La Cina punta alla supremazia AI con R&S da $150 mld

Paragrafo introduttivo

La Cina ha segnalato una campagna intensificata per colmare il divario con gli ecosistemi IA guidati dagli Stati Uniti, con resoconti pubblici del 21 marzo 2026 che indicano impegni mirati in R&S e obiettivi di capacità guidati dallo Stato che modificano le dinamiche competitive nel calcolo, nei chip e nella governance dei dati. L'articolo di Investing.com del 21 marzo 2026 ha sottolineato impegni obiettivo che i partecipanti al mercato interpretano come una spinta esplicita verso la «supremazia dell'IA», inclusi pacchetti di finanziamento pubblici e quasi-pubblici pluriennali e piani nazionali per scalare l'infrastruttura di addestramento dell'ordine delle centinaia di exaflop entro il 2030. Questa spinta guidata dal governo si incrocia con un'accelerazione nel settore privato da parte dei grandi fornitori cloud e delle startup; Baidu, Alibaba Cloud e Huawei hanno pubblicamente delineato piani di espansione per servizi di IA generativa e acceleratori custom nel periodo 2024–26. Per investitori istituzionali e strateghi sovrani, la combinazione di capitale diretto, incentivi al talento e leve regolatorie cambia la distribuzione di probabilità per i rendimenti del settore, il rischio geopolitico e la riconfigurazione delle catene di fornitura nei prossimi cinque anni.

Contesto

La postura strategica della Cina sull'intelligenza artificiale è il prodotto di continuità politica e accelerazione tattica. Il Piano per lo sviluppo di una nuova generazione di IA del Consiglio di Stato del 2017 ha fissato un obiettivo a lungo termine per la leadership nelle tecnologie core dell'IA; da allora il governo centrale ha sovrapposto incentivi specifici per settore, sussidi delle autorità locali e canali di approvvigionamento pubblici. Secondo le ricostruzioni stampa del 21 marzo 2026 (Investing.com), le autorità centrali e gli attori provinciali stanno coordinando una sequenza di investimenti e obiettivi di approvvigionamento intesi a scalare sia i carichi di lavoro commerciali sia quelli governativi di IA. Questa architettura—piano centrale più potenza fiscale locale—crea un profilo di rischio-rendimento diverso rispetto al mercato statunitense, dove gran parte dell'ecosistema cloud e dei chip è guidato da capitale privato.

I flussi di talento restano un vincolo strutturale e un'opportunità. La Cina continua a laureare numeri elevati di studenti STEM—le statistiche ufficiali mostrano decine di migliaia di laureati ogni anno in discipline correlate all'IA—e sta incrementando gli incentivi per i ricercatori rientranti, ma il ritmo delle pubblicazioni di ricerca d'avanguardia e degli articoli altamente citati resta in ritardo rispetto agli Stati Uniti per margini misurabili. Per esempio, la produzione accademica ponderata per citazioni è rimasta inferiore anno su anno nella finestra 2022–25 rispetto agli USA in diversi dataset bibliometrici, anche se la brevettazione e la distribuzione di sistemi applicati si sono accelerate. Questo suggerisce che il vantaggio nel breve termine della Cina sarà concentrato nell'integrazione e nella distribuzione su scala piuttosto che in un salto tecnologico netto rispetto agli incumbent.

Dal punto di vista quantitativo, gli obiettivi di scaling sono rilevanti per i mercati globali. Investing.com (21/03/2026) riporta target che implicano un'espansione della spesa pubblica o collegata allo Stato per la R&S in AI nell'ordine di decine di miliardi di dollari all'anno—cifre che gli analisti traducono in circa $120–$180 mld di uscite dirette e indirette su un orizzonte quinquennale. Queste somme si confrontano con le dotazioni federali statunitensi specifiche per l'AI e i flussi di capitale privato e modelleranno la domanda di infrastrutture di datacenter, ASIC locali e apparecchiature di rete ad alte prestazioni.

