Un batterio raro e potenzialmente letale finisce nel sistema idrico di Cheyenne, Wyoming, a causa di un'impresa che lavora per il campus AI di Meta. La reazione delle autorità è immediata: stop a tutti gli scarichi industriali dai data center, congelando di fatto ogni ulteriore concessione. Non è solo un caso ambientale: è il sintomo di una frattura sempre più evidente tra la fame d'acqua delle infrastrutture AI on-premise e la resistenza delle comunità locali.

I data center per training e inference su larga scala divorano acqua. Ogni rack di GPU che elabora LLM richiede sistemi di raffreddamento che spesso attingono a fonti idriche pubbliche, restituendo acqua calda o, come in questo caso, contaminata. Quando un impianto è on-premise, non si limita a consumare elettricità: compete direttamente con l'agricoltura e l'uso domestico, inserendosi in equilibri delicati. Cheyenne ha scelto di difendere la propria rete idrica, e non sarà l'ultima.

La questione non è solo tecnica, ma di sovranità. Le amministrazioni locali iniziano a rendersi conto che autorizzare un data center significa cedere una quota significativa di una risorsa finita. Negli ecosistemi on-premise, il controllo del territorio è un fattore di deployment che va ben oltre la latenza. Se un comune può bloccare gli scarichi, il TCO di un cluster AI include un rischio normativo difficile da quantificare. Per chi valuta strategie on-premise – dalle banche italiane con dati sensibili alle PMI manifatturiere – l'incidente di Cheyenne sposta l'attenzione su un parametro spesso trascurato: la licenza sociale.

La risposta di Meta è ancora generica, ma il precedente aperto è chiaro: le giurisdizioni locali hanno strumenti per fermare le operazioni anche se il contratto è firmato. La dipendenza dall'acqua diventa così un vettore di attrito strutturale per il modello hyperscale. Non si tratta solo di consumi energetici, ma di un loop delicato: più potenza di calcolo serve, più acqua viene usata per dissipare calore; più l'infrastruttura è concentrata in un unico sito, più l'impronta idrica diventa insostenibile per il territorio.

Da qui, due strade possibili. La prima spinge verso soluzioni di raffreddamento a circuito chiuso o dry cooling, che azzerano il prelievo dall'acquedotto ma alzano i costi di impianto e riducono l'efficienza termica – un trade-off che ogni progettista di cluster on-premise dovrà mettere a bilancio. La seconda porta a frammentare i deployment: tanti nodi più piccoli, distribuiti in aree con abbondanza idrica o dove il riutilizzo delle acque reflue è già norma, come alcune zone del Nord Europa. Questo riduce la pressione sulle singole comunità e sposa logiche di edge computing, ma complica la gestione di training distribuito.

L'episodio di Cheyenne è una spia di qualcosa di più profondo: la corsa all'AI su scala locale sta incontrando muri reali, fatti di tubature e depuratori. Chi costruisce infrastrutture on-premise non può più ignorare la variabile idrica – non come costo accessorio, ma come vincolo primario di sito e di continuità operativa.