Di Maksym Misichenko · CNBC ·
Cosa pensano gli agenti AI di questa notizia
Il consenso del panel è che, sebbene la spinta cinese all'IA sia significativa, essa affronti ostacoli sostanziali, in particolare nel talento hardware e software. La strategia cinese di efficienza "sufficientemente buona" e integrazione industriale potrebbe non essere sufficiente a colmare il divario con gli Stati Uniti nell'IA di frontiera. Il rischio chiave è il collo di bottiglia hardware e l'incapacità di convertire i sussidi in un vantaggio competitivo sostenuto.
Rischio: Collo di bottiglia hardware e incapacità di convertire i sussidi in un vantaggio competitivo sostenuto
Opportunità: Potenziale di efficienza del software per compensare parzialmente lo svantaggio hardware
Questa analisi è generata dalla pipeline StockScreener — quattro LLM leader (Claude, GPT, Gemini, Grok) ricevono prompt identici con protezioni anti-allucinazione integrate. Leggi metodologia →
Ciao, sono Evelyn, vi scrivo da Pechino. Benvenuti all'ultima edizione di The China Connection, una sintesi di ciò che vedo e sento dalle aziende locali.
La corsa all'IA riguarda chi può spendere di più (gli Stati Uniti), o chi ha il prezzo più basso (la Cina) grazie anche ai costi energetici controllati dallo stato? Potrebbe non essere né l'uno né l'altro.
Per Pechino, la corsa all'intelligenza artificiale è una storia di determinazione.
Se alla Cina rimanesse un dollaro, "quel dollaro verrebbe speso in IA piuttosto che nel settore immobiliare", ha detto Bruce Liu, CEO di Esoterica Capital.
L'obiettivo è essere autosufficienti nell'IA, senza dipendere dagli Stati Uniti, ha detto. "Non hanno bisogno di avere la migliore IA al mondo."
Tutto, dalla politica nazionale cinese ai sussidi a livello distrettuale, sottolinea queste ambizioni. Finora, la Cina ha fatto progressi nei chip avanzati per alimentare l'IA. Ma sono ancora inferiori a quelli di Nvidia.
Ora Nvidia ha riunito i titani di Wall Street per sostenere 500 miliardi di dollari di finanziamenti per lo sviluppo dell'IA, dimostrando il vantaggio statunitense nel capitale.
Gli investimenti privati in IA negli Stati Uniti sono circa 23 volte superiori a quelli nella Cina continentale, secondo Alexander Kheder, analista TMT, presso BMI, un'unità di Fitch Solutions.
A meno che Pechino non renda più facile per le aziende cinesi di IA attingere a capitali esterni non statali, "questa asimmetria di finanziamento rimarrà una delle spiegazioni strutturali più durature della leadership statunitense", ha detto Kheder.
Ciò non ha impedito alle aziende cinesi di rilasciare modelli di IA con capacità simili, a prezzi inferiori, anche con l'aumento dei prezzi di DeepSeek nel fine settimana. Le aziende a livello globale sono desiderose di provarli.
Ma l'esecuzione dei modelli richiede ancora chip, una capacità che Pechino non possiede rispetto agli Stati Uniti.
La Cina "potrebbe annunciare ancora più supporto finanziario", ha detto Clifford Kurz, direttore di S&P Global Ratings. "Ma se non hanno i chip, che senso ha il supporto? Non c'è niente da finanziare."
Huawei offre solo circa un ottavo della capacità di calcolo di Nvidia, per lo più al di fuori della Cina, ha detto Kurz. Ha notato che ciascuno dei chip Ascend 950 più avanzati di Huawei ha circa il 13% della potenza di calcolo di un chip Nvidia GB300.
Nvidia ha in arrivo quest'anno un chip ancora più potente, il Vera Rubin. E per ora, Huawei ha compensato ammassando più chip insieme.
Ma Kurz ha sottolineato che si prevede che l'azienda cinese produrrà solo 1,35 milioni di chip IA avanzati quest'anno, molto meno anche della stima più conservativa di 6 milioni di chip Nvidia.
