Mentre i riflettori restano puntati su Nvidia e sulle tensioni geopolitiche attorno ai chip per l’IA, Moore Threads traccia un bilancio decisamente ottimista: la prima metà dell’anno si chiuderà con un balzo dei ricavi, attribuito senza esitazioni alla domanda di calcolo per l’intelligenza artificiale. Il dato, scarno nei dettagli ma netto nella direzione, segnala qualcosa di più profondo di un semplice trimestre positivo.

Moore Threads è tra le realtà cinesi che stanno tentando di costruire un ecosistema domestico di GPU per competere con l’offerta occidentale. Le sue schede MTT, basate sull’architettura proprietaria MUSA, sono pensate per carichi di lavoro che vanno dalla grafica professionale all’inference e, in prospettiva, all’addestramento di modelli. L’impennata prevista non arriva dal vuoto: le restrizioni statunitensi sull’export di acceleratori come gli A100 e H100 di Nvidia hanno obbligato il mercato cinese a cercare alternative. E la domanda, anziché contrarsi, si è semplicemente orientata verso i fornitori locali.

Questa dinamica ha implicazioni di secondo ordine che vanno oltre le quote di mercato di un singolo produttore. Per le aziende cinesi che gestiscono infrastrutture on-premise – banche, telco, agenzie governative, manifatturiero avanzato – la disponibilità di silicio locale non è una scelta di ripiego, ma un prerequisito per mantenere il controllo sui dati e la conformità alle norme sulla sovranità digitale. L’adozione di GPU Moore Threads, anche se con prestazioni ancora distanti dalle proposte Nvidia di fascia alta, ridefinisce il Total Cost of Ownership (TCO) per ambienti self-hosted: licenze software più semplici, catene di fornitura non dipendenti da sanzioni, supporto tecnico in lingua e ore di fuso compatibili. Non sono fattori marginali, ma elementi che pesano su decisioni di deployment pluriennali.

C’è poi il nodo del software. La vera partita non si gioca solo sui TFLOP o sulla VRAM, ma sullo stack di sviluppo: framework, librerie, compatibilità con i carichi di lavoro esistenti. Moore Threads ha investito nel layer di compatibilità MUSA per rendere eseguibile codice CUDA, una scelta che accorcia i tempi di portabilità ma che solleva interrogativi su prestazioni e stabilità nel lungo periodo. Qui si intravede un rischio strutturale: la frammentazione dell’ecosistema di calcolo accelerato. Se il mercato si spezza nettamente tra gli Stati Uniti e la Cina, le aziende globali si troveranno a gestire stack duali, aumentando la complessità del testing e della manutenzione, e di fatto sollevando nuove barriere per i fornitori di software AI.

Per chi oggi valuta scenari on-premise fuori dal perimetro cinese, la notizia di Moore Threads non è un evento remoto. La pressione a trovare hardware alternativo a Nvidia è globale: le scorte di GPU di ultima generazione restano tese, i prezzi elevati e i tempi di consegna incerti. In Europa, il tema della sovranità dei dati spinge molti CIO a guardare con favore a soluzioni che riducano la dipendenza da un ristretto gruppo di vendor. La crescita di Moore Threads, pur concentrata nel suo mercato domestico, alimenta un dibattito più ampio su quanto sia sostenibile, nel medio termine, un mercato dominato da un’unica azienda per l’intera catena dell’hardware per l’IA.

La previsione di fatturato della società non è quindi solo un dato finanziario. È un segnale che la domanda di calcolo AI non si lascia contenere da confini geopolitici, e che la risposta industriale sta creando poli di sviluppo alternativi, con conseguenze che si dispiegheranno nei prossimi anni su licenze, interoperabilità e sul concetto stesso di ‘standard’ di accelerazione hardware.