Il 26 giugno, il county manager di Henrico County, Virginia, ha inviato una email ai dipendenti pubblici: dal 1° luglio le tariffe elettriche per gli edifici governativi e le scuole aumenteranno del 25%, con un impatto stimato di 5 milioni di dollari in più sul bilancio del prossimo anno fiscale. L'appello: risparmiare energia. Sembrerebbe una normale misura di contenimento dei costi, se non fosse che la contea in questione ospita già 37 data center — e ha piani per costruirne altri 17, anche su terreni che furono campi di battaglia della Guerra Civile.

Il paradosso di Henrico: gigawatt di calcolo, watt contati per le scuole

Henrico County è un sobborgo di Richmond, con 350mila abitanti. Negli ultimi anni ha conosciuto una crescita esplosiva come hub di data center, grazie alla vicinanza a Washington DC e alla disponibilità di terra. Meta vi ha costruito un impianto nel 2017. Oggi, i server di decine di aziende occupano centinaia di acri, con altri progetti in cantiere.

Eppure, proprio questa densità di infrastruttura digitale rende più caro l’elettricità per tutti. I data center assorbono quantità enormi di energia: secondo la US Energy Information Administration, un singolo grande data center può consumare quanto una città di 50mila abitanti. Quando la domanda locale supera l’offerta di rete, i costi lievitano. E se da un lato le aziende tecniciche negoziano contratti di fornitura a lungo termine, dall’altro i cittadini e le istituzioni pubbliche si trovano a pagare tariffe più alte e a subire appelli al risparmio.

L’impronta energetica dell’AI e il costo reale dei servizi cloud

La vicenda di Henrico non è isolata. Il nord della Virginia — la cosiddetta “Data Center Alley” — concentra oltre il 70% del traffico internet mondiale e vede aumentare costantemente la pressione sulla rete elettrica locale. Con l’esplosione dell’AI generativa e dei modelli di linguaggio (LLM), i consumi energetici sono destinati a crescere ulteriormente: l’addestramento di un grande modello può richiedere centinaia di megawattora, e l’inference continua moltiplica il fabbisogno.

Per chi valuta deployment on-premise, il caso di Henrico mette in luce una variabile spesso sottovalutata: il costo dell’energia non è solo un dato di bilancio, ma può diventare un fattore di tensione sociale e regolatoria. Mentre i provider cloud scaricano parte dei costi sui clienti, un’azienda che installa il proprio stack locale in un’area satura di data center potrebbe trovarsi a fronteggiare rincari imprevisti, opposizione delle comunità e persino interventi delle autorità locali.

Framework locale: controllo, sì, ma con quale bolletta?

Chi segue le tematiche care ad AI-RADAR sa che il TCO di un’infrastruttura on-premise non si limita all’acquisto di GPU e alla manutenzione dei server: l’energia è forse la voce più difficile da prevedere e controllare. La vicenda di Henrico ricorda che la decisione di self-hosted comporta un’esposizione diretta alle dinamiche del mercato elettrico locale, ai piani di espansione della rete e alle politiche di pricing che ne derivano.

In questo contesto, il caso della contea della Virginia diventa un campanello d’allarme per le aziende che progettano infrastrutture AI in aree già densamente popolate da data center: valutare la capacità della rete, prevedere scenari di aumento dei costi e considerare fonti di energia alternative non è più un’opzione, ma una necessità. Altrimenti, si rischia di trovarsi nella condizione paradossale di dover chiedere ai propri dipendenti di spegnere la luce per far spazio ai server.

Conclusioni: la crescita digitale non è gratis

La mail del county manager di Henrico è un sintomo di un problema più ampio: la digitalizzazione avanzata e l’AI richiedono una quantità crescente di energia, e qualcuno deve pagarla. Spesso, il conto arriva ai soggetti più deboli, come le scuole, mentre i grandi operatori siglano contratti blindati. Per chi governa progetti di AI e infrastrutture, la lezione è chiara: la sovranità dei dati passa anche dalla sovranità energetica, e ignorare questo legame può rendere insostenibile anche il deployment più virtuoso.