Trump liquida come “hoax” gli allarmi sull’AI. Jensen Huang non si associa al fronte del pacing e rilancia la corsa americana. Dietro il confronto sulla safety emerge una frattura industriale: chi costruisce i modelli può avere interesse a rallentare la frontiera. Chi vende il compute molto meno.

Donald Trump telefona a Jensen Huang mentre il CEO di Nvidia è sul palco dell’All-In Summit. Huang mette la chiamata in vivavoce.

La scena potrebbe sembrare soltanto politica. In realtà arriva nel momento forse più delicato possibile per l’economia dell’intelligenza artificiale.

Da una parte Dario Amodei chiede di rallentare la crescita delle capability dei frontier model. Sam Altman ed Elon Musk condividono almeno parte della diagnosi. Demis Hassabis ha espresso preoccupazioni analoghe.

Dall’altra Trump sostiene che gli allarmi sull’AI siano diventati una “hoax” e che gli Stati Uniti non possano permettersi di rallentare mentre competono con la Cina. Jensen Huang, il CEO dell’azienda che più di ogni altra ha beneficiato dall’accelerazione della corsa, non prende le distanze da quella posizione.

Ed è qui che la telefonata smette di essere folklore.

Perché il dibattito sul pacing sta facendo emergere una frattura che finora era rimasta nascosta dentro la stessa filiera dell’AI.

Chi costruisce i modelli e chi vende il carburante

Per OpenAI o Anthropic il compute è contemporaneamente una risorsa strategica e un costo.

Addestrare il prossimo modello richiede GPU, energia, data center e capitale. Se rallentare il frontier training consentisse di dedicare più capacità all’inference e alla monetizzazione dei modelli già esistenti, l’economia dei laboratori potrebbe perfino migliorare in alcune fasi.

Per Nvidia la prospettiva è diversa. Più training significa più acceleratori, più inference significa ancora acceleratori e più agenti significa compute continuo.

Nella call sui risultati del 26 agosto Huang aveva spiegato agli analisti di aspettarsi addirittura un’ulteriore accelerazione della domanda: oggi gran parte dell’AI sarebbe già diventata agentica e, nella sua visione, ogni azienda finirà per utilizzare enormi quantità di agenti digitali.

Per Nvidia, quindi, la traiettoria ideale non è necessariamente: meno training, più inference. È, più training e più inference.

Ed è una differenza fondamentale.

Il convitato di pietra del pacing

Finora il dibattito è stato dominato da chi costruisce i frontier model. Amodei propone checkpoint e valutatori indipendenti. Altman parla di pacing. Musk sostiene che il problema esista. I governi discutono audit e standard.

Ma quasi nessuno ha ancora chiesto che cosa ne pensi chi costruisce l’infrastruttura necessaria a rendere possibile quella corsa.

Nvidia è il convitato di pietra.

Se il pacing significasse meno grandi training run, periodi più lunghi tra una generazione e l’altra o limiti alla scala dei modelli, l’impatto ricadrebbe direttamente sull’economia dei semiconduttori e dei data center.

Non è un caso che proprio oggi siano stati i titoli hardware a subire la parte più pesante della correzione, mentre alcuni software hanno mostrato maggiore resilienza. Reuters ha descritto una vera rotazione tra hardware e software provocata dal timore che il pacing possa modificare il mix della domanda AI.

Ma Huang ha una risposta implicita

La posizione di Nvidia non deve essere necessariamente letta come “contro la safety”.

Il punto è diverso. Huang continua a rappresentare l’AI come una tecnologia destinata a diffondersi ovunque: imprese, industrie, Stati, agenti, applicazioni.

In questo modello il compute non diminuisce semplicemente perché la crescita della frontier capability rallenta. Potrebbe spostarsi: dal training all’inference; dai modelli agli agenti; dai laboratori alle imprese.

È esattamente lo scenario che abbiamo analizzato in Wall Street scopre il freno dell’AI.

Il pacing potrebbe non spegnere i data center. Potrebbe cambiare ciò per cui vengono usati.

Ma per Nvidia c’è una condizione: la domanda complessiva di compute deve continuare a crescere.

Trump trasforma il problema in America contro Cina

E poi c’è la politica. Trump oggi ha reso esplicita la propria linea: rallentare l’AI americana significherebbe rischiare di consegnare vantaggio alla Cina. Ha definito le richieste di regolazione una “hoax” e ha accusato i fautori dei vincoli di mettere in pericolo la leadership statunitense.

Huang ha da tempo una visione molto vicina a questa idea di competizione industriale. Ed è qui che la telefonata assume un significato più ampio.

Non abbiamo davanti soltanto uno scontro tra ottimisti e pessimisti sull’AI. Stanno emergendo interessi economici differenti dentro lo stesso ecosistema.

I frontier lab devono decidere quanto rapidamente spingere la capability. I produttori di chip devono sostenere la crescita del compute. I governi devono decidere se la safety possa giustificare un rallentamento senza compromettere la competizione geopolitica.

E Wall Street deve capire chi dei tre finirà per dettare il ritmo.

La domanda che manca

Amodei ha chiesto di rallentare la frontiera, Altman ha parlato di pacing, Trump ha risposto che l’America non deve frenare. Huang, almeno finora, sembra molto più vicino alla terza posizione che alla prima.

Ed è forse questo il vero spartiacque che sta emergendo.

La discussione non riguarda più soltanto quanto velocemente può avanzare l’intelligenza artificiale. Riguarda anche quali parti dell’industria possono permettersi che rallenti.

Per chi costruisce il prossimo frontier model, qualche mese in più può significare più tempo per safety, più inference e forse migliore monetizzazione.

Per chi vende l’infrastruttura della corsa, il problema è diverso. Il freno ha un costo e qualcuno, prima o poi, dovrà decidere chi lo paga.