Il 21 giugno 2026 l’Economist ha pubblicato un articolo intitolato “China is having another AI moment. A new model has narrowed the gap with America”, riaccendendo il dibattito globale sullo stato della competizione tecnologica tra Washington e Pechino. L’interrogativo di fondo sollevato dalla testata britannica è alquanto pertinente: la Cina sta davvero riducendo in modo significativo il divario con gli Stati Uniti nella potenza dei Large Language Models (LLM) dell’intelligenza artificiale?
La risposta appare a prima vista senz’altro positiva. In realtà, un’analisi approfondita delle dinamiche industriali e tecnologiche rivela che la situazione è assai più complessa e articolata di quanto possa apparire da una prima lettura dei titoli di giornale o dalle reazioni emotive dei mercati. Ridurre la sfida geopolitica e tecnologica dell’IA a una gara di corsa unidimensionale, in cui un concorrente è semplicemente “avanti” o “indietro” rispetto all’altro rischia di fuorviare sia i decisori politici sia i dirigenti d’impresa. La competizione attuale nel campo della AI non si misura unicamente in termini di pura potenza di calcolo o di punteggi assoluti nei benchmark, ma abbraccia l’architettura dei modelli, le strategie di distribuzione, la sostenibilità economica e il livello di penetrazione nell’economia reale.
Per poter comprendere la situazione degli equilibri attuali a settembre 2026, occorre allora ricostruire i fatti salienti accaduti nei mesi estivi, analizzandone l’impatto sui mercati, sulle strategie d’impresa e sugli assetti regolatori internazionali.
Indice degli argomenti
GLM 5.2 e la corsa all’intelligenza artificiale
Il 13 giugno 2026, il laboratorio pechinese Zhipu (noto altresì come Z.ai) ha presentato ufficialmente GLM 5.2, il proprio modello di intelligenza artificiale più avanzato. L’annunzio ha catturato l’attenzione della comunità scientifica e industriale globale per una serie di scelte strutturali e distributive ben precise:
(a) architettura a pesi aperti: i pesi, ovvero i parametri fondamentali del modello, sono stati rilasciati apertamente (cd. open weights);
(b) flessibilità di installazione: il modello è stato reso installabile direttamente sui server proprietari degli utenti, consentendo a sviluppatori globali e imprese di scaricarlo ed eseguirlo localmente sui propri computer;
(c) accessibilità economica: il prezzo di posizionamento – a seconda delle metriche di confronto – varia da un decimo a un quinto di quello dei modelli occidentali di punta.
Il confronto tra GLM 5.2 e i benchmark internazionali
L’impatto pratico di questa mossa è stato immediato. Vari sviluppatori di IA internazionali hanno iniziato a descrivere GLM 5.2 come il primo modello di origine cinese abbastanza affidabile e maturo da poter essere utilizzato quotidianamente nelle attività operative di scrittura del codice. Tuttavia, sotto il profilo squisitamente tecnico, il quadro complessivo resta più sfumato di quanto l’andamento dei titoli in borsa possa suggerire. Se si analizzano i test condotti su SWE-bench Pro, un benchmark internazionale di programmazione, GLM 5.2 resta sette punti dietro rispetto a Claude Opus 4.8 di Anthropic. Al contempo, in altri test il distacco competitivo si riduce quasi a zero.
Questo divario altalenante mostra la fallacia metodologica di chi cerca un singolo parametro numerico unificante per stabilire di quanto la Cina sia avanti o indietro rispetto agli Stati Uniti: la valutazione dipende inevitabilmente dal compito specifico che viene misurato. Di conseguenza, chi compendia la corsa all’IA in una classifica semplificata con un vincitore solitario sta banalizzando la situazione molto più di quanto i dati empirici consentano di fare.
