Per un osservatore esterno, la corsa all'hardware AI in Cina sembra un puzzle in cui ogni pezzo racconta una storia di autosufficienza forzata. Dopo le restrizioni all'esportazione imposte dagli Stati Uniti sui chip più avanzati, Pechino ha accelerato lo sviluppo di alternative locali, con Huawei in prima linea grazie ai suoi processori Ascend. Eppure, in silenzio, il tessuto produttivo dell'AI cinese — dai laboratori di ricerca alle aziende che gestiscono carichi di lavoro on-premise — sta convergendo su un nuovo punto di gravità: le GPU Nvidia H200.

La mossa non è solo un'ammissione di dipendenza, ma una lezione oggettiva su come il software detti legge nell'hardware. L'H200, successore diretto dell'H100, porta con sé specifiche tecniche di tutto rispetto: memoria HBM3e da 141 GB e una banda passante nell'ordine dei 4,8 TB/s. Numeri che contano, certo, ma che da soli non spiegano il pivot. Il vero motore dell'attrattiva è CUDA, la piattaforma di calcolo parallelo che Nvidia ha costruito, strato dopo strato, per oltre quindici anni.

CUDA non è semplicemente un insieme di librerie: è un ecosistema profondo che include compilatori, ottimizzazioni a livello di kernel, framework come cuDNN e TensorRT, e un ventaglio di strumenti che ormai costituiscono la lingua franca dello sviluppo AI. Migliaia di modelli sono stati scritti, addestrati e ottimizzati su CUDA, e il costo di porting verso altre piattaforme — che si tratti delle soluzioni AMD con ROCm o dei chip cinesi — è proibitivo non solo in termini economici, ma di tempo e competenze. E in un settore dove il time-to-market è cruciale, il lock-in software diventa il più potente dei fossati competitivi.

Il caso cinese è emblematico. I chip Ascend di Huawei sono migliorati considerevolmente negli ultimi anni, e alcune aziende cinesi hanno iniziato a costruire cluster basati su di essi, soprattutto in scenari di inference su larga scala. Ma quando si tratta di training di modelli complessi o di carichi ibridi che richiedono flessibilità, il divario software si fa sentire. Gli sviluppatori devono re-implementare porzioni significative di codice, adattarsi a toolchain meno mature e affrontare la scarsità di documentazione e community. Non sorprende, quindi, che non appena le H200 siano diventate accessibili attraverso canali paralleli — nonostante l'incertezza sulle licenze di esportazione — la domanda sia esplosa.

Per chi guarda da fuori, in particolare per le organizzazioni che in Europa o altrove valutano di costruire infrastrutture AI on-premise, questa dinamica offre una lezione chiara: l'indipendenza hardware è un obiettivo nobile, ma senza un ecosistema software comparabile rischia di restare un esercizio teorico. Non basta avere transistor veloci; servono anni di iterazione su compilatori, profiler e ottimizzazioni per carichi di lavoro specifici. E anche quando il silicio c'è — come nel caso di Cerebras, Graphcore o lo stesso Ascend — il costo di migrare dal mondo CUDA può facilmente superare il risparmio sui chip.

C'è poi un altro strato da considerare, che tocca la sovranità dei dati. In Cina, l'uso di hardware Nvidia in datacenter locali non è mai neutrale dal punto di vista geopolitico. Le GPU sono prodotti statunitensi, soggetti a regimi di controllo che possono cambiare da un giorno all'altro. Eppure, il pragmatismo prevale: la necessità di rimanere competitivi nell'AI spinge le aziende cinesi a scegliere CUDA anche a scapito di una reale autonomia. Una tensione che non è solo di Pechino: in molti settori regolamentati europei, la dipendenza da un fornitore estero di tecnicia critica solleva interrogativi simili, anche se il contesto giuridico è diverso.

In definitiva, il pivot cinese verso l'H200 non è una notizia che riguarda solo la geopolitica dei chip. È il sintomo di una verità strutturale dell'AI contemporanea: il vantaggio competitivo di Nvidia si è spostato in gran parte dal silicio al software, e CUDA è oggi un asset più difficile da replicare di qualsiasi nodo di processo a 4 nanometri. Chiunque progetti il futuro dell'AI on-premise, in Cina come altrove, dovrà fare i conti con questa realtà.