Kimi K3, chip fotonici e data center: la nuova guerra mondiale per l’IA

🤖 Cosa cambia

• Kimi K3 riapre lo scontro sulla distillazione, ma i test cyber mostrano un divario ancora consistente rispetto ai principali modelli statunitensi.
• AMD, Cerebras e l’industria fotonica separano le fasi dell’inferenza per aumentare throughput, efficienza energetica e capacità dei cluster AI.
• Kill switch, restrizioni commerciali e proteste territoriali trasformano l’infrastruttura AI in una questione di sicurezza e sovranità nazionale.

La competizione globale sull’intelligenza artificiale non riguarda più soltanto quale modello risponda meglio a un benchmark. Le accuse statunitensi contro Kimi K3 aprono uno scontro sulla legittimità della distillazione, mentre AMD e Cerebras progettano un’infrastruttura di inferenza disaggregata e l’industria accelera sulle interconnessioni fotoniche. Sul piano politico, Washington valuta kill switch obbligatori per i modelli più potenti ed estende le restrizioni alle università cinesi, mentre Pechino finanzia tecnologie considerate strategiche e sviluppa calcolo orbitale e nuove memorie. A sostenere questa corsa restano però data center, energia e risorse territoriali, contro cui cresce la protesta civile negli Stati Uniti.

Kimi K3 trasforma la distillazione in uno scontro geopolitico

Le accuse rivolte a Moonshot AI mostrano come una pratica tecnica diffusa nell’industria sia diventata terreno di conflitto tra Stati Uniti e Cina. Funzionari statunitensi hanno accusato il laboratorio cinese di avere condotto una distillazione industriale e clandestina su modelli americani, compreso Claude Fable 5, presentando il ricorso agli output di sistemi concorrenti come una sottrazione di proprietà intellettuale. Diversi ricercatori internazionali hanno contestato questa interpretazione, sottolineando la mancanza di prove pubbliche e ricordando che la distillazione viene normalmente utilizzata per trasferire capacità da un modello più grande a uno più piccolo. Il calendario costituisce inoltre uno degli argomenti difensivi di Moonshot: Fable 5 sarebbe stato pubblicato il primo luglio, mentre Kimi K3 è arrivato il 15 luglio, una finestra incompatibile con l’addestramento completo di un nuovo frontier model costruito esclusivamente sui risultati del rivale. Il caso conferma che Kimi K3 non viene più valutato soltanto come prodotto software, ma come prova della capacità cinese di ridurre il divario tecnologico sotto restrizioni crescenti. Il modello aveva già mostrato prestazioni elevate nella Frontend Code Arena e nel confronto diretto con Claude Fable 5, ma la sua efficienza economica non elimina il problema dei costi complessivi: ridurre il prezzo per token può aumentare il numero di richieste, agenti e cicli di ragionamento, come emerge dal paradosso tra modelli più efficienti e spesa AI fuori controllo.

I test cyber mostrano che la Cina non ha ancora colmato il divario

La controversia politica non deve essere confusa con una superiorità tecnica già acquisita. Una valutazione congiunta britannico-statunitense sulle capacità offensive dei modelli avrebbe collocato Kimi K3 significativamente al di sotto dei principali rivali americani nel cosiddetto hacking power, cioè nella capacità di individuare vulnerabilità, pianificare intrusioni, produrre exploit o completare sequenze operative cyber. Il risultato non rende il modello irrilevante: un sistema più economico, aperto o facilmente distribuibile può risultare utile anche senza raggiungere il vertice assoluto dei benchmark. Mostra però che il vantaggio americano resta consistente nelle attività che richiedono ragionamento prolungato, uso coordinato degli strumenti e gestione di ambienti complessi. La distinzione è strategica perché il valore geopolitico di un modello non dipende soltanto dalla generazione di testo o codice, ma dalla capacità di operare come agente su infrastrutture reali. Le accuse di distillazione sembrano quindi anticipare un rischio potenziale più che descrivere una parità già raggiunta: Washington teme che i laboratori cinesi possano utilizzare l’accesso ai modelli statunitensi per comprimere tempi e costi dello sviluppo, mentre Pechino presenta l’efficienza architetturale come prova di innovazione autonoma. La disputa sposta così il confine della proprietà intellettuale dagli input e dai pesi agli output prodotti dai modelli, un terreno sul quale diritto d’autore, segreto industriale e concorrenza non offrono ancora risposte condivise.

