La notizia, riportata da Reuters citando fonti vicine alla società, arriva dritta al cuore della frattura tecnicica tra Stati Uniti e Cina. DeepSeek, il laboratorio di Hangzhou che negli ultimi mesi ha catalizzato l’attenzione globale per l’efficienza dei suoi LLM, starebbe progettando un chip AI proprietario. Non è un dettaglio tecnico, ma un punto di svolta per l’intero settore.

Il motivo dichiarato è aggirare le restrizioni all’esportazione imposte da Washington sui semiconduttori avanzati. Ma la posta in gioco è più alta: se finora DeepSeek ha scritto software ottimizzato per girare su GPU Nvidia (o su alternative locali come le Ascend di Huawei), ora vuole definire l’hardware su misura per i propri carichi di lavoro. Significa abbandonare il modello “software-first” e abbracciare un’integrazione verticale estrema, in cui architettura del silicio e algoritmi vengono co-progettati.

La spinta geopolitica e la corsa al chip domestico

La mossa di DeepSeek non nasce nel vuoto. Da quando gli Stati Uniti hanno inasprito i controlli sulle esportazioni di GPU e acceleratori AI verso la Cina, le aziende cinesi hanno accelerato lo sviluppo di alternative locali. Huawei con la serie Ascend, Biren Technology e altre startup hanno già provato a colmare il vuoto lasciato da Nvidia, ma con risultati altalenanti. DeepSeek si inserisce in questo solco con una differenza fondamentale: non è un’azienda di semiconduttori, ma un laboratorio che addestra e serve modelli. Conosce a fondo i colli di bottiglia dell’inference e del training, e può quindi scolpire il silicio sulle reali esigenze dei suoi carichi di lavoro, scavalcando gli intermediari.

Questo passaggio è figlio di una necessità strutturale. I chip occidentali non arrivano più, o arrivano in versioni depotenziate. Diventa allora vitale per un laboratorio che punta alla frontiera degli LLM controllare l’intera catena, dal nodo di calcolo fino al data center. Non è più solo una questione di prestazioni, ma di sovranità tecnicica e continuità operativa.

Il costo nascosto: EDA, fonderie e dipendenza

Progettare un chip AI non significa solo disegnare l’architettura. Servono strumenti di automazione della progettazione elettronica (EDA), dominati da aziende statunitensi come Synopsys e Cadence, anch’esse soggette a restrizioni. E serve una fonderia in grado di produrre il chip a nodi avanzati: oggi SMIC, la principale fonderia cinese, fatica a raggiungere i livelli di TSMC. DeepSeek dovrà quindi navigare un percorso irto di ostacoli tecnici e geopolitici, che vanno ben oltre la scrittura del codice RTL.

Il vero segnale, tuttavia, è che l’AI di frontiera cinese non si accontenta più di adattarsi all’offerta esistente. Vuole dettare le specifiche. È la stessa logica che spinse Google a sviluppare le TPU o Amazon i chip Trainium: servire carichi di lavoro interni con efficienza e costi impossibili da ottenere con prodotti generalisti. La differenza è che DeepSeek opera in un contesto di strozzatura geopolitica, non di pura ottimizzazione economica.

Chi vince e chi perde (e cosa si incrina)

Nel breve termine, Nvidia non trema: le forniture verso la Cina sono già limitate e DeepSeek rappresenta una frazione minima del suo mercato. Ma a medio termine la storia cambia. Ogni grande laboratorio cinese che adotta silicio domestico erode l’ecosistema CUDA, che per anni ha funzionato da fossato competitivo. Non è un problema di vendite dirette, ma di standard: se il software AI cinese si sviluppa su piattaforme non-Nvidia, l’intero ecosistema di strumenti e librerie potrebbe biforcarsi, rendendo più difficile per l’azienda americana mantenere la propria centralità.

Per le fonderie cinesi, la domanda di chip AI custom rappresenta un’opportunità enorme, ma anche un banco di prova tecnicico. E per la comunità open-source, c’è un altro livello di lettura: DeepSeek ha già rilasciato modelli pesati con licenze aperte. Se un giorno condividesse anche parti del design hardware, si aprirebbe una stagione di innovazione distribuita difficile da prevedere.

In ogni caso, la direzione è segnata. I laboratori AI non sono più semplici consumatori di calcolo, ma produttori di infrastruttura. La catena di fornitura del silicio si sta spaccando lungo linee politiche, e l’AI diventa campo di battaglia per la sovranità digitale.