La battaglia sull’intelligenza artificiale sta entrando nella fase più delicata della sua evoluzione: non riguarda più soltanto chi possiede il modello più potente, ma chi controllerà l’intera infrastruttura economica, tecnologica e geopolitica costruita intorno all’AI. Jensen Huang, CEO e fondatore di Nvidia, ha scelto una posizione destinata a creare discussione negli ambienti politici americani: secondo lui gli Stati Uniti non dovrebbero temere i modelli cinesi open-weight, perché la loro diffusione potrebbe rappresentare un vantaggio per l’intero ecosistema tecnologico occidentale.

Durante un’intervista con Axios, Huang ha definito eccellenti i modelli cinesi aperti e ha criticato implicitamente l’idea che la risposta alla crescita dell’intelligenza artificiale cinese debba essere una politica di esclusione. La sua tesi è semplice ma strategicamente rilevante: più persone utilizzano modelli AI, più cresce la domanda di capacità computazionale. Per Nvidia, che controlla una quota dominante del mercato delle GPU per intelligenza artificiale, l’espansione dell’uso dell’AI significa più server, più data center e più infrastruttura.

Il ragionamento di Huang ribalta una narrativa molto diffusa a Washington. Molti funzionari americani vedono i modelli cinesi come una minaccia diretta alla leadership tecnologica degli Stati Uniti, soprattutto dopo il successo di DeepSeek, che nel gennaio 2025 ha dimostrato come sia possibile ottenere prestazioni competitive con costi di sviluppo inferiori rispetto ai giganteschi investimenti delle aziende occidentali. Il caso DeepSeek ha scosso Wall Street perché ha messo in discussione un assunto implicito dell’industria: per costruire AI avanzata servono necessariamente budget enormi e infrastrutture quasi illimitate.

La successiva crescita di modelli come Kimi K3 di Moonshot AI ha rafforzato il dibattito. La combinazione tra prestazioni vicine ai modelli di frontiera, prezzi aggressivi e disponibilità dei pesi del modello ha mostrato che il vantaggio competitivo non dipenderà soltanto dalla dimensione dei sistemi, ma dalla capacità di creare ecosistemi intorno alla tecnologia. È una dinamica già vista con Linux nel software: il controllo non nasce sempre dal possesso esclusivo del codice, ma dalla capacità di costruire una comunità, strumenti e servizi sopra una piattaforma.

La posizione di Huang entra quindi in conflitto con quella di OpenAI e Anthropic, due aziende che rappresentano il fronte dominante dei modelli chiusi. Entrambe sostengono che i modelli open-weight molto potenti possano creare rischi difficili da governare, perché una volta distribuiti pubblicamente i pesi non possono essere facilmente ritirati o controllati. Anthropic, guidata da Dario Amodei, ha sottolineato più volte il problema della sicurezza: un modello avanzato aperto può essere modificato senza che il creatore originale possa applicare nuove protezioni o limitazioni.

La questione è diventata ancora più complessa con l’arrivo di nuovi modelli open provenienti dalla Cina, ma anche con il ritorno del dibattito sull’apertura negli Stati Uniti. OpenAI stessa ha rilasciato modelli open-weight come parte della sua strategia per “democratizzare” l’accesso all’intelligenza artificiale, ma contemporaneamente chiede un quadro regolatorio nazionale che limiti alcuni utilizzi e controlli pratiche come la distillazione.

Il tema della distillazione rappresenta uno dei punti più controversi. Secondo alcuni esponenti dell’amministrazione americana, aziende cinesi avrebbero utilizzato conoscenze derivate da modelli occidentali per accelerare lo sviluppo dei propri sistemi. Il governo statunitense considera questa possibilità una forma di appropriazione tecnologica. Huang propone invece una distinzione più sottile: apprendere da altre fonti di conoscenza è un processo naturale dell’intelligenza, umana e artificiale. Il problema non è l’apprendimento, ma l’eventuale violazione di dati, contratti o diritti di proprietà intellettuale.

La discussione ricorda uno dei grandi dilemmi della storia tecnologica: proteggere un vantaggio attraverso il controllo oppure aumentarlo attraverso la diffusione. Microsoft ha dominato il software aziendale non perché Windows fosse chiuso, ma perché ha creato un ecosistema enorme. Internet non è diventata una piattaforma globale perché era controllata da un unico soggetto, ma perché protocolli aperti hanno permesso a milioni di sviluppatori di costruire sopra una base comune.

L’intelligenza artificiale sta vivendo una transizione simile. Modelli come Qwen3 di Alibaba, DeepSeek e altri sistemi open stanno dimostrando che il vantaggio competitivo non è più soltanto nella costruzione del modello, ma nella capacità di integrarlo nei processi industriali. Le aziende vogliono sempre più controllo sui propri dati, sui propri agenti AI e sui propri flussi operativi; per questo i modelli aperti stanno diventando interessanti per settori come manifattura, difesa, ricerca scientifica e pubblica amministrazione.

Questa dinamica si collega anche alla trasformazione del mercato della ricerca online. L’evoluzione verso sistemi come Google AI Overviews, AI Mode e i motori generativi sta spostando il valore dall’indicizzazione dei contenuti alla capacità dei modelli di selezionare, sintetizzare e citare informazioni. La competizione non riguarda soltanto chi costruisce il modello più intelligente, ma chi controlla i dati, gli strumenti e gli ecosistemi attraverso cui l’intelligenza artificiale interpreta il mondo.

Per Nvidia, il futuro appare quindi meno come una guerra tra modelli americani e cinesi e più come una gigantesca espansione della domanda computazionale. Huang sostiene che modelli più economici e accessibili aumenteranno il consumo di infrastruttura AI, non lo ridurranno. È una posizione coerente con il ruolo di Nvidia, ma anche con una lettura economica della tecnologia: quando il prezzo di accesso diminuisce, spesso il mercato complessivo cresce molto più rapidamente.

La sfida per gli Stati Uniti sarà trovare un equilibrio tra sicurezza nazionale e apertura tecnologica. Una regolamentazione costruita esclusivamente sulla paura potrebbe proteggere gli incumbent e rallentare l’innovazione, mentre un approccio completamente permissivo potrebbe lasciare spazio a rischi reali. La storia dell’informatica suggerisce però che i sistemi più influenti raramente sono quelli chiusi dentro una fortezza; spesso sono quelli capaci di diventare infrastrutture utilizzate da milioni di persone.

L’intelligenza artificiale potrebbe seguire la stessa traiettoria. Il dominio futuro non sarà necessariamente di chi possiede il modello più grande, ma di chi riuscirà a costruire l’ecosistema più esteso attorno alla tecnologia. Nvidia, con la sua posizione nel cuore della nuova economia del calcolo, sembra aver già scelto la propria strategia: più intelligenza artificiale circola nel mondo, più aumenta il valore delle macchine che la rendono possibile.