AMD e Cerebras separano l’inferenza per aumentare efficienza e velocità

La sfida sui modelli procede insieme alla trasformazione dell’hardware. AMD e Cerebras hanno annunciato una piattaforma che combinerà i rack Helios, dotati di CPU EPYC e acceleratori Instinct MI400, con i Wafer-Scale Engine di Cerebras. L’architettura separa le due fasi principali dell’inferenza: Helios gestisce il prefill, cioè l’elaborazione dei prompt e delle finestre di contesto estese, mentre il WSE esegue il decode, fase sensibile alla larghezza di banda della memoria nella quale vengono generati i token. Le aziende stimano un miglioramento fino a cinque volte nei token per secondo per watt, assegnando ogni carico al processore più adatto invece di costringere un’unica GPU a svolgere l’intero lavoro. La disponibilità iniziale è prevista attraverso Cerebras Cloud nella seconda metà del 2026. Il progetto rappresenta una risposta alla concentrazione del mercato intorno a Nvidia e conferma che la prossima fase dell’inferenza sarà disaggregata: CPU, GPU, acceleratori wafer-scale e networking verranno combinati in base a latenza, memoria e tipo di carico. Cerebras aveva già impostato la propria crescita sul valore del Wafer-Scale Engine e sulla competizione con gli acceleratori convenzionali, mentre la sua espansione finanziaria e industriale si inserisce nella corsa alle infrastrutture AI che si estendono dai data center fino al calcolo orbitale.

La fotonica diventa indispensabile per collegare cluster sempre più grandi

La specializzazione dei processori produce un nuovo collo di bottiglia: spostare dati tra chip, rack e data center senza consumare una quota crescente dell’energia disponibile. Le connessioni elettriche in rame perdono efficienza con l’aumento della distanza e della velocità, mentre i transceiver ottici tradizionali restano collocati ai margini degli switch. L’industria sta quindi avvicinando progressivamente la luce al silicio. Dalle ottiche pluggable, poste a circa 18 pollici dal chip, si passa alle near-package optics, collocate intorno ai sei pollici, fino alle co-packaged optics, nelle quali i chiplet fotonici vengono integrati accanto a GPU e switch. La soluzione più ambiziosa porta gli elementi ottici direttamente sull’interposer sotto il processore. Questa transizione riduce le conversioni elettriche, aumenta la densità della banda e permette di costruire fabric più estesi, ma introduce difficoltà di produzione, dissipazione e manutenzione: sostituire un modulo ottico collegabile è semplice, intervenire su un componente integrato nel package molto meno. La fotonica non è quindi un accessorio dei futuri cluster, ma il livello che determinerà quante GPU possano comportarsi come un unico sistema. La Cina sta cercando di presidiare anche questo settore, come dimostra lo sviluppo di chip ottici prodotti con nanoimprint senza dipendere dalla litografia DUV.

