Quando si accende un forno industriale per cuocere mattoni, ogni kilowattora conta. Alla Belden Brick Company, azienda dell’Ohio che dal 1885 produce laterizi per monumenti come l’Alamo e l’Università di Notre Dame, le bollette elettriche erano una voce stabile da anni. Poi l’intelligenza artificiale è arrivata nella Rust Belt – sotto forma di data center – e in dodici mesi i costi sono schizzati del 90%. Non è un incidente isolato: è il fronte più concreto di una guerra energetica silenziosa tra l’economia digitale e quella materiale.

Il meccanismo è semplice. I grandi cluster di GPU che addestrano e servono i modelli linguistici (LLM) sono divoratori di elettricità. Un singolo data center di medie dimensioni può assorbire quanto una cittadina di decine di migliaia di abitanti. Quando queste strutture si concentrano in una regione – come sta accadendo in Ohio, attratte da incentivi fiscali e disponibilità di terreni – la pressione sulla rete locale fa lievitare i prezzi per tutti. Chi produce beni fisici, con margini già compressi e processi energivori, si trova a competere per una risorsa che fino a ieri era abbondante e prevedibile.

C’è un paradosso sotterraneo. La narrazione dominante dipinge l’AI come motore di produttività trasversale, ma intanto la sua infrastruttura sottrae risorse energetiche a settori tradizionali. Non è solo un problema di bollette: è un costo occulto del modello cloud-centrico che scarica sull’intero sistema elettrico le esternalità della crescita dei modelli. E solleva una domanda scomoda: stiamo costruendo un’economia in cui l’intelligenza artificiale, per funzionare, impoverisce chi produce i beni che le danno forma fisica?

Per chi osserva le dinamiche di deployment dell’AI, il caso Belden è una spia. L’attuale boom dei data center si regge su un presupposto di energia abbondante che non sempre regge alla scala regionale. Quando la fornitura si stringe, le aziende con carichi di lavoro prevedibili e on-premise possono ritrovarsi in una posizione migliore: negoziano contratti di fornitura a lungo termine, investono in generazione rinnovabile in loco, e tengono sotto controllo il Total Cost of Ownership (TCO) energetico senza subire le oscillazioni indotte dalla domanda dei colossi del cloud.

Non è una soluzione per tutti, naturalmente. L’on-premise ha barriere di capitale e competenze tecniche che pochi mattonifici possono superare. Ma il principio che emerge è strutturale: l’energia è diventata la variabile critica nella localizzazione dell’inference e del training. I data center AI tendono a formare grappoli geografici, alterando i mercati energetici locali e innescando reazioni a catena che vanno dai conflitti con le comunità fino a vincoli regolatori sempre più stringenti. In Europa, dove la direttiva sull’efficienza energetica e il GDPR già impongono trasparenza e limiti, la sovranità dei dati e il controllo sulle risorse fisiche stanno spingendo molte organizzazioni a valutare soluzioni self-hosted anche per ridurre l’esposizione a queste turbolenze di rete.

La storia della Belden Brick Company, insomma, non è solo un aneddoto di cronaca locale. È un campanello d’allarme su chi paga davvero il conto dell’AI. Mentre i riflettori sono puntati su modelli sempre più grandi e benchmark scintillanti, la ruggine della Rust Belt ci ricorda che l’energia non è infinita – e che ogni scelta architetturale, dal cloud all’on-premise, ha un impatto che va ben oltre il rack del server.