Apple e Google blindano l’AI con Nvidia mentre esplode il caso Spagnuolo

Google si trova al centro di due vicende che raccontano la doppia faccia della nuova economia dell’intelligenza artificiale: da un lato l’accordo strategico con Apple per portare una versione evoluta di Gemini dentro l’ecosistema iOS 27 e nella nuova Siri, dall’altro il caso giudiziario che coinvolge l’ingegnere Michele Spagnuolo, accusato di aver sfruttato dati riservati sui trend di ricerca per ottenere profitti superiori a 1,1 milioni di euro su Polymarket. Il primo dossier riguarda la costruzione di un’infrastruttura AI ibrida, fondata su elaborazione on-device, cloud sicuro, chip Nvidia e tecnologia confidential compute. Il secondo mostra invece quanto il controllo dei dati interni sia diventato un punto sensibile per aziende che gestiscono informazioni capaci di muovere mercati, reputazioni e comportamenti digitali. L’intesa tra Apple e Google rafforza una collaborazione già storica nel campo della ricerca, ma la sposta nel territorio molto più delicato dell’AI generativa, dove privacy, potenza computazionale e governance diventano elementi inseparabili.

Apple e Google costruiscono un modello AI ibrido per iOS 27

L’accordo tra Apple e Google nasce da una necessità tecnica precisa: portare funzionalità di intelligenza artificiale generativa più avanzate dentro iOS 27 e nella nuova Siri senza compromettere la promessa di privacy che Apple utilizza come elemento distintivo del proprio ecosistema. Il modello scelto è una variante di Gemini, il sistema AI di Google, in una configurazione capace di combinare modelli di grandi dimensioni nel cloud e versioni più leggere destinate all’elaborazione locale sui dispositivi. La distillazione del modello consente infatti di trasferire parte delle capacità di un grande modello con trilioni di parametri verso una versione ridotta, più compatibile con i limiti energetici, termici e computazionali di iPhone, iPad e altri dispositivi Apple. Questa architettura permette di gestire sul dispositivo molte operazioni quotidiane, riducendo la necessità di inviare dati sensibili verso server esterni. Quando però le query diventano più complesse, entra in funzione l’infrastruttura Google Cloud, dove opera una versione licenziata di Gemini con maggiore potenza elaborativa. Il risultato è un compromesso industriale molto significativo: Apple mantiene il controllo dell’esperienza utente e del posizionamento privacy, mentre Google fornisce il modello AI e la capacità cloud necessaria per sostenere funzioni più sofisticate. In questo scenario, Siri diventa il punto visibile di una filiera tecnologica molto più ampia, nella quale hardware proprietario, modelli distillati, cloud sicuro e acceleratori grafici lavorano insieme per produrre risposte più contestuali, rapide e integrate nell’ecosistema.

Nvidia entra nella protezione cloud dell’intelligenza artificiale

Il ruolo di Nvidia è centrale perché l’accordo non si limita all’uso di Gemini su Google Cloud, ma include l’approvazione della tecnologia confidential compute all’interno dell’ambiente cloud utilizzato per le elaborazioni AI più complesse. Questa soluzione cifra dati e modelli durante l’elaborazione, sfruttando le capacità dei processori grafici Nvidia per proteggere informazioni sensibili anche quando il carico non viene gestito direttamente sul dispositivo dell’utente. Il punto tecnico è decisivo: nell’AI moderna non basta cifrare i dati a riposo o durante il trasferimento, perché le informazioni devono essere protette anche nel momento in cui vengono elaborate dal modello. Confidential compute risponde proprio a questa esigenza, creando un ambiente più sicuro per eseguire query complesse senza esporre completamente dati, prompt e output ai rischi tipici dell’infrastruttura cloud. L’introduzione di questa tecnologia comporta un lieve rallentamento nelle interrogazioni AI, ma rafforza il livello di sicurezza percepito e consente ad Apple di mantenere coerente il proprio messaggio pubblico sulla privacy. Il branding Private Cloud Compute resta intatto, anche se una parte dell’elaborazione viene sostenuta da infrastrutture esterne. Questo passaggio è politicamente rilevante, perché mostra come Apple non possa più affrontare da sola la corsa all’AI generativa su larga scala. La società di Cupertino resta forte nell’integrazione hardware-software, ma ha bisogno della potenza di Google Cloud, della base modellistica di Gemini e della sicurezza computazionale garantita dai chip Nvidia per sostenere una nuova generazione di servizi intelligenti.

