quanto già pago per tenerlo acceso.
Non è solo teoria: l’11 agosto, il giorno in cui ho fatto le prove di inferenza, è risultato il giorno con la media più bassa di tutti e dodici (73,8 W) — le prove sono invisibili nella media giornaliera, sommerse dalla normale variabilità dello streaming serale.
La conclusione pratica è la stessa di questo articolo, applicata all’IA: il costo non sta nell’uso, sta nell’avere la macchina accesa. Chi si preoccupa della bolletta per l’inferenza locale sta guardando il numero sbagliato — quello che conta davvero è il driver giusto e se il server sarebbe acceso comunque. Del lato prestazioni della stessa GPU — quanto conta davvero la VRAM per far girare un modello locale — ho scritto separatamente nell’articolo dedicato.
Conviene rispetto a un NAS o al cloud?
Il confronto onesto va fatto su due fronti separati: un NAS commerciale dedicato, e uno storage cloud equivalente.
Contro un NAS. Ho preso le specifiche ufficiali Synology del DS223j, un 2-bay entry level: 17,3 W in accesso, 4,1 W in sospensione dischi. Alla mia tariffa, questo dà una forchetta tra 7,5 €/anno (sempre in sospensione) e 32 €/anno (sempre attivo) — contro i 137 €/anno del mio server. Non ho un dato misurato sul duty cycle reale di un NAS domestico, quindi la cifra vera sta da qualche parte in mezzo. Ma anche nella stima più alta, un NAS costa una frazione.
Il punto è che non fa le stesse cose. Un NAS entry level fa storage e poco altro; il mio homelab fa anche media server, VPN, domotica, DNS e adesso inferenza locale. Ne ho scritto meglio nell’articolo su se un NAS serve davvero a tutti: la domanda giusta non è “quanto consuma”, è “di cosa hai davvero bisogno”.
Contro il cloud. Un piano Google One da 2 TB costa 9,99 €/mese, cioè circa 120 €/anno — senza contare l’hardware, e per sempre, ogni anno, senza mai possedere niente. Il mio server costa di più in bolletta (137 €/anno), ma include l’hardware già ammortizzato, fa più cose, e i dati restano fisicamente miei.
Nessuno dei due confronti è “vince X”: dipende da cosa stai già facendo. Se ti serve solo backup e streaming occasionale, un NAS basso consumo o anche solo il cloud battono un PC riciclato acceso 24/7. Se sul server giravano già altri servizi — come nel mio caso — il costo marginale di aggiungerne uno in più (inclusa un’IA locale) è quasi sempre trascurabile.
Cosa farei per consumare meno
Solo interventi che ho verificato o che posso quantificare con i dati che ho — non consigli generici.
Fatto e misurato: il driver GPU corretto. -22 W costanti, -40 €/anno, a costo zero (un pacchetto da installare).
Calcolato, non misurato: spegnere il server di notte. Nella fascia 00:00-06:00 il consumo di riposo è di circa 69 W. Spegnendolo per 6 ore su 24 si risparmierebbero teoricamente circa 151 kWh/anno (32 €/anno) — ma il backup Duplicati gira proprio in quella fascia (02:00-03:00), e VPN e domotica smetterebbero di rispondere per quelle ore. Non l’ho testato: non so quanto impatta l’avvio/spegnimento quotidiano sull’usura del disco, né se vale la scomodità.
Non testato: lo spindown dei dischi quando inattivi. Su un homelab con più servizi che scrivono in continuazione (log, database, il recorder di Home Assistant stesso) il disco potrebbe non fermarsi mai abbastanza a lungo da rendere lo spindown utile — è un’ipotesi che andrebbe verificata con un test dedicato, non un consiglio da dare per buono.
Se testo uno di questi due, aggiorno l’articolo con i numeri veri.
Domande frequenti
Quanto consuma un homelab in un anno?
Nel mio caso, misurato su tre settimane: 651 kWh/anno, circa 137 € alla tariffa reale di bolletta (0,20997 €/kWh). Il numero varia moltissimo da macchina a macchina — dipende dall’hardware, da quanti servizi girano e, come ho scoperto, anche dal driver della scheda video se ne hai una.
Conviene spegnere il server di notte?
Dipende da cosa gira di notte. Nel mio caso il backup automatico è programmato tra le 02:00 e le 03:00, quindi spegnere durante la notte comporterebbe riorganizzare quel processo. Il risparmio teorico c’è (circa 32 €/anno spegnendo 6 ore), ma non l’ho misurato nella pratica e non tiene conto dell’eventuale usura da accensioni/spegnimenti ripetuti.
Un NAS consuma meno di un PC riciclato?
Sì, in modo netto: un 2-bay entry level come il Synology DS223j dichiara 17,3 W in accesso e 4,1 W in sospensione, contro i 74,4 W medi del mio server. Ma fa anche molto meno — principalmente storage. Se ti serve solo quello, un NAS o anche il cloud costano meno del tenere acceso un intero homelab.
Conclusione
Il numero che porto a casa da questa misura non è tanto “137 € l’anno” — è che il 93% di quella cifra se ne va solo per tenere la macchina accesa, non per farla lavorare. E che la voce più pesante che ho trovato per abbassarlo non era un servizio da spegnere, ma un driver installato per tutt’altro motivo.
Avevo messo la GPU su questa macchina per testare l’inferenza locale, che si è rivelata quasi ininfluente sui consumi. Il driver che ho dovuto installare per farlo funzionare, invece, mi fa risparmiare 40 € l’anno — un beneficio laterale, arrivato da dove non lo cercavo. Se c’è una morale trasversale a tutta questa serie di misure sul mio homelab, è questa: quello che conta davvero raramente è dove te lo aspetti.
Nota: tutte le misure sono state raccolte sul mio homeserver con i servizi di produzione attivi, non su una macchina dedicata al test. L’attribuzione del calo di consumo al driver GPU è ad alta confidenza ma non è stata verificata con un esperimento di rollback.
Questo articolo fa parte di IA locale su hardware di recupero, la serie in cui provo a far girare modelli in locale su un PC del 2013 misurando tutto: cosa gira davvero, quanto costa tenerlo acceso, a cosa serve. Nell’indice ci sono tutti gli articoli in ordine.