La fame di infrastrutture per l’intelligenza artificiale non conosce confini. L’ultima frontiera di questa espansione si sta spostando nelle riserve dei nativi americani, dove gli sviluppatori di data center vedono una combinazione rara: spazi estesi, diritti sull’acqua, accesso alla rete elettrica e regimi fiscali favorevoli. Il gruppo indigeno Honor the Earth ha censito più di cento progetti in fase di proposta su terreni tribali o aree rurali limitrofe, un numero che segnala un interesse non occasionale ma sistematico.

L’attrattiva per gli sviluppatori è concreta. I data center che addestrano e fanno funzionare modelli di linguaggio su larga scala (LLM) consumano quantità di energia che crescono in modo esponenziale, e hanno bisogno di raffreddamento costante. Le tribù con grandi riserve territoriali possiedono spesso risorse idriche e capacità di generazione elettrica, mentre la sovranità giuridica dei territori consente di offrire condizioni fiscali competitive. In un settore dove il costo operativo è dominato da elettricità e spazio fisico, queste caratteristiche diventano decisive.

Ma questa corsa alla terra non è neutrale. Il patrimonio di risorse delle comunità native si inserisce in una storia di esproprio e marginalizzazione, e il rischio che i benefici economici vengano catturati da operatori esterni è alto. Honor the Earth parla apertamente di «colonialismo energetico»: il pattern vede grandi capitali esterni approfittare di territori con strutture di governance più deboli per estrarre valore, lasciando alle comunità locali i costi ambientali e sociali. L’irruzione dell’AI in questi contesti amplifica il conflitto, perché un data center non è una fabbrica tradizionale: promette pochi posti di lavoro altamente specializzati, consuma risorse idriche in aree spesso aride e accelera l’obsolescenza delle infrastrutture elettriche.

Sul piano strutturale, la vicenda mette a nudo una tensione che l’industria dell’AI preferirebbe ignorare: l’attuale modello di crescita si regge su un consumo di risorse fisiche insostenibile. Ogni nuovo balzo nelle dimensioni degli LLM richiede centri di calcolo sempre più grandi, con server che ospitano GPU di ultima generazione, assetate di VRAM e interconnesse con link ad alta banda. L’espansione verso terre prima considerate marginali è il sintomo di una pressione al limite: le località tradizionali per i data center (Virginia, Oregon, Irlanda) sono ormai sature o frenate da vincoli normativi. La ricerca di nuovi siti sta diventando una partita geopolitica in miniatura, in cui chi controlla terra, acqua e permessi ha un vantaggio competitivo.

Per chi progetta deployment on-premise o valuta architetture self-hosted, questo scenario è un campanello d’allarme indiretto. La dipendenza da mega-data center gestiti da pochi grandi provider espone a rischi di catena di approvvigionamento, volatilità dei costi energetici e, sempre più, a potenziali conflitti sociali sulle risorse. Al contrario, investire in hardware efficiente per l’inference locale o in tecniche di quantization che riducono il fabbisogno computazionale diventa una leva strategica per riprendere controllo su costi e tempi. Non è un caso che il settore stia esplorando con urgenza soluzioni come il fine-tuning di modelli più piccoli addestrati su domini specifici, oppure framework di serving ottimizzati per il consumo. Rendere l’AI meno affamata di mega-infrastrutture è, di fatto, una strada verso una maggiore sovranità dei dati e della computazione.

La mossa degli sviluppatori verso le riserve dei nativi americani, insomma, non è solo una notizia di cronaca territoriale. È un indizio di quanto l’intelligenza artificiale stia diventando una questione di geografia fisica, non solo di software. E ci obbliga a chiederci chi paga il prezzo della nostra fame di calcolo.