L’illusione dell’inference: Nvidia, la geopolitica dei chip e il vero business dell’intelligenza artificiale

Chi continua a pensare che la guerra dell’intelligenza artificiale si giochi sui modelli linguistici sta osservando lo scenario con almeno un anno di ritardo. La partita vera si è spostata altrove, in una zona meno glamour ma infinitamente più redditizia: l’inference. E quando Nvidia decide di riorganizzare la propria architettura industriale attorno a questo concetto, introducendo una nuova classe di chip e parlando apertamente di “fabbriche di AI”, significa che il mercato non sta semplicemente evolvendo; sta cambiando natura.

Il ritorno alla produzione di chip compatibili con le restrizioni statunitensi verso la Cina, annunciato da Jensen Huang, non è un dettaglio operativo ma una dichiarazione strategica. La supply chain dei semiconduttori è ormai una leva geopolitica esplicita, una versione moderna della diplomazia energetica del Novecento. Il fatto che Nvidia riattivi la produzione di H200 dopo aver ottenuto licenze governative racconta una verità poco romantica: l’innovazione tecnologica oggi passa attraverso il filtro della politica industriale, e chi controlla quel filtro controlla il ritmo dell’innovazione.

Nel frattempo, il lancio della Language Processing Unit, una creatura ibrida nata dall’incontro tra architettura hardware e necessità software, rappresenta un cambio di paradigma che molti sottovalutano. La GPU ha dominato l’era del training, ma l’LPU si candida a dominare quella dell’utilizzo reale. Non è un caso che Nvidia parli esplicitamente di sistemi agentici, dove l’intelligenza artificiale non si limita a rispondere ma agisce, esegue, coordina, consuma risorse computazionali in modo continuo e prevedibile. L’inference diventa carburante, e il carburante, nella storia economica, è sempre stato il vero centro del potere.

La piattaforma Vera Rubin, che integra CPU, GPU e LPU, non è un prodotto ma un’architettura di mercato. Nvidia non vende più chip; vende infrastrutture complete, ecosistemi chiusi, quello che in altri settori si chiamerebbe lock-in sistemico. È lo stesso modello che ha reso dominante Apple nell’elettronica di consumo e Amazon nel cloud, ma applicato a una scala industriale che coinvolge interi stati. La differenza è che qui non si tratta di scegliere uno smartphone o un provider cloud; si tratta di determinare chi costruirà la prossima economia cognitiva.

Il punto più interessante, e forse più sottovalutato, emerge dal confronto con la Cina. Secondo diversi analisti, il gap tra Nvidia e i concorrenti cinesi non è più solo una questione di performance hardware ma di dominio sistemico. Una frase che suona tecnica, ma che tradotta significa qualcosa di molto semplice: la Cina può anche costruire chip competitivi, ma fatica a costruire l’intero ecosistema standardizzato che rende quei chip realmente utilizzabili su larga scala.

Questo spiega perché attori come Baidu stiano puntando sull’inference, cercando di sviluppare alternative verticali piuttosto che competere frontalmente sul terreno dei modelli giganteschi. Il chip Kunlunxin e le strategie correlate indicano una scelta pragmatica: invece di inseguire Nvidia nella corsa ai trilioni di parametri, meglio costruire soluzioni ottimizzate per casi d’uso specifici, dove il costo e l’efficienza contano più della potenza pura.

Una strategia che, a ben vedere, ricorda quella adottata da molte economie emergenti nel settore industriale. Quando non puoi vincere sulla scala, vinci sulla specializzazione. Quando non puoi dominare il mercato globale, domini le nicchie locali. È una logica che potrebbe rivelarsi sorprendentemente efficace, soprattutto in un contesto in cui non tutte le applicazioni AI richiedono data center iperscalari.

Nel frattempo, aziende come Huawei e Cambricon stanno costruendo un ecosistema parallelo, meno visibile ma potenzialmente resiliente. La frammentazione del mercato dell’inference, paradossalmente, gioca a loro favore. Non tutto girerà su server Nvidia, e ogni deviazione dal modello dominante è un’opportunità per chi arriva dopo.