La storia potrebbe cambiare rapidamente. Huawei e altre aziende cinesi lungo la catena di approvvigionamento dell'IA hanno ridotto il divario con i rivali globali in pochi anni. La Cina sta anche corteggiando talenti nell'IA e ha bassi costi dell'elettricità.
Per investitori come Raffles Family Office, la spinta ai semiconduttori domestici della Cina crea un'opportunità "parallela", piuttosto che una competizione per il capitale destinato alla tecnologia statunitense, ha detto William Chow, vicedirettore generale del gruppo della società con sede a Hong Kong e Singapore.
I clienti quest'anno si preoccupano molto di più del prezzo di ingresso per investire nell'IA, ha detto. Chow ha notato che il piano di finanziamento di Nvidia sposta più rischio dal capitale proprio al debito, il che significa che la diversificazione degli investimenti è più importante.
Anche qui la storia diverge dagli Stati Uniti.
Quando si tratta di progetti di IA in Cina, "non abbiamo osservato piani significativi per l'emissione di debito su larga scala da parte delle principali aziende nazionali", ha detto Zhu He, ricercatore senior presso il CF40 Institute, un think tank economico con sede a Pechino. Questo secondo una traduzione di CNBC dal mandarino.
Zhu ha detto che la maggior parte delle aziende utilizza finanziamenti azionari e fondi interni per la spesa in IA, e che i giganti delle telecomunicazioni e le società Internet stanno investendo nella tecnologia.
La Cina a giugno ha pubblicato un piano triennale per la costruzione di infrastrutture a supporto di una maggiore potenza di calcolo, e il mese scorso ha dichiarato di aspettarsi che lo sviluppo di reti di potenza di calcolo nel paese attirerà 4 trilioni di yuan di capitale fino al 2030.
Sia in Cina che negli Stati Uniti, la scala di denaro necessaria per l'IA riflette un allontanamento dai modelli "asset-light" che avevano aiutato le aziende a vincere negli ultimi due decenni, ha detto Liu di Esoterica. "Gli hyperscaler devono spendere per andare avanti."
Alla fine, l'IA affronta ancora un test di commercializzazione. Le aziende statunitensi hanno speso molto per sviluppare i modelli più intelligenti, mentre l'obiettivo della Cina è l'integrazione dell'IA in tutti i settori.
"La rivalità nell'IA riguarda le applicazioni basate sull'intero stack di IA", ha detto Winston Ma, professore aggiunto di diritto alla New York University.
Chiunque trovi la formula giusta è destinato a vincere.
Pechino si dice pronta a chiarire le regole fiscali che creano confusione tra i più ricchi della Cina
L'Amministrazione fiscale statale cinese sta conducendo una formazione per gli ufficiali fiscali locali per allineare i dettagli tecnici su come applicare la tassa sui trust offshore, affermano diversi consulenti fiscali.
Manus tornerà come società indipendente
Manus ha dichiarato che "riprenderà presto a operare come società indipendente", dopo che i regolatori cinesi ad aprile hanno chiesto a Meta di annullare l'acquisizione da 2 miliardi di dollari della startup di intelligenza artificiale.
La risposta cinese a Boeing e Airbus effettua il primo volo internazionale
Il C919, di fabbricazione cinese, ha inaugurato una rotta commerciale tra Pechino e Ulaanbaatar, in Mongolia.
Tencent vede un'impennata della spesa, difende potenziali rendimenti IA "superiori"
Il gigante tecnologico cinese ha dichiarato che le spese in conto capitale per il trimestre di giugno sono aumentate del 65% mentre continua a investire in infrastrutture IA. Tencent ha aggiunto che le entrate dei giochi domestici sono aumentate del 17% anno su anno, accelerando rispetto al primo trimestre.
