La svolta di DeepSeek V4 e l'hardware Huawei

Il panorama dell'intelligenza artificiale globale sta assistendo a una significativa evoluzione, con la Cina che intensifica gli sforzi per ridurre la dipendenza dalla tecnicia statunitense. Un recente rapporto di The Information, ripreso da Reuters, indica che il prossimo modello AI di DeepSeek, il V4, potrebbe operare su chip Huawei, anziché sull'hardware NVIDIA che attualmente alimenta la maggior parte dei Large Language Models (LLM) e dei sistemi AI su larga scala. Questo potenziale cambiamento non è un caso isolato, ma riflette una transizione più ampia nell'infrastruttura AI cinese.

La decisione di DeepSeek di adattare parti del suo modello per funzionare con i chip Ascend di Huawei è un segnale chiaro di questa direzione. Parallelamente, grandi aziende tecniciche cinesi come Alibaba, ByteDance e Tencent avrebbero già piazzato ordini per centinaia di migliaia di chip Huawei in previsione del rilascio del V4. L'entità di questi ordini suggerisce una riorganizzazione strategica nella pianificazione dell'infrastruttura, con un'enfasi sulla sicurezza delle catene di approvvigionamento e sulla riduzione della dipendenza da fornitori esteri.

Il contesto tecnico e la sfida alla dominanza NVIDIA

Per anni, le aziende impegnate nella costruzione di LLM e modelli AI complessi hanno fatto affidamento sulle GPU di NVIDIA. Lo stack software CUDA, insieme a chip come l'A100 e l'H100, ha definito lo standard del settore per il training di modelli AI. Tuttavia, DeepSeek sta intraprendendo una strada diversa. Reuters ha riportato che DeepSeek ha negato l'accesso anticipato al V4 ai produttori di chip statunitensi come AMD e NVIDIA, concedendo invece più tempo ai fornitori cinesi, tra cui Huawei, per ottimizzare il loro software.

La compatibilità tra modelli AI e hardware non è scontata: un modello ottimizzato per un tipo di chip non sempre funziona in modo efficiente su un altro. Per superare questa sfida, DeepSeek starebbe riscrivendo parti del codice del V4, con la collaborazione di Huawei e Cambricon, per garantire che il modello possa operare efficacemente sui chip Huawei. Sebbene un rapporto del 2025 di Reuters indicasse che Huawei e altri produttori di chip cinesi avessero faticato per anni a eguagliare le prestazioni dei chip NVIDIA di fascia alta per il training, l'adattamento del modello all'hardware potrebbe contribuire a ridurre questo divario. Le prestazioni reali dei sistemi AI dipendono infatti da un'interazione complessa tra hardware, software e dati.

Implicazioni per l'ecosistema AI e il TCO

Questa evoluzione suggerisce la formazione di due ecosistemi AI distinti. Uno è incentrato sulla tecnicia statunitense, con l'hardware e il software NVIDIA al suo centro. L'altro sta prendendo forma attorno alle aziende cinesi, con i chip Huawei e stack software locali. I controlli sulle esportazioni imposti dagli Stati Uniti hanno limitato l'accesso ai chip NVIDIA più avanzati, alimentando la domanda di alternative domestiche e accelerando lo sviluppo di soluzioni locali.

Il modello DeepSeek V4 potrebbe diventare un test cruciale per la fattibilità di questo secondo sistema. Se il modello dovesse dimostrare prestazioni competitive, potrebbe incoraggiare un numero maggiore di aziende a seguire la stessa strada. Questo spostamento potrebbe anche influenzare la struttura dei costi dell'AI. Reuters ha collegato le precedenti affermazioni di DeepSeek riguardo ai costi inferiori dei suoi modelli a preoccupazioni degli investitori circa gli elevati livelli di spesa di alcune aziende AI statunitensi. Per chi valuta deployment on-premise, l'analisi del Total Cost of Ownership (TCO) diventa fondamentale, considerando non solo i costi iniziali dell'hardware, ma anche l'efficienza energetica, la manutenzione e la sovranità dei dati.

Prospettive future e trade-off nel panorama AI

La corsa allo sviluppo di modelli AI sempre più performanti viene spesso inquadrata come una competizione basata sulla dimensione dei modelli o sui punteggi di benchmark. Tuttavia, il controllo su chip, software e catene di approvvigionamento è un fattore determinante che può plasmare ciò che è tecnicamente possibile e a quale costo. La mossa di DeepSeek verso i chip Huawei non risolve la "corsa all'AI", ma aggiunge una nuova dimensione strategica.

Dimostra che il lavoro AI di alto livello non è più legato a un unico percorso hardware. Diverse regioni potrebbero costruire i propri stack tecnicici, ciascuno con i propri specifici trade-off in termini di performance, costi e autonomia. Se il V4 dovesse fornire risultati robusti, potrebbe segnare un punto di svolta, dimostrando che sistemi AI competitivi possono essere costruiti efficacemente al di fuori dell'ecosistema NVIDIA dominante. Questo scenario offre nuove opportunità per chi cerca soluzioni self-hosted o air-gapped, dove la scelta dell'hardware e la gestione dello stack software locale sono prioritarie.