Trecentocinquanta dollari per una GeForce RTX 4090 venduta come non funzionante ma potenzialmente recuperabile. Quando il tecnico russo apre la scheda, però, il framework cambia: il die della GPU è un falso molto realistico e le memorie sono state sostituite. Non è il solito affare andato male, ma una truffa sofisticata basata su PCB dummy, pensata per ingannare anche chi ha una certa familiarità con l'hardware.

La notizia arriva da un riparatore specializzato che ha documentato il caso. L'acquirente aveva pagato 350 dollari per una scheda rotta, probabilmente con l'idea di ripararla o recuperare i componenti. Invece si è ritrovato con una tavola che imita l'esterno di una RTX 4090 ma non contiene il silicio originale. I dettagli tecnici del falso non sono ancora chiari, ma il cuore della questione è che il mercato secondario delle GPU di fascia alta è diventato abbastanza redditizio da attirare contraffattori con risorse e competenze.

Per chi lavora con LLM in locale, questo episodio ha un peso specifico. Le RTX 4090 sono spesso usate per inference self-hosted: offrono una quantità di VRAM che consente di caricare modelli quantizzati senza passare dal cloud. Quando un team decide di costruire una macchina per inference on-premise, il costo dell'hardware è una voce importante del TCO. Il ricorso a schede usate o ricondizionate può sembrare una scorciatoia, ma introduce un rischio di contraffazione che i canali ufficiali non hanno. Una scheda falsa o con memorie sostituite non solo non funziona, ma può danneggiare l'intera pipeline, bloccando test di fine-tuning o servizio di inference.

C'è poi un aspetto di incentivi. La domanda di GPU per AI continua a crescere, e i prezzi delle schede nuove restano alti. Questo spinge da un lato i compratori verso il mercato secondario, dall'altro i truffatori a creare prodotti sempre più credibili. Chi ci perde sono i piccoli laboratori e gli sviluppatori indipendenti che non hanno accesso a fornitori verificati. Chi ci guadagna, ovviamente, sono i venditori fraudolenti, ma anche chi vende strumenti di verifica o servizi di ispezione hardware. Nel medio termine, il mercato dell'usato potrebbe segmentarsi: da una parte annunci senza garanzie e dall'altra rivenditori che offrono certificazione e test funzionali.

Questa storia non riguarda solo il singolo acquirente. Segnala che la corsa all'hardware per AI ha creato un ecosistema parallelo dove la fiducia è merce rara. Per chi valuta deployment self-hosted di LLM, AI-RADAR offre framework analitici su /llm-onpremise per confrontare i trade-off tra canali di approvvigionamento, costi reali e rischi operativi. Non si tratta di demonizzare il mercato secondario, ma di riconoscere che la verifica dell'autenticità hardware sta diventando parte integrante della gestione di una infrastruttura AI locale.