Mentre l’amministrazione Trump tenta di risvegliare il manifatturiero con lo slogan «Made in America», l’infrastruttura che alimenta l’intelligenza artificiale spreme la stessa base industriale che vorrebbe proteggere. Secondo un’analisi Reuters, i produttori delle città della Rust Belt stanno pagando bollette elettriche molto più salate perché l’esplosione dei data center sta mettendo sotto sforzo PJM Interconnection, il più grande operatore di rete degli Stati Uniti. Il caso Belden Brick, un’azienda dell’Ohio che produce mattoni da 141 anni, è emblematico: la bolletta mensile è schizzata da 1.600 a 12.000 dollari a causa dell’aumento del capacity charge mensile nella regione servita da PJM. Nel frattempo, la Steel Manufacturers Association avverte che le acciaierie concentrate nella stessa area stanno già sborsando decine di milioni di dollari in più all’anno per l’elettricità, che incide per il 20-40 per cento sui costi di produzione.

La frizione non è soltanto una questione di politica industriale. È un segnale precoce di come la corsa all’AI stia deformando il mercato elettrico in modo strutturale, con conseguenze che tracimano ben oltre le fabbriche di mattoni e acciaio. PJM, che serve 13 Stati tra Illinois e Virginia, ha visto un’ondata di richieste di connessione da parte di nuovi data center, spesso concentrati in cluster. Questi carichi, attivi 24 ore su 24, aggravano il fabbisogno di capacità di generazione e trasmissione, facendo lievitare proprio gli oneri di capacità che colpiscono tutti i clienti industriali. Non è solo l’energia consumata a costare di più: è il costo per garantire che la rete possa reggere il picco, un costo che viene scaricato in modo proporzionale sui grandi utilizzatori.

Per chi ha in mente progetti di self-hosting di LLM, la lezione è diretta. Un cluster di GPU per inference o fine-tuning on-premise, anche di dimensioni moderate, assomiglia molto, dal punto di vista del gestore di rete, a un impianto manifatturiero energivoro. Se viene installato in un’area congestionata dalla presenza di hyperscaler, il capacity charge può trasformare un Total Cost of Ownership calcolato sulla sola energia in una cifra ben più alta del previsto. Questa non è una congettura: è un effetto già osservato in Virginia, dove la tariffa di trasmissione per i grandi clienti industriali è aumentata di circa il 60 per cento in due anni, proprio in coincidenza con la concentrazione di data center nella contea di Loudoun.

Le implicazioni strutturali vanno al di là di una singola geografia. Innanzitutto, chi ha power purchase agreement (PPA) di lungo termine con produttori rinnovabili — tipicamente i grandi cloud provider — può schermarsi da questi rincari, mentre chi allaccia un proprio armadio di calcolo in uno stabilimento manifatturiero o in un ufficio finisce per pagare tariffe spot o capacity charge non negoziate. In secondo luogo, la tensione tra domanda AI e capacità di rete rende sempre più strategico, nei deployment on-premise, il criterio della localizzazione: installare un server di inference a Francoforte, a Dublino o in una zona a bassa densità di data center può cambiare radicalmente la voce energetica del TCO.

C’è un terzo effetto, più sottile ma cruciale per l’ecosistema dei modelli open weight e per chi evita il cloud per ragioni di sovranità dei dati. L’aumento dei costi fissi di rete spinge verso l’efficienza a tutti i livelli: quantization aggressiva dei modelli, architetture che minimizzano la VRAM necessaria, scheduling dei carichi nelle ore a tariffa più bassa. In pratica, la pressione economica sta accelerando la stessa direzione verso cui muovono le esigenze di privacy: inference locale con modelli più piccoli, eventualmente su hardware edge. Non è impossibile che, in alcune regioni, il capacity charge renda proibitivo il funzionamento continuo di un server multi-GPU e premi invece configurazioni attivate solo su richiesta, una dinamica che ricorda il pricing «off-peak» di alcuni servizi cloud, ma al contrario.

La vicenda di Belden Brick e delle acciaierie americane, quindi, non è una curiosità settoriale. È un campanello d’allarme per chiunque progetti di far girare Large Language Model fuori dai data center di proprietà dei soliti colossi. Il costo reale dell’elettricità non è più un dato scontato in un modello TCO: dipende dalla regione di rete, dal carico complessivo e dai giochi di capacità che i grandi data center stanno riscrivendo. AI-RADAR continuerà a esplorare questo intreccio fra hardware, reti e regolamentazione, offrendo strumenti per valutare scenari di deployment alla luce di una variabile che l’industria manifatturiera sta già pagando cara.