Gli Stati Uniti puntano sulla scala, con oltre 800 miliardi di dollari di investimenti infrastrutturali attesi nel 2026. La Cina risponde con modelli fino a sette volte più economici, chip nazionali e un’adozione accelerata nell’economia reale. Secondo BCG, aziende e governi potrebbero essere presto costretti a scegliere tra i due stack tecnologici.
La competizione tra Stati Uniti e Cina nell’intelligenza artificiale non riguarda più soltanto chi riuscirà a sviluppare il modello più potente. Le due superpotenze stanno costruendo ecosistemi tecnologici completi, progettati per ridurre la dipendenza reciproca e sempre più difficili da combinare.
Lo evidenzia lo studio The Great Divide: How the US and China Are Splitting the AI World del BCG Institute, il think tank di Boston Consulting Group. L’analisi confronta la posizione dei due Paesi lungo sei fattori determinanti per lo sviluppo dell’AI: capitale, talenti, proprietà intellettuale, disponibilità dei dati, energia e capacità di calcolo.
Gli Stati Uniti mantengono complessivamente la leadership grazie alla disponibilità di capitali, alla presenza dei principali laboratori e alla potenza della propria infrastruttura. La Cina ha però ridotto il divario nella capacità di calcolo e trasformato il proprio patrimonio scientifico e brevettuale in una strategia da “fast follower”, concentrata sulla produzione di modelli competitivi, economici e rapidamente adottabili.
Il risultato è la nascita di due stack tecnologici paralleli, ciascuno composto da chip, infrastrutture cloud, modelli e applicazioni. A separarli non sono soltanto le caratteristiche tecniche, ma anche le regole sui dati, le restrizioni alle esportazioni, le politiche di sicurezza nazionale e le strategie industriali.
Gli Stati Uniti puntano sulla scala degli investimenti
La strategia americana può essere riassunta in una parola: scala. Gli Stati Uniti stanno mobilitando quantità di capitale difficilmente replicabili dagli altri Paesi, con investimenti che si stanno spostando progressivamente dallo sviluppo dei modelli alla costruzione dell’infrastruttura necessaria per utilizzarli.
Dal 2023 le startup statunitensi hanno raccolto circa 380 miliardi di dollari di capitale di rischio legato all’AI, contro i 39 miliardi delle rivali cinesi. Nel solo 2024 le grandi aziende tecnologiche americane hanno inoltre investito più di 300 miliardi di dollari in ricerca e sviluppo, anche se soltanto una parte di questa cifra è direttamente attribuibile all’intelligenza artificiale.
La differenza più evidente riguarda i data center. Nel 2025 la spesa in conto capitale delle principali aziende tecnologiche statunitensi ha superato i 400 miliardi di dollari, rispetto ai 63 miliardi registrati in Cina. Per il 2026 BCG stima che possa oltrepassare gli 800 miliardi di dollari.
Alla fine del 2025 gli Stati Uniti disponevano di oltre 50 gigawatt di capacità complessiva nei data center, contro i 31 gigawatt della Cina e i 12 dell’Unione Europea. Non tutta questa capacità è ottimizzata per l’AI, ma il dato offre un’indicazione della distanza infrastrutturale tra i diversi ecosistemi.
La domanda continua intanto a crescere. Il volume mensile di inferenza gestito da Google, secondo il report, è aumentato di circa cinquanta volte in un anno, mentre i tre maggiori fornitori cloud statunitensi hanno accumulato oltre 1.400 miliardi di dollari di ricavi futuri già contrattualizzati.
Una rete di accordi da oltre 1.500 miliardi
Lo sviluppo dell’ecosistema americano è sostenuto da una rete di investimenti incrociati tra laboratori di intelligenza artificiale, produttori di chip, hyperscaler e finanziatori. Dal 2024 sono stati annunciati accordi per oltre 1.500 miliardi di dollari, comprendenti partecipazioni azionarie, contratti pluriennali per la capacità di calcolo e acquisti di semiconduttori.
Questi legami permettono alle aziende della filiera di finanziare l’espansione necessaria per rispondere alla domanda. Allo stesso tempo, osserva BCG, creano un rischio sistemico: una svalutazione, un problema finanziario o un’interruzione delle forniture presso uno dei principali operatori potrebbe propagarsi rapidamente agli altri.
Anche la politica industriale statunitense punta a esportare uno stack completo formato da chip, modelli, cloud e software. Le restrizioni restano però uno strumento centrale della strategia, soprattutto quando entrano in gioco modelli avanzati, semiconduttori e capacità considerate rilevanti per la sicurezza nazionale.
Questo significa che la disponibilità internazionale delle tecnologie americane non può essere considerata garantita. Un prodotto accessibile oggi potrebbe essere limitato domani da una nuova regola sulle esportazioni, da una decisione politica o da un cambiamento nei rapporti tra Paesi.
