La notizia del target cinese – 30% di veicoli a nuova energia entro il 2030 – è rimbalzata sui terminali come un'aggressiva dichiarazione di politica industriale. Ma leggerla solo in chiave di posizionamento sulla mobilità elettrica significa perdere di vista la partita parallela che si sta giocando sotto il cofano: quella per l’intelligenza artificiale.

Non è possibile separare l’adozione di NEV dalla crescente domanda di sistemi di guida autonoma e assistenza avanzata. In Cina, dove la regolamentazione impone che i dati generati dai veicoli rimangano entro i confini nazionali, ogni auto elettrica è anche un nodo di una rete di raccolta dati che alimenta modelli di percezione, decisione e pianificazione. L’obiettivo del 30% moltiplica il volume di dati che i costruttori dovranno trattare localmente, alzando la posta per chi non ha ancora investito in infrastrutture di addestramento on-premise nel Paese.

Addestrare in Cina, su hardware cinese

Le case automobilistiche straniere si trovano di fronte a un bivio architetturale. Per sviluppare e aggiornare i modelli di AI destinati ai veicoli venduti sul mercato cinese, non possono semplicemente appoggiarsi a cloud globali o a datacenter extra-nazionali. Devono costruire – o affittare – capacità di calcolo locali, con tutte le implicazioni di TCO, sicurezza e filiera dei semiconduttori che ciò comporta.

Qui emerge la tensione tra dipendenza da NVIDIA e spinte verso chip domestici come quelli di Horizon Robotics o Black Sesame. Mentre le GPU NVIDIA restano il riferimento per il training, l’esportazione di alcune varianti in Cina è soggetta a controlli e restrizioni. Per i carichi di inference a bordo veicolo, la strada obbligata diventa il silicio progettato e prodotto localmente, spesso integrato in moduli ottimizzati per il deployment edge. La quantization dei modelli, la compressione e l’ottimizzazione per architetture a bassa potenza diventano competenze non più accessorie, ma centrali per ogni team di sviluppo.

Il volano dei dati e il vantaggio cinese

La scala dell’obiettivo – parliamo di un mercato che nel 2023 ha superato i 20 milioni di veicoli venduti, con i NEV già oltre la soglia del 25% delle immatricolazioni – produce un effetto volano difficilmente replicabile altrove. I dati raccolti da milioni di veicoli connessi, sottoposti a condizioni di traffico uniche al mondo, offrono ai player cinesi un vantaggio competitivo nella qualità e diversità dei dataset di addestramento. Per un’azienda estera, limitarsi a importare modelli pre-addestrati significa non solo rischiare performance inferiori su scenari locali, ma anche esporsi a un perenne ritardo nella corsa all’aggiornamento.

Alcuni costruttori stanno già stringendo partnership con aziende locali per avere accesso a questi dati e alle architetture software che li valorizzano. Altri valutano la creazione di team di ricerca interni con sede in Cina, un passo che richiede investimenti non solo economici ma anche organizzativi, per navigare un ecosistema normativo e tecnicico molto diverso da quello occidentale.

Chi perde se non agisce in fretta

L’obiettivo del 2030 non va interpretato come una semplice quota di mercato: è un catalizzatore che accelera la localizzazione dell’intera catena del valore dell’AI per l’auto. Le case automobilistiche che continueranno a considerare il software e l’hardware per la guida assistita come elementi accessori rischiano di essere marginalizzate non solo sulle vendite di vetture elettriche, ma sull’intero segmento di veicoli connessi. La sovranità dei dati imposta dalla regolamentazione si trasforma in un vantaggio competitivo strutturale per chi opera già dentro i confini cinesi.