Sabato scorso la protesta americana contro i data center ha smesso di essere un mosaico di ricorsi edilizi sparsi ed è diventata un movimento nazionale. Oltre 140 raduni in 42 stati, convocati sotto un’unica bandiera, hanno dato corpo a una giornata di mobilitazione che punta dritto al cemento dell’intelligenza artificiale: gli edifici industriali dove si addestrano e fanno inference i modelli di grandi dimensioni. Le piazze virtuali delle zoning board si sono trasferite fisicamente sotto le torri di raffreddamento.

Non è una sorpresa per chi segue la crescita esplosiva della domanda di calcolo. L’addestramento e l’inference di LLM sempre più grandi divorano energia, acqua e superficie quanto piccole città. I numeri complessivi li conosciamo: la scia energetica di un singolo cluster può competere con quella di un impianto siderurgico, e i piani di espansione dei grandi provider cloud prevedono decine di nuovi campus nei prossimi anni. Quello che cambia, con la giornata di sabato, è il coordinamento: non più comitati isolati ma una rete di realtà locali, ambientaliste e per la tutela del territorio che si scambiano tattiche e dati, rendendo ogni nuovo progetto un potenziale campo di battaglia legale e mediatico.

La fisica non si negozia

Per chi sviluppa o adotta sistemi di AI, il punto non è solo reputazionale. L’opposizione organizzata modifica i tempi e i costi di realizzazione dell’infrastruttura concentrata. Permessi bloccati, udienze pubbliche, vincoli ambientali sempre più stringenti significano anni di ritardo sui piani di capacity. In un mercato dove la disponibilità di calcolo è un vantaggio competitivo immediato, l’incertezza sui nuovi siti spinge le imprese a guardare altrove. Ed è qui che il pendolo comincia a oscillare verso architetture distribuite e on-premise.

Il ragionamento è lineare: se piantare un mega-campus diventa un’impresa politicamente costosa, l’alternativa è distribuire il carico su nodi più piccoli, più vicini al punto di consumo e meno impattanti. Un cluster self-hosted da qualche decina di kilowatt installato in un capannone esistente o in un edge data center urbano non accende le stesse proteste di un nuovo complesso da centinaia di megawatt in aperta campagna. Non è solo una questione di scala: è il controllo diretto sull’infrastruttura a renderla meno vulnerabile alle fibrillazioni sociali. Chi gestisce in proprio i server per l’inference evita di dipendere da una pipeline di campus sempre più contestati.

Sovranità dei dati e controllo operativo

C’è poi un filo più sottile che lega queste proteste alla sovranità digitale. Molti dei comitati locali sollevano obiezioni che vanno oltre l’impatto paesaggistico: parlano di uso dell’acqua, di reti elettriche saturate a scapito delle comunità, e implicitamente di un modello di sviluppo deciso altrove. Quando un hyperscaler propone un data center, la governance dei dati che vi transitano e la proprietà dell’hardware restano fuori dal perimetro decisionale locale. Spostare i carichi di lavoro su infrastrutture proprie, magari all’interno di un perimetro aziendale o in un data center di prossimità con regole chiare di residenza e audit, trasforma quella tensione in un argine. L’hardware sotto il proprio controllo fisico accorcia la catena delle responsabilità e, sul piano della compliance, rende più agevole dimostrare dove e come i dati vengono trattati – non da ultimo per il GDPR.

Per chi valuta un deployment on-premise, i trade-off restano: CapEx iniziale, competenze interne per la gestione del ferro, vincoli di spazio e raffreddamento. Ma la giornata di mobilitazione nazionale suggerisce che il costo indiretto dell’approccio centralizzato sta salendo, e non solo in bolletta elettrica. Le licenze sociali si misurano ormai in mesi di udienze e in rischi di stop ai cantieri.

La struttura del mercato potrebbe reagire accelerando sul fronte dell’efficienza: modelli più piccoli, quantization spinta, inference su hardware commodity che può vivere in armadi già esistenti. Non a caso, la comunità open source sta spingendo molto su soluzioni che girano senza bisogno di interi edifici dedicati. Quando la strada del gigantismo fisico si fa più stretta, la densità di calcolo diventa la vera moneta di scambio. E questa dinamica premia proprio chi sa far funzionare l’AI vicino all’utente, in ambienti domestici o aziendali, fuori dai radar delle grandi proteste nazionali.