Le azioni di Alphabet sono salite di circa il 3% dopo le indiscrezioni secondo cui Google starebbe sviluppando un nuovo chip per l’intelligenza artificiale capace di offrire un’efficienza compresa tra sei e dieci volte superiore rispetto agli acceleratori proprietari attualmente impiegati. Il progetto, conosciuto internamente come Frozen v2, non rappresenta semplicemente un’evoluzione dell’hardware esistente, ma introduce una filosofia destinata a cambiare il rapporto tra software e silicio. Invece di progettare un processore generico in grado di eseguire modelli differenti, Google starebbe incidendo direttamente l’architettura di Gemini nel chip stesso, eliminando gran parte delle operazioni dinamiche che oggi consumano tempo ed energia durante l’inferenza. Se le indiscrezioni fossero confermate, il lancio potrebbe avvenire nel 2028.
La logica è semplice quanto radicale. Ogni modello di intelligenza artificiale contiene una quantità enorme di operazioni che vengono interpretate in tempo reale dall’hardware. Ridurre questa flessibilità significa sacrificare parte della generalità del processore per ottenere prestazioni nettamente superiori. È la stessa filosofia che, in altri settori dell’informatica, ha portato alla diffusione degli ASIC rispetto ai processori general purpose. Nel caso dell’AI, tuttavia, la posta in gioco è molto più elevata perché il costo dell’inferenza rappresenta ormai uno dei principali limiti economici dell’intera industria.
Google conosce perfettamente questo problema. Negli ultimi trimestri il management ha più volte riconosciuto che la crescita della divisione Cloud è frenata dalla disponibilità limitata di capacità computazionale. L’intelligenza artificiale richiede enormi quantità di acceleratori, energia elettrica e data center, mentre la domanda continua a crescere più rapidamente dell’offerta. Ogni miglioramento nell’efficienza dei chip non produce soltanto un vantaggio tecnico, ma aumenta direttamente la capacità commerciale dell’azienda, consentendo di servire più clienti con la stessa infrastruttura.
Naturalmente esiste un compromesso. Un chip progettato intorno all’architettura di Gemini diventa estremamente efficiente solo se i futuri modelli continueranno a utilizzare una struttura compatibile. I pesi potranno essere aggiornati, ma un cambiamento radicale dell’architettura rischierebbe di rendere obsoleto un investimento industriale da miliardi di dollari. Google sta quindi facendo qualcosa di insolito per un settore caratterizzato da innovazione continua: sta scommettendo che l’evoluzione futura dei propri modelli sarà più incrementale che rivoluzionaria. È una decisione che racconta molto della maturità raggiunta dall’intelligenza artificiale. Quando un’azienda inizia a progettare hardware dedicato per un modello specifico, significa che considera quella piattaforma sufficientemente stabile da giustificare investimenti con un orizzonte di molti anni.
Mentre negli Stati Uniti si punta all’integrazione estrema tra modelli e silicio, in Cina si combatte una battaglia differente ma altrettanto strategica. Secondo Bloomberg e altre fonti, Zhipu AI ha completato la realizzazione di un data center da un gigawatt costruito utilizzando esclusivamente chip prodotti in Cina. L’infrastruttura, già parzialmente operativa, comprende numerosi cluster di calcolo con oltre diecimila acceleratori ciascuno, rappresentando uno dei più grandi esempi di infrastruttura AI nazionale sviluppata senza ricorrere all’ecosistema Nvidia.
La scelta non nasce soltanto da motivazioni tecnologiche. Le restrizioni statunitensi sulle esportazioni dei chip più avanzati hanno trasformato l’autosufficienza hardware in una priorità strategica per Pechino. Le aziende cinesi non possono più basare i propri piani industriali sulla disponibilità futura dei processori americani e stanno accelerando ogni iniziativa capace di costruire una filiera completamente nazionale, dalla progettazione dei semiconduttori fino ai grandi data center.
Anche Zhipu sembra muoversi nella stessa direzione di Google. Secondo indiscrezioni pubblicate nelle ultime settimane, l’azienda starebbe valutando la progettazione di un processore AI dedicato all’esecuzione della famiglia di modelli linguistici GLM, avviando discussioni preliminari con produttori cinesi di chip per sviluppare un acceleratore personalizzato. L’obiettivo appare evidente: non limitarsi ad acquistare hardware, ma controllare progressivamente l’intera catena del valore, integrando modelli, architettura dei chip e infrastruttura di calcolo.
Ciò che emerge da entrambe le vicende è un cambiamento profondo nell’industria dell’intelligenza artificiale. Per oltre un decennio il vantaggio competitivo era determinato principalmente dalla qualità degli algoritmi e dalla quantità dei dati disponibili. Oggi il fattore decisivo sta diventando la capacità di progettare hardware perfettamente adattato ai propri modelli. Il software non detta più soltanto le regole del gioco; inizia a scolpirle direttamente nel silicio.
Questa trasformazione modifica anche il ruolo di Nvidia. L’azienda continua a dominare il mercato degli acceleratori AI, ma i grandi operatori cloud stanno investendo sempre più risorse nello sviluppo di processori proprietari. Google con le TPU, Amazon con Trainium e Inferentia, Microsoft attraverso partnership dedicate e ora anche diversi attori cinesi stanno seguendo la stessa direzione. Nvidia rimane il riferimento tecnologico, ma il suo monopolio operativo viene progressivamente eroso da clienti che stanno diventando concorrenti.
L’industria dei semiconduttori entra così in una nuova fase, nella quale il valore non sarà determinato soltanto dalla potenza di calcolo assoluta, ma dall’ottimizzazione verticale tra modello, compilatore, memoria e architettura del processore. È un ritorno alle origini dell’informatica, quando hardware e software venivano progettati insieme, con una differenza sostanziale: oggi la scala degli investimenti si misura in centinaia di miliardi di dollari e la competizione coinvolge direttamente gli equilibri geopolitici tra Stati Uniti e Cina. La vera corsa all’intelligenza artificiale non si giocherà esclusivamente nei laboratori che addestrano modelli sempre più grandi. Si deciderà, soprattutto, nelle fabbriche dove quei modelli vengono trasformati in silicio.