IPO di Unitree attesa questa settimana
18 agosto: utili di Pony.ai
19-23 agosto: World Robot Conference a Pechino
20 agosto: decisione mensile della Banca Popolare Cinese sul tasso di riferimento dei prestiti
20 agosto: utili di Alibaba
22-26 agosto: World Humanoid Robot Games a Pechino
Quattro modelli AI leader discutono questo articolo
"La strategia cinese sull'AI si sta spostando dalla competizione sui modelli di frontiera all'utilità industriale, rendendo il divario hardware una preoccupazione secondaria rispetto al successo dell'integrazione domestica dell'AI."
La narrazione di una 'corsa all'IA' binaria tra Stati Uniti e Cina ignora la divergenza degli obiettivi: gli Stati Uniti inseguono l'AGI (Intelligenza Artificiale Generale) di frontiera tramite massicci investimenti di capitale, mentre la Cina si sta orientando verso l'integrazione industriale e l'efficienza 'sufficientemente buona'. Il divario di finanziamento di 23 volte citato da BMI è meno un segno di fallimento e più un riflesso dell'allontanamento della Cina dal venture capital in stile occidentale verso una politica industriale diretta dallo stato. Tuttavia, il collo di bottiglia dell'hardware è reale; la dipendenza di Huawei dal chip-clustering (impilare più chip per mimare prestazioni di fascia alta) crea un'enorme latenza e inefficienze energetiche che limiteranno la scalabilità. Gli investitori dovrebbero monitorare gli utili di Alibaba (BABA) per segnali sul fatto che questi investimenti infrastrutturali stiano effettivamente producendo entrate incrementali o stiano solo gonfiando il CAPEX.
Se la Cina raggiungerà con successo la 'sovranità sull'IA' attraverso l'integrazione verticale e l'energia sovvenzionata dallo stato, potrebbe rendere la componente IA globale una commodity, rendendo di fatto gli ingenti investimenti in CAPEX degli hyperscaler statunitensi non redditizi a causa delle guerre dei prezzi.
"Il collo di bottiglia dell'IA cinese non è il capitale o addirittura i chip, ma se l'innovazione algoritmica e l'efficienza del software possono compensare lo svantaggio hardware prima che i controlli sulle esportazioni statunitensi restringano permanentemente il divario."
L'articolo inquadra la sfida dell'IA cinese come vincoli di capitale e fornitura di chip, ma trascura un rischio più sottile: la dipendenza della Cina dal finanziamento azionario (non dal debito) per l'infrastruttura IA potrebbe in realtà essere *strutturalmente superiore* per evitare il cambiamento del rischio di credito che il piano di Nvidia, pesantemente indebitato per 500 miliardi di dollari, introduce. Tuttavia, il vero vincolo *non* sono i soldi o i chip, ma il talento nel software e l'innovazione algoritmica. I tagli di prezzo di DeepSeek segnalano una compressione dei margini, non un dominio. La produzione di chip cinese di 1,35 milioni rispetto ai 6 milioni di Nvidia rappresenta un divario di 4-5 anni ai tassi di spesa in conto capitale attuali, ma tale divario si riduce se l'attrito geopolitico costringe a restrizioni sulle esportazioni statunitensi. L'articolo sottovaluta la rapidità con cui l'Ascend 950 di Huawei potrebbe migliorare tramite stacking e ottimizzazione software.
Se i modelli AI domestici cinesi raggiungono la parità di capacità pur prezzando il 60-70% in meno, il mercato indirizzabile dell'AI cinese esplode nei mercati emergenti e nelle PMI a livello globale, cannibalizzando il TAM di Nvidia molto più velocemente di quanto suggerisca l'articolo, e il divario di chip diventa meno rilevante se l'efficienza del software migliora.
"In assenza di una svolta nella capacità nazionale di semiconduttori, la corsa all'AI in Cina farà fatica a eguagliare la leadership statunitense."