La risposta cinese: modelli competitivi a costi inferiori
Pechino non sta cercando di replicare esattamente la strategia americana. La Cina investe cifre considerevoli, ma non mobilita la stessa quantità di capitale per competere sulla scala dei data center e sullo sviluppo dei modelli più costosi.
La sua priorità è produrre sistemi sufficientemente avanzati, renderli più economici e favorirne l’adozione su larga scala. Dopo l’arrivo di DeepSeek R1 nel gennaio 2025, diversi sviluppatori cinesi hanno mantenuto una distanza contenuta dai laboratori statunitensi nelle classifiche dedicate alle capacità dei modelli.
L’ecosistema non comprende soltanto DeepSeek. Alibaba, ByteDance, Moonshot, Z.AI, MiniMax e Xiaomi partecipano allo sviluppo di modelli e applicazioni, spesso utilizzando un approccio open-weight che consente ai laboratori di costruire nuove soluzioni partendo dalle architetture e dai pesi già disponibili.
Il modello Kimi K2.6 di Moonshot, indicato da BCG come il più avanzato sistema cinese nel maggio 2026, costava 1,71 dollari per milione di token, contro gli 11,25 dollari del modello statunitense GPT-5.5. A parità di unità di misura, la soluzione cinese risultava quindi circa sette volte più economica.
Questa competitività è sostenuta da una base scientifica sempre più ampia. La Cina produce circa un terzo delle pubblicazioni sull’AI comprese nel 10% più citato a livello mondiale, superando gli Stati Uniti, ed è il primo Paese per numero di brevetti depositati nel settore.
Chip nazionali e indipendenza da NVIDIA
La Cina sta cercando anche di costruire una filiera nazionale dei semiconduttori. I data center finanziati dallo Stato sono tenuti a utilizzare chip prodotti nel Paese, con l’obiettivo di ridurre la dipendenza dalle GPU NVIDIA e accelerare lo sviluppo delle alternative domestiche.
Un ruolo centrale è affidato alla famiglia Ascend di Huawei. Nell’aprile 2026 DeepSeek ha presentato V4, ottimizzato per eseguire l’inferenza sui chip Ascend, anche se per l’addestramento sarebbero stati impiegati almeno in parte processori progettati da NVIDIA.
La separazione potrebbe quindi estendersi fino al livello hardware. Le applicazioni sviluppate per l’ambiente CUDA di NVIDIA non possono essere trasferite direttamente sui chip Ascend, che utilizzano la piattaforma CANN. In molti casi sarebbe necessario modificare parti significative del codice e del processo di distribuzione.
Un pacchetto composto da modelli cinesi economici, chip nazionali e infrastrutture finanziariamente accessibili potrebbe comunque risultare interessante per numerosi Paesi emergenti. La Cina dispone già di forti relazioni commerciali e infrastrutturali nel Sud globale, che potrebbero agevolare l’esportazione del proprio stack.
L’AI entra nell’economia reale cinese
La riduzione dei costi è funzionale a un obiettivo più ampio: diffondere l’intelligenza artificiale in tutta l’economia. L’iniziativa governativa “AI+” punta a integrare queste tecnologie nella manifattura, nei servizi, nella pubblica amministrazione e nella vita quotidiana.
Gli obiettivi indicati dal governo prevedono una penetrazione superiore al 70% per terminali intelligenti e agenti AI entro il 2027, destinata a oltrepassare il 90% nel 2030.
La robotica industriale rappresenta una delle manifestazioni più evidenti di questa strategia. Nel 2024 la Cina ha installato il 54% dei robot industriali introdotti nel mondo. La densità resta ancora pari a circa la metà di quella statunitense, ma ai ritmi attuali potrebbe superarla entro il 2030.
BCG stimava inoltre che nel secondo trimestre del 2026 la Cina avrebbe elaborato più della metà dei token generati a livello globale, pur rappresentando circa il 17% della popolazione mondiale.
A favorire l’adozione è anche un atteggiamento particolarmente positivo nei confronti della tecnologia. Più dell’85% dei cittadini cinesi ritiene che i benefici dei prodotti e dei servizi basati sull’AI siano superiori agli svantaggi. Negli Stati Uniti la percentuale scende sotto il 45%.
Quattro livelli sempre più difficili da combinare
Il report divide lo stack dell’intelligenza artificiale in quattro livelli: applicazioni, modelli, cloud e chip. A questi si sovrappongono le regole sulla sicurezza, sulla privacy, sugli acquisti pubblici, sulle esportazioni e sull’impiego dei dati.
