L’AGI è già qui, ma solo se cambi il significato della parola

Quando Jensen Huang decide di dire pubblicamente che l’AGI è già stata raggiunta, non sta facendo una previsione tecnologica; sta facendo un’operazione semantica. Sul podcast di Lex Fridman, uno spazio ormai diventato una sorta di Davos informale per l’intelligenza artificiale, il CEO di NVIDIA ha pronunciato quella frase che i media aspettavano da anni. Poi, con una calma quasi chirurgica, ha svuotato quella stessa frase del suo significato più ambizioso.

Il risultato è un piccolo capolavoro di comunicazione strategica. Dire tutto e il contrario di tutto, mantenendo intatto il capitale narrativo. Silicon Valley lo fa da decenni; questa volta lo fa su scala globale, con un tema che oscilla tra filosofia della mente e capitalizzazione di mercato.

Il contesto conta. La definizione proposta da Fridman non è quella accademica classica, quella che rimanda a un sistema capace di svolgere qualsiasi compito cognitivo umano meglio di un essere umano medio. È una definizione operativa, quasi brutale: un’AI capace di costruire e gestire un’azienda tecnologica da un miliardo di dollari. In altre parole, non coscienza, non autonomia generale, ma capacità di generare valore economico sostenibile in un contesto competitivo reale. Huang accetta la definizione, e in quel momento accade la magia: l’AGI esiste già.

Poi arriva la ritrattazione, o meglio, la raffinazione. Non si tratta di un sistema stabile, duraturo, affidabile. Si tratta di un fenomeno temporaneo, simile alle meteore delle dot-com. Aziende che esistevano, generavano valore, ma evaporavano nel giro di pochi trimestri. La metafora è perfetta perché è storicamente precisa e allo stesso tempo autoassolutoria. Se l’AGI è una bolla, allora il suo fallimento non è un problema tecnologico ma un ciclo economico.

Questo passaggio merita attenzione. Nel momento in cui l’AGI viene ridefinita come capacità di generare un risultato economico temporaneo, il baricentro si sposta dalla scienza all’economia. Non importa più se un sistema comprende, ragiona o pianifica in senso umano. Importa se riesce a orchestrare risorse, codice, marketing e capitale per produrre un outcome finanziario rilevante. È una visione profondamente americana, quasi calvinista: il successo economico come proxy della verità.

Il paradosso è evidente. Se accettiamo questa definizione, allora alcune forme primitive di AGI potrebbero già esistere sotto forma di sistemi agentici che orchestrano campagne di marketing, trading algoritmico o produzione di contenuti. Sistemi che non “capiscono” nel senso umano, ma che sono sufficientemente efficaci da generare valore. È un’AGI debole, opportunistica, quasi accidentale. Una AGI senza coscienza e senza intenzionalità, ma con un conto economico.

Huang però introduce un limite invalicabile, ed è qui che la narrazione si riequilibra. “La probabilità che 100.000 di questi agenti costruiscano un computer Nvidia è pari a zero per cento.” La frase è brutale, e soprattutto è precisa. Costruire un computer, o più in generale progettare e produrre hardware complesso, richiede una catena di competenze, infrastrutture e coordinamento che oggi sfugge completamente ai sistemi AI. È il ritorno alla realtà fisica, quella che non può essere simulata con prompt e GPU.

In quella frase c’è un messaggio implicito per il mercato. L’intelligenza artificiale può scalare nel dominio digitale, ma si infrange contro la complessità del mondo materiale. È un limite che ricorda le vecchie leggi dell’economia industriale, dove il capitale fisico e la supply chain rappresentano barriere all’ingresso insormontabili. In altre parole, puoi creare mille startup AI con pochi milioni di dollari, ma non puoi improvvisarti produttore di semiconduttori.

La conversazione con Fridman tocca anche altri temi che, letti insieme, disegnano una visione strategica coerente. Le leggi di scaling dell’AI, per esempio, vengono trattate non come una scoperta scientifica, ma come una legge economica. Più dati, più compute, più performance. È la versione moderna della legge di Moore, ma con una differenza sostanziale: mentre Moore era una previsione sull’hardware, lo scaling è una strategia di investimento. Più spendi, più ottieni. Una tautologia che funziona finché il capitale è abbondante.

Il riferimento a Taiwan e a TSMC non è casuale. L’intera narrativa sull’AGI poggia su una infrastruttura geopolitica estremamente fragile. Senza TSMC, senza la stabilità dello stretto di Taiwan, senza una supply chain globale funzionante, l’AI semplicemente non esiste. È un dettaglio che spesso sfugge nel dibattito pubblico, ma che per un CEO come Huang è centrale. L’AGI non è solo un problema di algoritmi; è un problema di logistica, energia e politica internazionale.

Il tema dei data center nello spazio, apparentemente fantascientifico, si inserisce nello stesso schema. Se la domanda di compute continua a crescere esponenzialmente, allora bisogna espandere la capacità oltre i limiti terrestri. È un’idea che ricorda le visioni degli anni Sessanta, quando la corsa allo spazio era vista come una soluzione ai limiti della crescita. Oggi, la differenza è che il driver non è la geopolitica, ma l’intelligenza artificiale.

La questione della valutazione di 10 trilioni di dollari per NVIDIA è forse la più interessante dal punto di vista economico. Non è una domanda su quanto vale l’azienda oggi, ma su quanto vale la narrativa che l’azienda rappresenta. Se l’AGI è già qui, anche in una forma imperfetta, allora il mercato potenziale è praticamente infinito. Se invece l’AGI è ancora lontana, allora il valore attuale è basato su aspettative che potrebbero non materializzarsi. È il classico dilemma delle bolle tecnologiche, amplificato da una tecnologia che promette di ridefinire ogni settore.

Il passaggio sulla coscienza e sulla mortalità introduce una dimensione quasi filosofica, ma anche qui Huang rimane pragmatico. L’AI non è cosciente, e probabilmente non lo sarà nel breve termine. La mortalità, invece, è un problema umano che l’AI può aiutare a gestire, ma non a risolvere. È una posizione che evita le derive più speculative, mantenendo il focus sull’applicazione pratica.

Il vero punto, però, rimane la definizione di AGI. Chi decide cosa significa? La storia della tecnologia è piena di esempi in cui le definizioni vengono riscritte per adattarsi alla realtà del momento. Negli anni Novanta, Internet era definita in modi completamente diversi rispetto a oggi. Lo stesso vale per il cloud, per il mobile, per l’intelligenza artificiale stessa. Le definizioni non sono neutre; sono strumenti di potere.

In questo senso, Huang sta facendo esattamente ciò che ci si aspetta da un CEO di successo. Sta ridefinendo il campo di gioco in modo da massimizzare il valore per la sua azienda. Se l’AGI è già qui, allora NVIDIA è al centro di una rivoluzione già in atto. Se l’AGI è ancora lontana, allora NVIDIA è l’azienda che la renderà possibile. In entrambi i casi, la narrativa converge sullo stesso punto: la centralità del compute.

Nel frattempo, il mercato continuerà a comportarsi come se l’AGI fosse dietro l’angolo, o forse già arrivata. Gli investimenti fluiranno, le startup nasceranno e moriranno, e i titoli dei giornali continueranno a oscillare tra entusiasmo e panico. È il ciclo naturale dell’innovazione tecnologica, amplificato da una narrazione che ha imparato a riscrivere se stessa in tempo reale.

Una frase resta, sospesa tra provocazione e realtà. L’AGI esiste già, ma solo se sei disposto a cambiare il significato della parola. In Silicon Valley, questo non è un problema. È un modello di business.