Siri e Apple Intelligence si preparano al salto generativo

Il nuovo equilibrio tecnico prepara il terreno per le funzionalità AI attese con iOS 27 e con una versione più evoluta di Siri. Apple punta a trasformare l’assistente vocale da semplice interfaccia di comandi a sistema capace di comprendere contesto, richieste articolate, contenuti personali e operazioni multilivello. La parte on-device resta fondamentale perché consente risposte rapide, maggiore riservatezza e integrazione diretta con il dispositivo. Tuttavia, le richieste più pesanti richiedono modelli più grandi, memoria elevata e capacità computazionale che non possono essere replicate integralmente su uno smartphone. Per questo la combinazione tra Gemini, Google Cloud e confidential compute Nvidia diventa una scelta tecnica coerente con la nuova fase dell’AI mobile. Apple continua anche a valutare tecnologie e startup specializzate in modelli locali, come Liquid AI, con l’obiettivo di rafforzare le capacità native dei propri dispositivi. La direzione resta chiara: ridurre la dipendenza dal cloud dove possibile, ma usare il cloud quando la complessità della richiesta lo rende necessario. In questo modo Apple Intelligence può crescere senza tradire completamente il modello di privacy che Apple considera centrale per il proprio posizionamento. La partnership con Google non cancella la competizione tra i due gruppi, ma conferma che l’AI generativa sta imponendo alle big tech alleanze pragmatiche, fondate sulla necessità di combinare modelli, infrastrutture, sicurezza e distribuzione su scala globale.

Il caso Michele Spagnuolo apre il fronte della governance interna

Mentre Google rafforza il proprio ruolo industriale nell’AI, il caso Michele Spagnuolo apre un fronte molto diverso, legato alla governance interna dei dati riservati. L’ingegnere software, cittadino italiano residente in Svizzera, è accusato di aver sfruttato informazioni non pubbliche sui trend di ricerca di Google per effettuare scommesse su Polymarket, piattaforma di prediction market basata su eventi binari. Secondo l’accusa, Spagnuolo avrebbe utilizzato dati interni relativi al Year in Search 2025 per prevedere con precisione risultati che non erano ancora stati resi pubblici. Il caso più evidente riguarda le puntate sul cantante d4vd, indicato come una delle persone più cercate dell’anno e oggetto di scommesse difficilmente spiegabili sulla base di sole informazioni pubbliche. L’ingegnere avrebbe operato con l’alias AlphaRaccoon, piazzando puntate per circa 2,52 milioni di euro tra ottobre e dicembre 2025 e ottenendo profitti complessivi vicini a 1,1 milioni di euro. Le autorità federali di New York hanno aperto l’indagine dopo aver rilevato l’accuratezza anomala delle previsioni. L’accusa sostiene che l’accesso ai materiali interni di Google, teoricamente disponibile per finalità professionali, sia stato trasformato in vantaggio personale su una piattaforma esterna. Il caso è particolarmente delicato perché non riguarda un furto informatico classico, ma l’abuso di privilegi legittimi da parte di un dipendente inserito all’interno dell’organizzazione.