Cina e AI, la reazione dei mercati finanziari
Le dinamiche del mercato azionario legate agli annunci tecnologici offrono un’ulteriore chiave di lettura della sensibilità che circonda il settore dell’IA. Non è la prima volta che un modello sviluppato in Cina scompagina il settore e spiazza gli investitori. Appena un anno e mezzo prima, ovvero a gennaio 2025, il lancio di DeepSeek R1 bruciò in poche ore mille miliardi di dollari di capitalizzazione sui mercati nordamericani, trascinando il titolo Nvidia a -17% e l’indice Nasdaq a -3,1%.
In occasione del lancio di GLM 5.2 nell’estate 2026, i mercati occidentali hanno reagito con maggior calma e relativa compostezza. A muoversi bruscamente è stata invece Zhipu stessa che, quotata alla Borsa di Hong Kong, ha visto le sue azioni salire del 48% nella sola settimana del lancio. Un entusiasmo azionario di tale portata rivela tuttavia più le aspettative degli investitori che le reali capacità del modello, dato l’interesse diretto da parte dell’impresa ad alimentare la narrativa del sorpasso tecnologico. Il denominatore comune che lega le oscillazioni di Nvidia e Nasdaq nel gennaio 2025 al rally di Zhipu nel 2026 è che i mercati finanziari amplificano il segnale informativo più di quanto la tecnologia lo giustifichi. Le valutazioni delle azioni legate all’IA restano estremamente sensibili a ogni notizia comparativa. Questa volatilità costituisce un rischio sistemico a sé stante, nettamente distinto sia dal rischio tecnologico sia da quello geopolitico.
La strategia cinese nell’AI: dalla potenza pura al lock-in dell’ecosistema
Un elemento cruciale della strategia di Zhipu riguarda la modalità di distribuzione e adozione. Offrire accesso open weight al modello a un prezzo aggressivo non rappresenta una scelta di liberalità o di altruismo tecnologico. Si tratta piuttosto di una mossa strategica alquanto ponderata per far sì che gli sviluppatori di tutto il mondo costruiscano strumenti e applicazioni sulla loro infrastruttura. L’obiettivo finale è di creare una “consuetudine operativa” che si traduca nel tempo in una vera e propria dipendenza, che sarebbe estremamente ardua da capovolgere o da sostituire in seguito. La competizione globale sui modelli linguistici si gioca infatti tanto sulle prestazioni pure misurate in laboratorio quanto sulla velocità e pervasività di adozione.
In questo senso, il vero obiettivo della parte asiatica non è necessariamente quello di avere la disponibilità della massima potenza teorica possibile in termini assoluti, bensì quello di guadagnare una diffusione d’uso dei modelli del 75-80% nella popolazione cinese entro il 2030. Il baricentro competitivo si sposta così dalla conquista della prima posizione nei supercomputer alla conquista dell’integrazione nei processi produttivi e nella società.
Geopolitica dei modelli AI e vincoli strutturali
I recenti avvenimenti hanno inoltre mostrato come la disponibilità dei modelli all’avanguardia non dipenda soltanto dalle dinamiche del mercato, ma dalle decisioni di governo, revocabili peraltro da un giorno all’altro. Il 12 giugno 2026, un giorno prima del lancio di GLM 5.2, si è verificato un evento emblematico passato quasi inosservato in Italia: il governo americano ha vietato ai cittadini non statunitensi l’uso di Fable 5, l’ultimo modello di Anthropic, costringendo l’azienda a disattivarlo per tutti, americani compresi. La stessa Anthropic ha contestato pubblicamente la gravità del problema di sicurezza posto alla base del provvedimento.
La vicenda si è poi risolta rapidamente: il divieto su Fable 5 è stato ritirato dal governo USA il 30 giugno 2026, e Anthropic ha riattivato l’accesso il 1° luglio 2026, dopo appena tre settimane dallo stop. Un caso risolto prima ancora che i media finissero di commentarlo, ma che resta un chiaro promemoria di quanto sia fumoso provare a fotografare il vantaggio di un Paese rispetto a un altro in un momento specifico.