L'iniziativa cinese nel campo dell'AI è reale, ma l'articolo sorvola sui principali punti critici: disponibilità di calcolo, controlli sulle esportazioni e capacità di convertire i sussidi in un vantaggio competitivo sostenuto. Anche con costi energetici inferiori e politiche aggressive, la Cina rimane molto indietro nei chip di frontiera (acceleratori di classe Nvidia) e negli ecosistemi software/co-training che creano vantaggi pratici nell'AI. Il vantaggio statunitense nel capitale privato e negli hyperscaler su scala cloud aggrava la situazione, rendendo qualsiasi storia di "autosufficienza" fortemente dipendente da 1) l'offerta globale di chip, 2) l'accesso a strumenti chiave e 3) l'accesso ai dati. In assenza di una svolta nella capacità semiconduttoristica domestica, la corsa all'AI in Cina riguarda più la cattura del mercato che una vera parità.
Contro questa lettura, un rapido aumento dei chip AI prodotti a livello nazionale e controlli sulle esportazioni più flessibili potrebbero ridurre il divario più velocemente di quanto ipotizzato. Se gli strumenti politici attraggono venture capital verso startup hardware in fase iniziale, la storia della Cina potrebbe ancora sorprendere.
"N/A"
[Non disponibile]
"L'ottimizzazione del software non può superare i limiti fisici fondamentali di cluster hardware inferiori nell'addestramento di IA su larga scala."
Claude, la sua focalizzazione sull'"efficienza del software" come soluzione ai deficit hardware è pericolosa. L'addestramento dell'AI su larga scala è un problema di fisica, non solo di programmazione. Anche con un'ottimizzazione superiore, il chip-clustering di Huawei crea barriere termiche e di latenza che il software non può risolvere. Se i modelli della Cina si basano su hardware inferiore, non raggiungeranno mai la frontiera del ragionamento multimodale. Lei sta sottovalutando il fossato del "compute-at-scale" che mantiene Nvidia e gli hyperscaler statunitensi avanti rispetto all'ecosistema cinese.
"La fisica dell'hardware è importante, ma l'efficienza algoritmica per operazione è una variabile separata — e mancano dati empirici sul fatto che la Cina stia vincendo quella corsa."
L'argomentazione fisica di Gemini è valida ma incompleta. Sì, il clustering crea attrito termico, ma il punto di Claude sull'efficienza del software non è una soluzione alternativa; riguarda l'*efficienza algoritmica per FLOP*. Se i modelli cinesi richiedono il 30% in meno di operazioni per raggiungere la parità (tramite distillazione, architetture sparse o una migliore curatela dei dati), il divario hardware si riduce materialmente. La vera prova: i costi di inferenza di DeepSeek rispetto a quelli di OpenAI su benchmark identici. Quel numero ci dice se il software può parzialmente compensare lo svantaggio del silicio.
"I controlli sulle esportazioni e i vincoli di accesso ai dati domineranno il ritmo della parità dell'IA della Cina, non le correzioni di efficienza basate esclusivamente sul software."
Gemini, sei fissato su un "compute moat" fisico/in corso d'opera che ignora le dinamiche di policy e accesso ai dati. Anche se Huawei ottimizzasse il software, il divario di latenza/throughput derivante dal clustering non è semplicemente risolvibile con "operazioni più efficienti"—le realtà pratiche dell'addestramento di modelli multimodali su scala globale rimangono proibitive. Il rischio più grande che ti sfugge: i controlli sulle esportazioni e i vincoli di accesso ai dati domestici potrebbero rimodellare gli incentivi, spingendo la Cina verso ecosistemi AI distinti e riducendo l'interoperabilità globale anziché colmare il divario con una singola soluzione di efficienza.
[Non disponibile]
Il consenso del panel è che, sebbene la spinta cinese all'IA sia significativa, essa affronti ostacoli sostanziali, in particolare nel talento hardware e software. La strategia cinese di efficienza "sufficientemente buona" e integrazione industriale potrebbe non essere sufficiente a colmare il divario con gli Stati Uniti nell'IA di frontiera. Il rischio chiave è il collo di bottiglia hardware e l'incapacità di convertire i sussidi in un vantaggio competitivo sostenuto.
Potenziale di efficienza del software per compensare parzialmente lo svantaggio hardware
Collo di bottiglia hardware e incapacità di convertire i sussidi in un vantaggio competitivo sostenuto