In questo articolo Indice dei contenuti 3 sezioni
Le nuove restrizioni imposte dalla Cina ai propri ingegneri specializzati in intelligenza artificiale raccontano molto bene il momento che stanno vivendo i rapporti tecnologici tra Pechino e Washington. Il divieto di viaggiare all’estero senza autorizzazione esplicita riguarda il personale impiegato in aziende considerate strategiche, e arriva mentre dall’altra parte del Pacifico NVIDIA muove pedine di tutt’altra natura, con accordi finanziari che sfiorano i 500 miliardi di dollari, ovvero circa 460 miliardi di euro. Due mosse diverse, stessa partita.
Il disaccoppiamento tra Stati Uniti e Cina sta accelerando, e ciascuno dei due blocchi prova a difendere il terreno su cui si sente più forte. Pechino punta a trattenere il capitale umano, gli americani a mobilitare capitale finanziario. La misura cinese dovrebbe entrare in vigore già dal 15 settembre e coinvolge realtà come Alibaba e DeepSeek, due nomi che nel panorama dell’AI cinese pesano parecchio.
Cina: talenti bloccati in patria e data center nel deserto
Il ragionamento dietro il blocco dei viaggi è abbastanza trasparente. Negli ultimi anni una quota consistente di ingegneri formati in Cina ha finito per lavorare negli Stati Uniti, portando con sé competenze difficili da replicare in tempi brevi. Chiudere quel rubinetto significa proteggere un vantaggio competitivo che si costruisce in anni, non in mesi. Chi lavora in aziende ritenute sensibili dovrà quindi ottenere il via libera del governo prima di mettere piede fuori dai confini.
C’è anche una lettura più tattica. La mossa potrebbe essere una risposta a quanto sta preparando la FCC statunitense, che valuta un divieto sui ricetrasmettitori ottici di provenienza cinese. Sono componenti apparentemente banali ma decisivi nelle infrastrutture di rete, perché convertono i segnali elettrici in impulsi luminosi tramite un LED e, all’altro capo della fibra ottica, riportano la luce in ingresso a segnale elettrico grazie a un fotodiodo. Senza quei pezzi, nessun data center moderno funziona come dovrebbe.
Sul fronte infrastrutturale, intanto, la Cina sta costruendo enormi data center dedicati all’AI nel deserto della Mongolia interna. La scelta non è casuale, visto che l’abbondanza di energia solare in quelle zone abbatte in modo sensibile i costi di alimentazione degli impianti. Una strada decisamente più concreta, almeno sul piano economico, rispetto all’idea di Elon Musk di piazzare i data center per l’intelligenza artificiale in orbita terrestre bassa.
NVIDIA apre il rubinetto della finanza
Dall’altra parte, NVIDIA ha firmato memorandum d’intesa con sei tra i maggiori gruppi finanziari al mondo, ovvero Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs e KKR. L’obiettivo dichiarato è mobilitare oltre 500 miliardi di dollari, circa 460 miliardi di euro, di capitale di terzi da destinare nel tempo alla costruzione di infrastrutture per l’AI.
I dettagli operativi restano pochi, ma l’impianto si capisce. Si tratta di creare una piattaforma di finanziamento del calcolo, capace di sbloccare credito a debito per l’acquisto di GPU e rack da data center firmati NVIDIA, destinati a hyperscaler e neocloud. Le stesse GPU dovrebbero fungere da collaterale per i prestiti, un meccanismo che di fatto trasforma i chip in una vera e propria garanzia bancaria.
Il passaggio chiave, sottolineato da più parti, è proprio la nascita di un mercato del credito garantito dalla potenza di calcolo NVIDIA. Il credito ha bisogno di collaterale, e le schede grafiche diventano l’asset su cui poggiare l’intera impalcatura.
Perché conta il modo in cui si finanziano i chip
Questa architettura permetterebbe a NVIDIA di scaricare un rischio che oggi si porta addosso da sola. Gli accordi di finanziamento circolare siglati con partner neocloud come CoreWeave hanno sollevato più di un dubbio, perché di fatto l’azienda finanzia clienti che poi usano quel denaro per comprare i suoi prodotti. Spostare il peso su Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs e KKR significa spezzare quel cerchio e appoggiarsi a soggetti il cui mestiere è, per l’appunto, prestare denaro.
Il risultato è una fotografia piuttosto nitida di due modelli. Da un lato controlli sempre più stretti su persone e componenti, dall’altro un’ingegneria finanziaria costruita per accelerare la corsa all’infrastruttura AI.
