La segnalazione è comparsa su Reddit, ma il tono è quello di un avviso di servizio: se un affare è troppo bello per essere vero, probabilmente non lo è. Circolano nuove RTX 4090 contraffatte; GPU e memoria sono quasi indistinguibili dai chip originali. Non si tratta di una curiosità da forum: la RTX 4090 è una delle schede consumer più richieste per l'inference di LLM in configurazioni self-hosted, e la disponibilità irregolare dei canali ufficiali spinge molti acquirenti verso mercati paralleli.

Il punto non è soltanto che qualcuno perde denaro. Una scheda contraffatta può superare i controlli visivi e persino i primi test software, presentandosi come una RTX 4090 autentica. In condizioni di carico sostenuto — tipiche dell'inference con modelli quantizzati o di sessioni di fine-tuning leggero — i componenti non originali possono mostrare instabilità, errori di calcolo o consumi anomali. Per un laboratorio che basa le proprie pipeline sul calcolo locale, il danno non è solo il costo della sostituzione: è il tempo perso a diagnosticare guasti intermittenti, a rimettere in piedi ambienti di sviluppo e a spiegare a committenti o colleghi perché i risultati non sono riproducibili.

Il costo nascosto della fiducia

C'è un aspetto strutturale che merita attenzione. La crescente domanda di hardware per LLM on-premise ha trasformato le GPU consumer in un bene critico, ma senza gli strumenti di verifica che esistono per altre infrastrutture. Chi acquista server per un data center può contare su catene distributive certificate; chi compra una scheda video su un marketplace spesso deve fidarsi di foto, feedback e promesse. Le contraffazioni quasi indistinguibili rendono questa asimmetria ancora più costosa: il controllo non è più un passaggio veloce, ma una competenza.

Per chi valuta deployment on-premise, il trade-off si sposta dal semplice prezzo di listino al TCO. Una scheda falsa può sembrare un affare, ma il rischio di doverla sostituire senza garanzia, di perdere giorni di lavoro o di ottenere benchmark inaffidabili va conteggiato nella decisione. AI-RADAR dedica spazio a questi trade-off su /llm-onpremise, perché la sovranità dei dati non si difende solo con il software: parte dalla provenienza dell'hardware.

Chi vince e chi perde

A guadagnarci sono i contraffattori, che sfruttano la scarsità e la scarsa capacità di verifica di molti acquirenti. A perderci sono i team piccoli, i ricercatori indipendenti e le startup che non hanno accesso a canali enterprise e che devono competere per schede autentiche. I rivenditori ufficiali e gli integratori di sistema, invece, possono trasformare la certificazione in un vantaggio competitivo: la garanzia di componenti autentici diventa un servizio, non un dettaglio.

A un livello più profondo, la notizia segnala che l'hardware per il calcolo locale sta diventando un'infrastruttura critica. La contraffazione non è più un fenomeno limitato alle periferiche consumer: tocca componenti che finiscono dentro rack, postazioni di sviluppo e piccoli cluster. Chi considera la sovranità dei dati come un requisito dovrebbe trattare la provenienza delle GPU con la stessa attenzione riservata a firewall, storage e reti. La prossima generazione di infrastrutture self-hosted dovrà includere procedure di attestazione hardware, verifica dei firmware e controlli di filiera, non per inseguire la perfezione, ma per evitare che il risparmio iniziale diventi una voce di costo ricorrente.