Per il CEO di Nvidia c’è “zero percent chance” che l’intelligenza artificiale provochi la fine del mondo entro il 2030. Non è soltanto una risposta a Dario Amodei: dietro lo scontro sulla velocità della frontier AI ci sono due diverse economie del compute. E Nvidia continua a prepararsi per quella in cui la corsa non rallenta.

Zero per cento.

Jensen Huang non ha scelto una formula prudente, una probabilità remota o uno di quei prudentissimi “non possiamo escludere” con cui la Silicon Valley ha imparato a parlare dei rischi dell’intelligenza artificiale. Intervistato da Jo Ling Kent per CBS Sunday Morning, il CEO di Nvidia ha detto che esiste “zero percent chance” che l’AI provochi la fine del mondo entro il 2030.

L’intervista completa andrà in onda domani 20 settembre, ma CBS ne ha già pubblicato alcuni passaggi. E il messaggio è sufficientemente chiaro. Alla domanda se lo sviluppo dell’intelligenza artificiale debba rallentare, Huang risponde: “We should go as fast as we can irrespective of anybody else.”

A prima vista sembra semplicemente l’ultimo capitolo dello scontro aperto da Dario Amodei con We Must Pace the Frontier. In realtà è qualcosa di più interessante.

Perché Huang non sta più contestando soltanto il rimedio, sta contestando la diagnosi.

Prima il pacing. Adesso la probabilità

La posizione di Nvidia sulla questione si è costruita rapidamente. A Dreamforce, il 15 settembre, Huang aveva già spiegato che considera falsa l’alternativa fra velocità e sicurezza. La safety, aveva detto, è prima di tutto “an engineering problem”: le aziende devono correre il più velocemente possibile, ma se non sono sicure della funzionalità o della sicurezza di un prodotto devono fermarne il rilascio e sistemarlo. Nvidia ha sintetizzato sul proprio blog quella posizione con una formula molto semplice: innovazione, velocità e prodotti sicuri possono esistere contemporaneamente.

È una differenza sostanziale rispetto alla tesi di Amodei. Il CEO di Anthropic sostiene che la velocità con cui aumentano le capability stia superando quella con cui industria e istituzioni riescono a costruire sistemi di controllo adeguati. La sua proposta comprende valutatori indipendenti, standard condivisi fra i principali sviluppatori e forme di coordinamento internazionale. Non fermare l’AI, dunque, ma rallentare la frontiera abbastanza da permettere alla safety di raggiungerla.

Huang sposta il checkpoint: non rallentare lo sviluppo delle capability. Continuiamo ad addestrare, sperimentare, scalare e se un prodotto non è sufficientemente sicuro, non distribuirlo.

Amodei vuole mettere un freno prima della frontiera. Huang vuole mettere un cancello prima del mercato.

Con l’intervista CBS arriva però un elemento ulteriore. Huang non dice soltanto che il sistema di Amodei è quello sbagliato, riduce praticamente a zero il rischio catastrofico nel breve periodo che contribuisce a giustificare l’urgenza del pacing.

Ed è qui che la discussione smette di essere soltanto filosofica, perché qualcuno deve pagare la velocità.

Quanto costa non rallentare

Quasi contemporaneamente alla discussione sulla sicurezza, Huang ha fornito un’altra indicazione molto interessante.

Durante la sua visita nel Regno Unito ha affermato che Nvidia potrebbe arrivare a vendere nel 2027 circa il doppio dei chip rispetto al 2026. Va precisato: non è una guidance finanziaria ufficiale e Nvidia normalmente non fornisce previsioni di questo tipo sui volumi unitari. È un’indicazione fornita dal CEO e va trattata come tale, ma la direzione industriale che suggerisce è difficile da ignorare.

Nvidia non sta costruendo il proprio scenario intorno a una frontier AI che rallenta, lo sta costruendo intorno a una frontier AI che consuma sempre più compute.

I numeri dell’ultimo trimestre raccontano la stessa storia. Nel secondo trimestre fiscale 2027, chiuso il 26 luglio, Nvidia ha registrato 96,2 miliardi di dollari di ricavi, il 18% in più rispetto al trimestre precedente.

E la domanda non arriva soltanto dai nuovi grandi training run. Inference, reasoning, agenti, modelli multimodali, sovereign AI e applicazioni enterprise stanno trasformando progressivamente il compute da infrastruttura necessaria per costruire un modello a infrastruttura necessaria anche per farlo funzionare miliardi di volte.

È una distinzione fondamentale perché impedisce di arrivare alla conclusione troppo facile secondo cui pacing equicale al crollo della domanda Nvidia. Non è necessariamente così.

Anche con una frequenza inferiore dei grandi frontier training, la domanda di inference potrebbe continuare a crescere rapidamente. Alcuni analisti hanno infatti osservato che un rallentamento della corsa alle capability non implicherebbe automaticamente una contrazione della spesa infrastrutturale, soprattutto finché la domanda di compute continua a superare la capacità disponibile.

Ma cambierebbe qualcosa di altrettanto importante: la velocità marginale con cui deve crescere la macchina. Ed è precisamente quella velocità sulla quale sono state costruite alcune delle più grandi scommesse finanziarie della storia tecnologica.

Anthropic compra il compute. Nvidia vende il compute

Qui emerge una differenza che nel dibattito sulla sicurezza rischia di passare inosservata. Anthropic compra compute, OpenAI compra compute. i grandi hyperscaler costruiscono e finanziano compute. Nvidia vende compute.