All’interno di Stati Uniti e Cina, la possibilità di utilizzare liberamente componenti appartenenti all’altro ecosistema si è già ridotta. I principali servizi cloud sono forniti da aziende nazionali, i modelli stranieri possono essere indisponibili o sottoposti a verifiche e le piattaforme hardware richiedono ambienti software differenti.
Per le multinazionali attive in entrambi i mercati, mantenere due infrastrutture AI separate potrebbe diventare l’unica soluzione praticabile. Il rapporto cita l’esempio di Apple, che per le funzionalità di Apple Intelligence utilizza Alibaba in Cina e OpenAI negli altri mercati.
Nikolaus Lang, Managing Director e Senior Partner di BCG, osserva che la biforcazione potrebbe costringere i gruppi internazionali a decidere da che parte stare. Molte aziende, secondo Lang, dovranno adottare un’infrastruttura digitale per la Cina e una diversa per gli Stati Uniti, rinunciando a parte delle sinergie globali.
L’Europa rischia di restare indietro
Tra i due blocchi, l’Unione Europea cerca di sostenere un ecosistema autonomo. La strategia si concentra soprattutto sullo sviluppo di Mistral e sulla costruzione di capacità di calcolo sovrana, non dipendente esclusivamente dagli hyperscaler americani.
La distanza resta però ampia. All’inizio del 2026, secondo BCG, ricavi, valutazione e capitale complessivamente raccolto da Mistral corrispondevano ciascuno a circa il 2% dei valori di OpenAI. Le capacità dei suoi modelli risultavano mediamente da tre a dieci mesi indietro rispetto alla frontiera, mentre il laboratorio occupava la sedicesima posizione nelle classifiche considerate dal report.
Anche sul piano infrastrutturale il divario è rilevante. La spesa prevista per il solo 2026 dagli hyperscaler americani sarebbe più di tre volte superiore ai 200 miliardi di euro del programma pluriennale InvestAI, che comprende la costruzione di 19 AI Factory europee entro il 2027.
L’Europa conserva talenti, capacità scientifiche e proprietà intellettuale, ma continua a incontrare difficoltà nel trasformare la ricerca in imprese e piattaforme di scala globale. La finestra per costruire una terza alternativa non è ancora chiusa, ma secondo Lang i prossimi 12-24 mesi saranno decisivi.
Le strategie delle potenze intermedie
Gli altri Paesi stanno adottando approcci differenti. Il Giappone utilizza il proprio capitale per ottenere un ruolo nell’ecosistema statunitense: dal 2024 SoftBank ha partecipato a operazioni AI per circa 90 miliardi di dollari, investendone più di 60 miliardi in OpenAI.
Emirati Arabi Uniti e Arabia Saudita puntano invece a diventare poli regionali della capacità di calcolo. L’India cerca di mantenere rapporti con più ecosistemi, collaborando con gli Stati Uniti sulle infrastrutture, con l’Europa sulla governance e con gli Emirati sulla potenza di calcolo, senza interrompere completamente il dialogo con la Cina.
Corea del Sud e Regno Unito fanno leva su competenze specifiche difficilmente sostituibili. La prima controlla circa l’80% della produzione mondiale di memorie ad alta larghezza di banda, mentre il secondo dispone di talenti avanzati e della proprietà intellettuale di Arm, utilizzata in una parte consistente dei processori installati nei principali data center.
Ridondanza, modularità ed eterogeneità
Per le aziende, la scelta di uno stack non è più soltanto una valutazione di costo o prestazioni. Un’infrastruttura ottimizzata oggi per un determinato fornitore potrebbe trasformarsi in un vincolo strategico se nuove restrizioni rendessero indisponibile una componente fondamentale.
BCG suggerisce di costruire resilienza seguendo tre principi: ridondanza, modularità ed eterogeneità.
La ridondanza richiede alternative per i componenti più esposti alle interruzioni, per esempio utilizzando più fornitori di modelli. La modularità consiste nel progettare le applicazioni in modo da poter sostituire un servizio senza riscrivere l’intera infrastruttura. L’eterogeneità impone invece che le alternative non condividano gli stessi rischi geopolitici o tecnologici.
Un’impresa potrebbe, per esempio, affiancare a un modello proprietario statunitense un sistema open-weight eseguibile sui propri server, oppure utilizzare un hyperscaler americano per le attività ordinarie e un cloud sovrano per i dati regolamentati.
Queste precauzioni diventeranno più difficili da applicare man mano che i due ecosistemi si separeranno. La biforcazione procede più rapidamente della capacità delle aziende di riorganizzarsi: una scelta effettuata oggi per risparmiare o aumentare l’efficienza potrebbe determinare, nel giro di pochi anni, dove un’impresa potrà operare e quali mercati riuscirà a servire.
