// TOM'S HARDWARE ITALIA — INTELLIGENZA ARTIFICIALE
In Cina la carenza di chip è diventata un'opportunità per fare AI più efficienti e meno care
Nei giorni scorsi FBI, NSA e CISA hanno accusato sei aziende cinesi di intelligenza artificiale, tra cui DeepSeek e Moonshot, di aver comprato in blocco abbonamenti ai modelli statunitensi e di averli usati per addestrare i propri sistemi dal 2024, sottraendo così, secondo le tre agenzie, "capacità che valgono miliardi di dollari". Il ministero degli esteri cinese ha respinto le accuse, parlando di sviluppo basato sull'autosufficienza scientifica e tecnologica del paese. Lo riporta Fortune, che ha raccolto le reazioni di analisti ed ex funzionari su una vicenda ancora aperta.
Ma per gli analisti interpellati da Fortune l'accusa di copiatura racconta solo una parte della storia. Con un accesso più limitato ai chip NVIDIA più avanzati, conseguenza diretta delle restrizioni all'export imposte dagli Stati Uniti, i laboratori cinesi hanno reso più efficiente il meccanismo di attenzione che sta alla base di ogni modello linguistico, tagliando la complessità dei calcoli di un ordine di grandezza. È un caso di necessità che aguzza l'ingegno: dove i laboratori statunitensi, con compute in abbondanza, hanno potuto permettersi di essere generosi con i token, quelli cinesi hanno dovuto imparare a fare di più con meno.
Il meccanismo di attenzione è la parte del calcolo con cui un modello linguistico decide, per ogni parola che genera, quali parole precedenti contano davvero: è il cuore dell'architettura Transformer, descritta nel 2017 in un paper Google, "Attention Is All You Need". Più lungo è il testo da tenere in memoria, più quel calcolo cresce, ed è lì che i laboratori cinesi hanno tagliato: meno operazioni per ogni token generato significa meno GPU necessarie per produrlo.
Gli Stati Uniti restano il primo mercato di potenza di calcolo al mondo: un rapporto della Casa Bianca del marzo 2025 gli attribuisce il 74% del calcolo installato a livello globale. È la base su cui poggiano i controlli sull'export dei chip più avanzati verso la Cina, la scelta politica che ha reso la scarsità un vincolo strutturale per i laboratori di Pechino, destinato a durare più di un ciclo di prodotto.
Il divario tecnico che ne risulta è minimo: lo Stanford AI Index 2026 misura un distacco del 2,7% fra il modello di punta di Anthropic e DeepSeek, una differenza minima rispetto all'enorme scarto di risorse fra Stati Uniti e Cina.
Sul mercato enterprise l'effetto si vede già nei numeri. Ameya Kanitkar, cofondatore di Larridin, riporta che GLM e Kimi gestiscono tre quarti dei task di ingegneria a un quinto del costo dei modelli statunitensi.
DoorDash ha portato Kimi in produzione: il cofondatore Andy Fang lo descrive "più economico" e di "qualità migliore". Cursor lo ha scelto per costruire Composer 2, e Thomson Reuters ha adattato una versione open-source di Qwen per sostituire Claude nella revisione dei documenti. Il risparmio ha un prezzo nascosto: già raccontato altrove, il conto fra costo e destinazione dei dati resta aperto anche quando il modello costa un quinto.
Anche i numeri di adozione aggregati vanno nella stessa direzione: su Hugging Face i modelli open cinesi hanno raccolto il 41% di tutti i download nel 2025, superando quelli statunitensi.
Un indice di Ramp misura al 6,1% la quota di aziende che paga per piattaforme con accesso a modelli open-source o cinesi, in crescita dal 4,5% di gennaio. Dietro quei numeri c'è una pressione concreta sul budget IT: per McKinsey, un leader aziendale su cinque limita l'uso dell'AI proprio per il costo dei token.
Le due narrative uscite nella stessa settimana convivono senza escludersi, ma servono interessi diversi. L'accusa che FBI, NSA e CISA hanno formalizzato tiene in piedi la logica dei controlli sull'export: se i laboratori cinesi si sono limitati a copiare, restringere l'accesso ai chip resta una misura efficace, da mantenere.