Non significa che Huang sostenga l’accelerazione perché Nvidia vende GPU, né che Amodei sostenga il pacing per ragioni economiche. Sarebbe una conclusione che le dichiarazioni disponibili non consentono di dimostrare.

Significa però che la stessa decisione produce conseguenze economiche molto diverse lungo la catena del valore dell’intelligenza artificiale.

Per un frontier lab, ogni salto di capacità comporta un nuovo ciclo di investimenti: più GPU, più energia, più data center, più capitale e nuovi costi di inference quando il modello arriva sul mercato. Il problema non consiste soltanto nel riuscire a costruire il modello successivo, ma nel riuscire a monetizzare quello precedente abbastanza rapidamente da sostenere la corsa.

Un rallentamento della frontiera potrebbe quindi avere un effetto economicamente curioso: concedere ai laboratori più tempo per trasformare capability già costruite in ricavi.

Per Nvidia vale quasi l’opposto. Ogni nuovo salto della frontiera tende a generare una nuova domanda di capacità. Il costo del frontier lab è il ricavo della compute economy.

Ed è probabilmente questa la chiave più interessante attraverso cui leggere lo scontro appena iniziato.

La frontiera ha bisogno di capitale

Basta osservare quello che sta succedendo intorno a Nvidia. AWS e Nvidia hanno annunciato poche settimane fa un’espansione della loro collaborazione che prevede il deployment di due milioni di GPU Nvidia aggiuntive nel 2027-2028, insieme a CPU, networking e altre componenti infrastrutturali.

E dall’altra parte della catena troviamo frontier lab che devono sostenere fabbisogni finanziari enormi. Secondo il Financial Times, OpenAI prevede quasi 280 miliardi di dollari di cash burn cumulato tra il 2026 e il 2030, mentre la spesa legata al compute potrebbe raggiungere circa 856 miliardi nello stesso arco temporale. Sono proiezioni interne riportate dal quotidiano, non risultati già realizzati, ma restituiscono la scala del problema.

Questa è la macchina finanziaria che sta dietro una frase apparentemente semplice come go as fast as we can. Correre richiede chip, i chip richiedono rack, networking e sistemi di raffreddamento, i rack richiedono data center, i data center richiedono energia e tutto questo richiede capitale (molto capitale).

Due scenari, due economie dell’AI

Possiamo allora provare a tradurre il dibattito Huang-Amodei in termini meno filosofici. Nel primo scenario, la frontier AI continua a muoversi alla massima velocità tecnicamente possibile. I grandi training run diventano più frequenti o più grandi, il reasoning aumenta il consumo di compute durante l’inference, gli agenti moltiplicano il numero di operazioni effettuate autonomamente e le imprese incorporano l’AI nei propri processi.

È il mondo nel quale il compute continua a espandersi quasi come una nuova infrastruttura industriale ed è anche il mondo più vicino alla visione raccontata da Huang.

Nel secondo scenario, la frontiera viene deliberatamente rallentata. Non fermata: rallentata. I grandi laboratori introducono checkpoint esterni, alcune generazioni vengono trattenute più a lungo, i training run più avanzati vengono sottoposti a maggiori verifiche e aumenta il tempo disponibile per monetizzare le capability già raggiunte.

La domanda di inference potrebbe continuare a crescere, i data center non diventerebbero improvvisamente inutili e Nvidia continuerebbe a vendere acceleratori.

Ma il rapporto fra capability growth e infrastructure growth potrebbe cambiare e con esso potrebbe cambiare una parte delle assunzioni che oggi sostengono centinaia di miliardi di investimenti.

Lo zero che vale miliardi

Per questo lo “zero percent” di Jensen Huang è più interessante di quanto sembri. Non perché risolva il dibattito sul rischio esistenziale dell’intelligenza artificiale. Non lo fa. È la valutazione di Huang, mentre altri ricercatori e leader del settore attribuiscono a scenari estremi probabilità e urgenza molto diverse.

La sua importanza è un’altra. Il CEO dell’azienda che si trova nel punto probabilmente più strategico della catena infrastrutturale dell’AI sta dicendo contemporaneamente due cose: non vedo una ragione per rallentare la frontiera e preparatevi a consumare molto più compute.

Le due affermazioni appartengono allo stesso modello industriale anche se, a questo punto, abbiamo davanti due domande: la prima è chi abbia il diritto, o la responsabilità, di decidere quanto velocemente debba avanzare l’intelligenza artificiale; la seconda è chi continuerà a finanziare quella velocità.

Perché se Huang ha ragione e la frontier AI deve continuare a correre as fast as we can, qualcuno dovrà continuare a comprare GPU, costruire data center, trovare gigawatt, emettere debito e mettere capitale sul tavolo.

Il dibattito sul pacing, allora, non riguarda soltanto quanto rischio siamo disposti ad accettare. Riguarda anche quanto a lungo Big Tech, Wall Street e i mercati dei capitali saranno disposti a pagare perché la frontier AI continui a correre a questa velocità.

.

Sui temi più generali del pacing e del finanziamento dell’AI vedi anche le due incheste pubblicate da Rivista.AI:

→ Inchiesta. “Chi governa la frontiera“

→ Inchiesta. “I soldi dell’AI”