I limiti strutturali dei laboratori cinesi
D’altra parte, malgrado il successo del software, occorre considerare che i laboratori cinesi continuano a fronteggiare ragguardevoli limitazioni strutturali:
(a) carenza nella potenza di calcolo: a causa delle restrizioni all’importazione dei chip americani più avanzati di Nvidia, i server cinesi soffrono regolarmente di interruzioni di servizio o di rallentamenti nei momenti di picco del traffico;
(b) pressioni normative e regolamentari: il governo federale degli Stati Uniti sta monitorando attentamente la situazione e varie commissioni congressuali stanno investigando le imprese americane che fanno uso di modelli open weight cinesi per addestrare o perfezionare le proprie IA.
Corsa all’intelligenza artificiale: le implicazioni strategiche per l’Europa
Guardando alla situazione da una prospettiva aggiornata, la lezione fondamentale che le imprese e le istituzioni europee possono trarre riguarda molto meno la classifica, peraltro del tutto temporanea, della gara in atto tra USA e Cina quanto piuttosto la fragilità di qualsiasi previsione basata su di un singolo annuncio o sulle reazioni (immediate) di borsa. La priorità strategica per il tessuto produttivo europeo è l’esigenza di non legarsi a un fornitore unico, americano o cinese che sia. Un approccio basato sulla sovranità digitale e sul multi-sourcing rappresenta l’unica garanzia per proteggersi sia dalle decisioni improvvise dei governi esteri sia dai rischi di dipendenza infrastrutturale ed economica.
Bibliografia
Allen, G. C. (2022). Choking off China’s access to the future of AI: New U.S. export controls on AI and semiconductors mark a transformation of U.S. technology competition with China. Center for Strategic and International Studies.
Brundage, M., et al. (2020). Toward trustworthy AI development: Mechanisms for supporting verifiable claims. arXiv:2004.07213.
Cennamo, C., Dagnino, G. B., & Zhu, F. (Eds.). (2023). Research handbook on digital strategy. Edward Elgar Publishing. https DOI: 10.4337/9781800378902.
DeepSeek-AI. (2025). DeepSeek-R1: Incentivizing reasoning capability in LLMs via reinforcement learning. arXiv:2501.12948.
Jimenez, C. E., Yang, J., Wettig, A., Yao, S., Pei, K., Press, O., & Narasimhan, K. R. (2024). SWE-bench: Can language models resolve real-world GitHub issues? The Twelfth International Conference on Learning Representations.
Kaplan, J., McCandlish, S., Henighan, T., Brown, T. B., Chess, B., Child, R., Gray, S., Radford, A., Wu, J., & Amodei, D. (2020). Scaling laws for neural language models. arXiv:2001.08361.
Lanzolla, G., Pesce, D., & Tucci, C. L. (2021). The Digital Transformation of Search and Recombination in the Innovation Function: Tensions and an Integrative Framework. Journal of Product Innovation Management, 38(1), 90-113.
Stanford Institute for Human-Centered Artificial Intelligence. (2024). The AI Index Report 2024. Stanford University.
Teece, D. J., Peteraf, M., & Leih, S. (2016). Dynamic capabilities and organizational agility: Risk, uncertainty, and strategy in the innovation economy. California Management Review, 58(4), 13–35. DOI: 10.1525/cmr.2016.58.4.13.
The Economist. (2026, June 21). China is having another AI moment: A new model has narrowed the gap with America. The Economist. La data online del 21 giugno è confermata indirettamente dall’URL originale; l’edizione della rivista è quella del 27 giugno 2026.
Unione europea. (2024). Regolamento (UE) 2024/1689 del Parlamento europeo e del Consiglio, del 13 giugno 2024, che stabilisce regole armonizzate sull’intelligenza artificiale […] (regolamento sull’intelligenza artificiale). Gazzetta ufficiale dell’Unione europea, L, 2024/1689, 12 luglio 2024.
Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, Ł., & Polosukhin, I. (2017). Attention is all you need. Advances in Neural Information Processing Systems, 30, 5998–6008.
Partecipa alla community