La competizione tecnologica tra Stati Uniti e Cina nell’intelligenza artificiale non si gioca più soltanto sui semiconduttori ma sull’intero “stack”, hardware e software insieme, e l’Europa rischia di restare un semplice fornitore di componenti senza un ruolo da protagonista. È la conclusione di un’analisi pubblicata dal think tank europeo Bruegel, firmata dai senior fellow Alicia García-Herrero e Bertin Martens, secondo cui il vantaggio statunitense, ancora solido, non è più né fisso né incolmabile.
Gli autori sostengono che la contesa si stia spostando “da chi progetta i chip migliori a chi controlla l’intero stack, compreso il livello software”, e che proprio su quest’ultimo terreno la Cina abbia compiuto progressi che due anni fa non esistevano in forma significativa. Per i policymaker europei, avvertono, la questione strategica centrale è se una strategia parziale possa garantire una reale sovranità o limitarsi a ridurre la dipendenza.
Il primato statunitense sull’hardware e il fossato del software
Sul piano dell’hardware gli Stati Uniti restano in vantaggio. Nvidia è leader mondiale con i chip per IA più performanti e detiene circa metà dello stock globale installato di processori dedicati, ma fino a due terzi della capacità di calcolo effettivamente operativa. Il principale sfidante straniero, la cinese Huawei, resta tecnologicamente inferiore: i suoi processori Ascend scontano ritardi su maturità del software, strumenti per sviluppatori, banda di memoria ed efficienza energetica, e compensano accorpando un numero elevato di chip a un costo in energia stimato fra due e quattro volte superiore a parità di prestazioni.
Il vantaggio più duraturo di Nvidia, però, non è il chip ma CUDA, la piattaforma software proprietaria che fa girare i suoi processori in modo efficiente e che è diventata lo standard di fatto dello sviluppo IA. CUDA genera potenti effetti di rete tra fornitori di infrastruttura, sviluppatori di modelli e utenti finali, ed è offerta gratuitamente agli sviluppatori per massimizzare l’adozione e vincolare la domanda di hardware. Il risultato è un potere di prezzo eccezionale, con margini sui chip stimati tra il 70 e l’80 per cento. La maggior parte degli sviluppatori scrive in PyTorch, il principale framework open source di machine learning, ma poiché Nvidia domina la base installata l’ottimizzazione avviene su hardware compatibile con CUDA, in un ciclo che si autoalimenta e rende difficile l’emergere di alternative.
UE, linea più dura sulla Cina: Bruxelles prepara nuovi strumenti contro gli squilibri commerciali
La strategia cinese per aggirare la barriera software
Per costruire uno stack rivale serve un ecosistema software alternativo, e Huawei ha sviluppato i propri equivalenti di CUDA: CANN e MindSpore, il framework open source ottimizzato per i processori Ascend. CANN è ancora in fase di maturazione e, secondo gli sviluppatori, meno intuitivo di CUDA, ma nell’agosto 2025 Huawei ne ha annunciato l’apertura del codice, un colpo diretto al modello proprietario di Nvidia, reclutando laboratori, università e centri di ricerca cinesi per alimentare una comunità di sviluppo aperta attorno ad Ascend.
Altrettanto rilevante è torch_npu, un plugin che consente al codice PyTorch standard di girare sui processori Ascend, abbattendo il principale costo di transizione: gli sviluppatori non devono più abbandonare il framework con cui hanno familiarità per uscire dall’hardware Nvidia. La strategia ricalca quella già usata sul versante hardware, ossia aprire ciò che l’operatore dominante tiene chiuso, sussidiare l’adozione e orientare una generazione di sviluppatori del mercato interno verso lo stack alternativo. In questo quadro si inserisce la collaborazione con DeepSeek, uno dei principali laboratori cinesi, i cui modelli a pesi aperti sono progettati per funzionare sia su processori Nvidia sia su Huawei. La versione V4 del modello, presentata ad aprile, è stata validata su entrambe le piattaforme e proposta a prezzi nettamente inferiori a quelli dei concorrenti occidentali, contribuendo a un’espansione rapida dell’uso dei modelli cinesi.
L’economia dei token: la nuova unità di valore dell’intelligenza artificiale
Nvidia cede il mercato cinese
Il segnale più netto del riassetto in corso è arrivato dalla stessa Nvidia. Il 21 maggio l’amministratore delegato Jensen Huang ha dichiarato che l’azienda ha “in gran parte ceduto” il mercato cinese dei chip avanzati per IA a Huawei, conseguenza dei controlli statunitensi sulle esportazioni che hanno progressivamente limitato l’accesso al secondo mercato mondiale. La Cina rappresentava in passato circa un quinto dei ricavi della divisione data center del gruppo.
Le restrizioni di Washington, pensate per rallentare l’accesso cinese all’hardware di frontiera, hanno così finito per favorire i fornitori interni, creando un mercato captive per Huawei e gli altri produttori nazionali sostenuti da sussidi, energia a basso costo e preferenze negli appalti pubblici. Pechino affianca a questo sostegno una linea diplomatica volta a contrastare i controlli all’export. Per Bruegel l’implicazione strategica è chiara: se le imprese cinesi riusciranno ad attraversare il fossato di CUDA, anche solo all’interno del mercato domestico, il vantaggio statunitense si ridurrà e la doppia forza americana su hardware e software potrebbe diventare meno autorinforzante.
L’assenza europea
In questo confronto l’Europa è sostanzialmente fuori gioco. Pur disponendo di asset rilevanti, come le apparecchiature per la litografia dei chip e una solida ricerca, non ha un progettista di processori per IA di rilievo globale né un livello software paragonabile a CUDA o CANN capace di tradurre gli algoritmi in codice macchina efficiente per un’ampia comunità di sviluppatori. Poiché hardware e software sono strettamente intrecciati attraverso la co-progettazione, senza una capacità di design dei chip su larga scala diventa molto più difficile costruire e ottimizzare una piattaforma software competitiva.
Il valore economico dello stack, ricordano gli autori, si concentra in chi controlla la progettazione dei chip e la piattaforma software, non in chi fornisce le apparecchiature: con sistemi come quelli litografici, l’Europa è di fatto un fornitore indispensabile di input a una corsa di cui non è pienamente concorrente. L’assenza di uno stack domestico completo non equivale però a una mancanza di opzioni. Bruegel indica una politica industriale mirata per ridurre il divario di capacità di calcolo e una strategia più decisa su open source e specializzazione verticale nei settori di vantaggio comparato, come l’IA per l’automotive, la modellizzazione climatica e l’IA affidabile. Resta da capire se un approccio parziale possa produrre una sovranità effettiva o soltanto attenuare la dipendenza.
