La nuova guerra fredda dell’AI: il giappone scommette sulla fisica mentre la silicon valley parla ancora

Atomi vs Bits. Il sistema tecnologico globale ha un talento straordinario nel distrarsi con l’oggetto sbagliato al momento giusto; negli ultimi tre anni abbiamo assistito a una corsa ossessiva verso modelli linguistici sempre più grandi, sempre più verbosi, sempre più abili nel simulare comprensione senza necessariamente possederla, mentre una parte molto più silenziosa dell’industria ha iniziato a spostare il baricentro verso qualcosa di meno glamour e molto più pericoloso: il controllo del mondo fisico. La mossa congiunta di SoftBank, NEC, Honda e Sony non è semplicemente un investimento industriale, è una dichiarazione strategica, quasi una confessione tardiva; il vero valore dell’intelligenza artificiale non è scrivere email migliori, ma muovere atomi.

La narrativa dominante, alimentata da OpenAI e Google, ha costruito un ecosistema centrato sull’interazione uomo-macchina mediata dal linguaggio, una scelta naturale, quasi inevitabile, perché il linguaggio è la superficie più accessibile dell’intelligenza; ma è anche la meno difendibile economicamente nel lungo periodo. Il software che scrive codice compete con altri software che scrivono codice, comprimendo margini già fragili. Il robot che salda una scocca o guida un veicolo, invece, compete con il lavoro umano, con la logistica globale, con l’intera catena del valore industriale. È un gioco completamente diverso.

Il Giappone lo ha capito con una lucidità che rasenta il cinismo industriale. Per decenni ha costruito un vantaggio competitivo nella robotica, spesso sottovalutato da un’industria occidentale ossessionata dal software puro. Aziende come Honda e Sony non stanno entrando nell’AI, stanno semplicemente aggiornando il proprio DNA. La robotica giapponese non è mai stata una promessa futuristica, è stata una realtà industriale, fatta di bracci meccanici, sensori e fabbriche automatizzate; mancava solo il cervello.

Quel cervello oggi prende la forma di modelli da trilioni di parametri, ma con una differenza fondamentale rispetto ai LLM occidentali: non devono convincerti, devono funzionare. Un modello linguistico può permettersi di sbagliare con eleganza, di “allucinare” con sicurezza; un sistema di Physical AI che controlla un’auto o una linea produttiva non ha questo lusso. L’errore non è una risposta sbagliata, è un incidente, un fermo macchina, una perdita economica immediata.

In questo contesto, il ruolo di NEDO diventa centrale, quasi simbolico. Il finanziamento pubblico di circa ¥1 trilione non è un semplice stimolo economico, è un tentativo deliberato di recuperare sovranità tecnologica. Il cosiddetto “digital deficit” giapponese, quella dipendenza strutturale da infrastrutture cloud americane, è una delle dinamiche meno discusse ma più rilevanti degli ultimi dieci anni. Pagare per addestrare modelli su piattaforme straniere significa esportare valore, dati e, in ultima analisi, controllo.

Il nuovo consorzio rappresenta quindi una forma di re-industrializzazione digitale. Addestrare modelli su dati giapponesi, mantenerli in Giappone, integrarli direttamente nella produzione locale; è una strategia che ricorda più la politica industriale degli anni Ottanta che l’economia open-source degli anni Duemila. Non è un caso che tra gli investitori compaiano giganti come Nippon Steel o istituzioni finanziarie come MUFG Bank. Quando l’acciaio e la finanza entrano nello stesso progetto AI, il messaggio è inequivocabile: non stiamo costruendo un’app, stiamo costruendo infrastruttura.

La presenza di Preferred Networks aggiunge un ulteriore livello di credibilità tecnica. A differenza di molte startup occidentali, spesso costruite attorno a pitch deck più che a ricerca, Preferred Networks ha una lunga storia di collaborazione con l’industria manifatturiera, inclusi progetti di deep learning applicati alla robotica e alla produzione. In altre parole, non stanno scoprendo oggi che il mondo fisico è complicato.