La vera ironia è che questa guerra industriale si combatte mentre il pubblico continua a discutere se ChatGPT scriva meglio degli esseri umani o se gli agenti AI sostituiranno i lavoratori della conoscenza. Domande legittime, ma secondarie rispetto alla questione centrale: chi possiede l’infrastruttura che alimenta questi sistemi? Chi controlla i costi dell’inference? Chi decide quanto costa “pensare” per una macchina?

Il dato più rivelatore resta la previsione di Nvidia di oltre mille miliardi di dollari di ricavi entro il 2027. Una cifra che esclude deliberatamente alcune linee di prodotto, come se la società stessa volesse sottostimare il proprio potenziale per non spaventare i regolatori o i mercati. Nella storia del capitalismo tecnologico, le aziende non fanno previsioni prudenti per modestia; lo fanno per strategia.

Un dettaglio apparentemente marginale, come il ruolo di fornitori cinesi nella catena di produzione di Nvidia, racconta un’altra verità scomoda. Anche in un contesto di competizione geopolitica estrema, le interdipendenze industriali restano profonde. Aziende come Wus Printed Circuit o Sichuan EM Technology beneficiano direttamente dell’espansione di Nvidia, dimostrando che la globalizzazione non è morta; si è semplicemente ristrutturata in modo più selettivo e meno ideologico.

Nel mezzo di tutto questo, l’accordo di licensing con Groq e l’assorbimento di parte del suo team segnano un altro passaggio chiave. Nvidia non si limita a innovare internamente; acquisisce, integra, consolida. È una strategia classica, quasi textbook, ma eseguita con una velocità che lascia poco spazio ai concorrenti. Chi non riesce a stare al passo viene inglobato o marginalizzato, senza troppi drammi.

Il concetto di “AI factory” merita una riflessione più ampia. Non si tratta solo di data center evoluti, ma di unità produttive di intelligenza, dove il valore non è nei dati o nei modelli, ma nella capacità di trasformare input computazionali in output economici. È un cambio di paradigma che ricorda la rivoluzione industriale, quando la produzione passò dall’artigianato alle fabbriche. Solo che questa volta la materia prima è l’informazione, e il prodotto finale è decisione automatizzata.

Una frase sintetica, ma utile per orientarsi: l’AI non è software, è infrastruttura. Chi continua a trattarla come una feature rischia di trovarsi fuori dal mercato prima ancora di capire cosa sia successo.

Nel frattempo, la narrativa dominante della Silicon Valley continua a oscillare tra utopia e distopia, tra promesse di produttività infinita e timori di disoccupazione di massa. Una dinamica quasi teatrale, che serve più a catturare l’attenzione che a spiegare la realtà. La verità, come spesso accade, è più banale e più brutale: l’intelligenza artificiale è un business di margini, capex e supply chain. Tutto il resto è storytelling.

Guardando avanti, il vero rischio per i competitor di Nvidia non è tanto perdere la corsa tecnologica, quanto accettare implicitamente il suo modello. Quando un’azienda definisce lo standard di fatto, anche chi prova a competere finisce per giocare secondo le sue regole. È il paradosso delle piattaforme dominanti: non devono vincere ogni battaglia, basta che definiscano il campo di gioco.

In questo contesto, la Cina potrebbe sorprendere proprio scegliendo di non competere direttamente. Saltare un’intera fase tecnologica, costruire soluzioni alternative, ridefinire le priorità. Una strategia rischiosa, certo, ma storicamente non priva di precedenti. Il salto dal contante al mobile payment, senza passare per le carte di credito, è ancora lì a dimostrarlo.

Il risultato finale, almeno per ora, è un mercato dell’intelligenza artificiale che si biforca. Da un lato, un modello centralizzato, ad alta intensità di capitale, dominato da pochi attori globali. Dall’altro, un ecosistema frammentato, adattivo, più vicino alle esigenze locali. Due visioni incompatibili, ma entrambe plausibili.

Nel mezzo, come sempre, ci sono le aziende e i governi che devono decidere da che parte stare. O, più realisticamente, come navigare tra le due senza restare schiacciati. Perché se una cosa è chiara, al netto dell’hype e delle presentazioni scintillanti, è che l’intelligenza artificiale non è più una tecnologia emergente. È già infrastruttura critica. E chi la controlla non sta solo costruendo prodotti; sta ridisegnando gli equilibri del potere economico globale.