Kill switch e blacklist trasformano l’IA in infrastruttura di sicurezza nazionale

Negli Stati Uniti, i deputati Ted Lieu e Nathaniel Moran hanno presentato l’AI Kill Switch Act, proposta bipartisan che imporrebbe ai produttori dei modelli più potenti di mantenere la capacità tecnica di limitarne le prestazioni, sospenderli o spegnerli. Il testo riguarderebbe i sistemi il cui addestramento costa almeno 100 milioni di dollari e consentirebbe al Department of Homeland Security di ordinare un arresto quando un modello distribuito provoca un danno catastrofico. La violazione dell’ordine potrebbe comportare sanzioni fino a 20 milioni di dollari al giorno, mentre gli incidenti avvenuti durante attività autorizzate di red teaming sarebbero esclusi. La proposta introduce una questione difficile: un modello distribuito attraverso API centralizzate può essere limitato dal fornitore, ma pesi aperti, copie internazionali e deployment privati rendono il controllo molto più complesso. Parallelamente, il Pentagono ha aggiunto Fudan University e Shanghai Jiao Tong University alla Section 1286 list, che comprende ora 88 istituzioni cinesi e impedisce ai ricercatori finanziati dal Dipartimento della Difesa di collaborare con gli enti inclusi o utilizzarne le apparecchiature. La restrizione non colpisce più soltanto università legate direttamente all’apparato militare, ma raggiunge centri civili di primo piano, riducendo lo spazio della cooperazione scientifica tra i due Paesi.

Pechino risponde con capitali, nuovi chip e calcolo nello spazio

La Cina sta reagendo alla pressione occidentale combinando controlli commerciali e sostegno finanziario alle tecnologie considerate choke point. Shanghai prepara fondi dedicati alle lacune della supply chain, alimentati da gruppi statali, capitali pubblici e investitori privati, e intende facilitare la quotazione sullo Star Market di startup AI e fusione nucleare non ancora profittevoli. Sul piano della ricerca, un gruppo guidato dal professor Zhou Peng ha presentato Guiyi, una memoria flash bidimensionale capace di intrappolare e leggere un singolo elettrone a temperatura ambiente. Il dispositivo amplifica un segnale di poche decine di millivolt fino a 0,5 volt, con un miglioramento dichiarato di dieci volte rispetto ai precedenti tentativi, promettendo celle più compatte ed efficienti per affrontare il collo di bottiglia della memoria AI. Pechino punta inoltre a elaborare direttamente in orbita i dati prodotti dai satelliti, riducendo la necessità di inviare a Terra enormi flussi grezzi. Il progetto amplia la traiettoria dei data center AI orbitali cinesi pensati per competere con le infrastrutture spaziali statunitensi. Questa spinta non elimina però la dipendenza dall’ecosistema x86: Intel e AMD avrebbero firmato contratti pluriennali con clienti server cinesi mentre i prezzi di alcuni processori sono cresciuti oltre il 40% dall’inizio del 2026, segno che controllo geopolitico e interdipendenza commerciale continuano a convivere.

Le proteste sui data center riportano la competizione sul territorio

La corsa a modelli, chip e reti ottiche deve infine confrontarsi con il limite fisico delle infrastrutture. Negli Stati Uniti sono state organizzate 142 manifestazioni in 42 Stati contro l’espansione dei data center AI, con contestazioni concentrate su consumo elettrico, acqua, incentivi pubblici, rumore e trasformazione del territorio. Secondo i dati citati dagli organizzatori, oltre il 70% degli americani manifesterebbe ormai opposizione verso nuovi impianti, un consenso che sta favorendo iniziative bipartisan a livello locale. Il conflitto non riguarda il rifiuto astratto dell’intelligenza artificiale, ma la distribuzione dei suoi costi. Le piattaforme raccolgono ricavi globali, mentre comunità specifiche sostengono nuove linee elettriche, centrali, consumo idrico e pressione sulle tariffe. Le interconnessioni fotoniche e gli acceleratori più efficienti possono ridurre il consumo per singolo token, ma l’aumento esponenziale della domanda rischia di annullare il risparmio unitario. È lo stesso paradosso osservato sul software: maggiore efficienza rende economicamente possibili più modelli, più agenti e più inferenze. La nuova guerra mondiale per l’IA si combatte quindi su tre livelli inseparabili: capacità dei modelli, controllo delle tecnologie critiche e consenso dei territori chiamati ad alimentare l’infrastruttura.