Polymarket e il confine fragile tra previsioni e insider trading

Il caso Spagnuolo mostra quanto il confine tra prediction market, dati aziendali e insider trading digitale sia diventato fragile. Polymarket consente di scommettere sull’esito di eventi futuri, inclusi ranking, risultati pubblici, scenari politici, fenomeni culturali e dati non ancora ufficializzati. Quando però un utente dispone di informazioni riservate provenienti dall’interno di una grande azienda tecnologica, il meccanismo predittivo può trasformarsi in sfruttamento illecito di conoscenze non pubbliche. Le accuse parlano di frode sulle merci, frode telematica e riciclaggio di denaro, con pene potenziali molto pesanti se l’imputato venisse condannato su tutti i capi. Tra le operazioni contestate emergono puntate su d4vd, su Papa Leone e su Donald Trump, con importi molto diversi ma costruiti attorno allo stesso vantaggio informativo: conoscere o dedurre in anticipo i risultati del Year in Search. Una delle puntate più significative riguarda la previsione che d4vd fosse tra le persone più cercate del 2025, mentre altre scommesse avrebbero escluso che figure pubbliche più note occupassero la prima posizione. L’elemento che ha attirato l’attenzione degli investigatori è proprio la precisione statistica delle previsioni, considerata incompatibile con una normale analisi pubblica dei trend. Il caso crea quindi un precedente importante per l’economia dei mercati predittivi, perché dimostra che i dati interni delle piattaforme digitali possono produrre vantaggi economici analoghi a quelli generati da informazioni privilegiate nei mercati finanziari tradizionali.

Google affronta il rischio dei dati accessibili ai dipendenti

La vicenda mette Google davanti a un problema strutturale: il controllo degli accessi interni a dati sensibili. Secondo la ricostruzione, Michele Spagnuolo avrebbe consultato materiali e strumenti disponibili ai dipendenti, ma destinati esclusivamente a finalità professionali. Questo dettaglio è cruciale perché sposta il tema dalla sicurezza perimetrale alla sicurezza organizzativa. Non basta proteggere i sistemi dagli attacchi esterni se le informazioni più preziose possono essere consultate internamente da personale non direttamente coinvolto nei processi decisionali o comunicativi relativi a quei dati. Google ha collocato l’ingegnere in aspettativa e ha dichiarato che l’uso di informazioni confidenziali per scommesse personali viola gravemente le policy aziendali. L’azienda collabora con le autorità, mentre il caso solleva domande su logging, segmentazione degli accessi, audit comportamentale, formazione interna e controllo degli strumenti condivisi. In un gruppo che gestisce query, trend, modelli AI, dati pubblicitari, informazioni commerciali e ranking globali, la protezione dei dati non riguarda soltanto la privacy degli utenti, ma anche l’integrità dei mercati e la fiducia nella piattaforma. Il punto sensibile è che un dato apparentemente editoriale o statistico, come una classifica annuale delle ricerche, può generare valore economico immediato quando viene utilizzato prima della pubblicazione ufficiale. La governance dei dati interni diventa quindi una questione di compliance, reputazione e sicurezza economica.

Innovazione AI e responsabilità aziendale corrono insieme

Le due vicende mostrano come Google debba bilanciare innovazione e responsabilità in un momento di fortissima esposizione strategica. Da un lato, l’accordo con Apple rafforza il ruolo di Gemini, di Google Cloud e dell’infrastruttura AI del gruppo dentro uno degli ecosistemi mobili più rilevanti al mondo. Dall’altro, il caso Spagnuolo ricorda che il valore dei dati interni è ormai tale da richiedere controlli paragonabili a quelli dei settori finanziari più regolati. La collaborazione con Apple dimostra che l’AI generativa non può essere sviluppata soltanto come prodotto consumer, ma deve essere costruita come infrastruttura sicura, scalabile e verificabile. L’uso di confidential compute Nvidia risponde proprio a questa esigenza, mentre la gestione dell’insider case mostra il lato più vulnerabile dell’organizzazione: l’elemento umano, l’abuso dei privilegi, la tentazione di monetizzare informazioni non pubbliche. Per Apple, il dossier resta soprattutto tecnologico e reputazionale, perché la nuova Siri dovrà convincere gli utenti che l’elaborazione ibrida non indebolisce la privacy. Per Google, invece, la sfida è doppia: diventare fornitore AI di riferimento per partner strategici e dimostrare di saper custodire dati, modelli e informazioni sensibili con standard coerenti con il proprio peso globale. La traiettoria finale è evidente: nell’era dell’AI, la potenza computazionale non basta più. Servono fiducia, controllo, responsabilità interna e capacità di impedire che l’informazione riservata diventi merce speculativa.