Il paradosso più interessante resta però SoftBank. Dopo aver guidato un investimento da 40 miliardi in OpenAI, si ritrova ora a finanziare un’iniziativa che, implicitamente, mira a ridurre la dipendenza proprio da quell’ecosistema. Non è incoerenza, è hedging strategico allo stato puro. In un mondo dove nessuno sa quale paradigma AI dominerà davvero, l’unica mossa razionale è scommettere su più cavalli, anche se corrono in direzioni opposte.

Nel frattempo, il resto del mondo si sta muovendo con una certa prevedibilità. Tesla continua a spingere sulla robotica umanoide e sulla guida autonoma, con un approccio fortemente integrato che unisce hardware, software e dati proprietari. La Cina, come spesso accade, non sta facendo annunci spettacolari ma investimenti sistematici, inserendo la Physical AI nei propri piani industriali nazionali con una disciplina che l’Occidente fatica a replicare. Persino attori apparentemente fuori contesto, come Tether, iniziano a esplorare il settore attraverso investimenti in startup come Generative Bionics, segno che la convergenza tra finanza digitale e automazione fisica non è più fantascienza.

Il concetto di Physical AI, per quanto seducente, è spesso frainteso. Non si tratta semplicemente di aggiungere sensori a un modello linguistico o di collegare ChatGPT a un robot. Si tratta di risolvere un problema profondamente diverso: l’integrazione tra percezione, decisione e azione in ambienti non deterministici. Il linguaggio è strutturato, il mondo reale no. Un modello può essere addestrato su miliardi di frasi, ma non esiste un dataset equivalente per ogni possibile configurazione del mondo fisico.

Qui emerge un vantaggio competitivo che il Giappone possiede e che Silicon Valley tende a sottovalutare: l’accesso a dati fisici reali. Fabbriche, linee di produzione, veicoli, robot industriali; ogni movimento, ogni errore, ogni ottimizzazione genera dati che non sono replicabili in un semplice data center. È la differenza tra simulare il mondo e viverlo. Ed è una differenza che, nel lungo periodo, potrebbe rivelarsi decisiva.

L’obiettivo dichiarato del 2030 per applicazioni pratiche non è casuale, né particolarmente ottimista. Chi ha esperienza nella trasformazione industriale sa che i cicli di adozione sono lenti, spesso frustranti, e raramente lineari. Integrare AI in sistemi fisici significa affrontare problemi di sicurezza, affidabilità, certificazione normativa, oltre a resistenze culturali e organizzative. Non è un hackathon, è ingegneria pesante.

Nel frattempo, l’hype continuerà a orbitare attorno ai modelli linguistici, perché sono più facili da dimostrare, da vendere e da raccontare. Un chatbot impressiona in pochi secondi; un sistema di Physical AI richiede anni per dimostrare valore. Il mercato, notoriamente, ha un orizzonte temporale più corto della memoria di un pesce rosso.

Qualcuno potrebbe obiettare che i due mondi convergeranno, che i modelli linguistici diventeranno il cervello dei sistemi fisici. È possibile, ma non inevitabile. La storia della tecnologia è piena di paradigmi che sembravano destinati a dominare tutto e che poi si sono rivelati solo una parte dell’ecosistema. Il rischio per le aziende occidentali è confondere la leadership narrativa con la leadership industriale.

La verità, scomoda ma evidente, è che stiamo entrando in una nuova fase della competizione globale sull’intelligenza artificiale, una fase meno visibile ma molto più concreta. Non si tratta più di chi costruisce il modello più grande o più eloquente, ma di chi riesce a integrarlo nel mondo reale, creando valore tangibile e difendibile. In questo scenario, il Giappone sta giocando una partita che conosce bene, fatta di precisione, pazienza e una certa diffidenza verso le mode passeggere.

Il resto del mondo farebbe bene a prestare attenzione, anche se questo significa ammettere che forse l’AI non è solo una questione di prompt e interfacce eleganti. A volte, il futuro non parla; si muove.