Approfondimento sui dati

La capacità di calcolo e l'offerta di chip sono il fondamento del potenziale pratico di qualsiasi programma nazionale sull'IA. Diversi tracker di mercato nel 2024–25 hanno mostrato che la spesa degli hyperscaler per GPU e acceleratori ottimizzati per l'IA è aumentata di oltre il 60% anno su anno, man mano che le dimensioni dei modelli e le sessioni di addestramento si sono moltiplicate; l'effetto in Cina è amplificato dagli acquisti governativi e dagli appalti preferenziali per fornitori domestici. La copertura di Investing.com del 21 marzo 2026 evidenzia obiettivi governativi che porterebbero la capacità aggregata di addestramento della Cina verso un target di centinaia di exaflop entro il 2030, anche se la verifica indipendente della capacità totale installata seguirà a distanza gli annunci pubblici.

Sul fronte dei semiconduttori, la dipendenza della Cina da nodi avanzati importati resta un collo di bottiglia. Nel 2024–25 la produzione di nodi logici di avanguardia (sotto i 7 nm) è continuata ad essere dominata da Taiwan e Corea del Sud—TSMC e Samsung—e le restrizioni all'export hanno limitato materialmente l'accesso a fonderie di primo livello e agli strumenti EDA. Le fonderie cinesi e i progettisti fabless hanno accelerato gli investimenti in acceleratori a nodi maturi e in architetture specifiche per dominio; per esempio, diversi progetti nazionali di acceleratori AI annunciati nel 2025 miravano a carichi di lavoro di inferenza e fine-tuning su processi da 7 a 28 nm. Questo crea un ecosistema biforcato in cui la Cina può conquistare una quota dominante delle distribuzioni di inferenza su larga scala e di alcuni carichi di addestramento, mentre le sessioni di pretraining più compute-intensive e all'avanguardia potrebbero continuare a dipendere da catene di fornitura non cinesi e capacità offshore.

La governance dei dati e l'accesso sono una leva complementare. Il quadro normativo cinese—regole sulla residenza dei dati, controlli sui trasferimenti transfrontalieri e politiche di accesso settoriali—crea un ambiente in cui grandi modelli domestici possono essere addestrati su dataset ricchi e proprietari meno accessibili ai concorrenti esteri. Il vantaggio non è assoluto: la qualità e la diversità dei dataset, insieme agli standard di annotazione, restano determinanti per le prestazioni dei modelli. Tuttavia, dal punto di vista di mercato la combinazione di vantaggi sui dati locali, preferenze negli appalti e sussidi incrociati da entità sostenute dallo Stato abbassa materialmente i costi e i rischi di scala per gli incumbent domestici.

Implicazioni per il settore

I provider cloud e i fornitori di software enterprise affrontano pressioni asimmetriche. I fornitori cloud domestici (Baidu Cloud, Alibaba Cloud, Huawei Cloud) sono posizionati per catturare una quota sproporzionata della spesa enterprise cinese per l'IA; le divulgazioni pubbliche nel periodo 2024–26 mostrano un'allocazione di capitale sovradimensionata verso acceleratori AI custom e servizi di fine-tuning. Per i fornitori con base negli USA e in Europa, le restrizioni di accesso e i bias negli appalti ridurranno i pool di ricavi potenziali in Cina, accelerando le strategie di localizzazione per le imprese multinazionali che non possono trasferire facilmente IP core o pipeline di dati.

Per gli investitori istituzionali, la combinazione di capitale diretto, incentivi locali e protezioni regolatorie modifica la distribuzione di rischio e rendimento nel settore infrastrutturale e dei chip. Gli operatori di datacenter, i fornitori di componenti di rete ad alte prestazioni e i produttori di acceleratori a nodi maturi potrebbero beneficiare di una domanda interna sostenuta, mentre i fornitori di tecnologie di punta continueranno a scontare rischi geopolitici e di accesso al mercato.

Per i responsabili delle politiche estere e per la gestione del rischio sovrano, la prospettiva di una Cina con capacità di addestramento su scala di centinaia di exaflop richiede una rivalutazione delle vulnerabilità nelle catene di approvvigionamento critiche, nelle risorse computazionali diffuse e nelle dipendenze tecnologiche per i carichi di IA più avanzati. Le risposte politiche includono incentivi alla resilienza della supply chain, alleanze tecnologiche e strategie di gestione del capitale umano per trattenere il vantaggio competitivo.

(Investing.com, 21 marzo 2026)