Cina prepara l’AI che migliora se stessa: token, spionaggio e Huawei mostrano il costo della nuova potenza tecnologica

🤖 Cosa cambia

• Ricercatori cinesi descrivono cinque stadi verso sistemi AI capaci di migliorare progressivamente anche il proprio processo di miglioramento.
• Baidu, Alibaba, Tencent e ByteDance iniziano però a razionare i token aziendali, mostrando che il compute resta un vincolo economico concreto.
• Germania e Stati Uniti aumentano contemporaneamente la pressione sulla Cina tra controspionaggio militare e processo federale contro Huawei.

La Cina sta già guardando oltre la semplice competizione tra LLM. Un gruppo di ricercatori collegati a ByteDance, Tsinghua University, Shanghai AI Laboratory e altri centri ha pubblicato una roadmap in cinque stadi verso la recursive self-improvement, cioè sistemi capaci non soltanto di migliorare le proprie prestazioni, ma progressivamente anche il metodo con cui imparano a migliorarsi. Quasi nello stesso momento emerge però il limite materiale della corsa: Baidu, Alibaba, Tencent e ByteDance stanno restringendo i budget di token concessi ai dipendenti, perché utilizzare continuamente modelli avanzati costa. Intorno a questa tensione tecnologica cresce quella geopolitica. L’intelligence militare tedesca segnala un aumento delle attività riconducibili a Russia e Cina, mentre negli Stati Uniti il processo penale contro Huawei entra nella fase in cui una giuria deve separare accuse industriali, Iran e rivalità strategica. L’AI più autonoma immaginata dalla ricerca cinese nasce quindi dentro un sistema nel quale compute, denaro e sicurezza nazionale sono ormai la stessa partita.

La Cina disegna cinque gradini verso l’ultima AI costruita direttamente dagli esseri umani

Il paper “The Last AI Built by Humans: Toward Genuine Recursive Self-Improvement” non annuncia l’esistenza di un sistema capace di auto-evolversi senza controllo umano. Propone invece una tassonomia per capire quanto manca a quell’obiettivo. Gli autori distinguono cinque livelli: autonomia nell’esecuzione del miglioramento, autonomia nella scelta della strategia di miglioramento, capacità autonoma di acquisire nuove esperienze, adattamento autonomo dell’ambiente e infine recursive meta-improvement, lo stadio nel quale il sistema migliora anche i meccanismi utilizzati per migliorare se stesso. È quest’ultimo passaggio a spiegare il titolo provocatorio del lavoro: se un sistema diventasse realmente capace di progettare procedure di ricerca migliori di quelle costruite dagli esseri umani, il modello successivo potrebbe non essere più progettato principalmente da ricercatori umani, ma dal suo predecessore. Gli autori applicano il concetto a scoperta scientifica, software engineering e embodied intelligence, sottolineando però che i diversi settori procederanno a velocità differenti e che gli attuali modelli mantengono ampi margini di miglioramento. La ricerca si inserisce direttamente nella corsa già visibile tra Stati Uniti e Cina, dove Pechino sta compensando minore accesso al compute con maggiore efficienza di modelli, infrastrutture e software.

Recursive self-improvement non significa che l’AI possa già riscriversi senza limiti

La distinzione è essenziale perché il concetto di self-improving AI viene facilmente trasformato in una previsione quasi fantascientifica. La roadmap cinese descrive invece una progressione tecnica. Nei primi stadi un sistema può già automatizzare esperimenti, proporre modifiche, lanciare benchmark e conservare ciò che funziona, pur restando all’interno di obiettivi, ambienti e risorse stabiliti dagli sviluppatori.

Salire di livello significa ridurre progressivamente questi vincoli: non soltanto eseguire un esperimento deciso dall’uomo, ma scegliere cosa sperimentare, cercare autonomamente dati o feedback e modificare il proprio ambiente per rendere più efficace il ciclo successivo. Il vero salto qualitativo arriva quando il miglioramento produce un sistema più bravo a inventare ulteriori miglioramenti. È il meccanismo ricorsivo che da anni alimenta il dibattito sull’intelligence explosion, ma il paper cinese prova a trasformarlo da concetto astratto in una successione di capacità misurabili. La stessa dinamica spiega perché la concorrenza sui modelli non si fermi più al benchmark: USA e Cina stanno già trattando chip, data center ed energia come componenti della stessa guerra industriale sull’AI.

Leggi anche: DeepSeek, Kimi e i laboratori cinesi stanno riducendo il divario attraverso efficienza, distillazione e nuove architetture

I token diventano una voce di costo e le Big Tech cinesi iniziano a razionarli

La distanza tra roadmap teorica e infrastruttura reale emerge però dentro le stesse aziende che stanno spingendo sull’AI. Secondo le testimonianze raccolte dal South China Morning Post tra dipendenti di Baidu, Alibaba, Tencent e ByteDance, le aziende stanno introducendo quote più rigide per contenere i costi dei modelli. Nella prima fase della corsa generativa l’utilizzo massiccio di token era diventato quasi un indicatore informale di produttività: programmatori e altri dipendenti venivano incoraggiati a utilizzare continuamente assistenti e strumenti AI. Adesso l’economia cambia. Un dipendente ByteDance citato dal quotidiano riferisce che per alcuni modelli closed-source esterni l’azienda rimborserebbe circa metà della spesa, con tetti annuali intorno a 1.000 dollari per personale tecnico e stagisti e 300 dollari per ruoli non tecnici. Si tratta di testimonianze anonime, non di policy aziendali pubbliche, e vanno quindi trattate come reporting giornalistico e non come comunicazioni ufficiali. Il segnale industriale rimane però rilevante: quando milioni o miliardi di token vengono consumati ogni giorno da migliaia di dipendenti, l’inferenza smette di apparire come una risorsa virtualmente gratuita e diventa un budget operativo da amministrare.

L’AI autonoma incontra il suo primo limite materiale: il costo di ogni tentativo

Questo aspetto diventa ancora più importante se applicato alla recursive self-improvement. Un sistema che propone una modifica, l’implementa, esegue benchmark, analizza il risultato e ripete il ciclo può generare enormi quantità di inferenza e training. L’autonomia di ricerca non elimina quindi il costo della ricerca: rischia anzi di moltiplicarlo. Più un agente esplora strategie differenti, più aumenta il numero di esperimenti falliti che devono essere finanziati prima di ottenere un miglioramento utile. Il collo di bottiglia si sposta perciò dall’abilità del ricercatore umano alla disponibilità di GPU, memoria, energia, networking e token. È una dinamica particolarmente importante per la Cina, che continua a subire restrizioni sull’accesso ai semiconduttori più avanzati e deve estrarre più lavoro da ogni unità di compute disponibile. L’industria cinese sta rispondendo con quantizzazione, modelli Mixture-of-Experts, acceleratori domestici e maggiore ottimizzazione dei cluster. Anche la crescente integrazione degli agenti nelle piattaforme aziendali, già visibile quando Alibaba ha portato i propri “dipendenti digitali” dentro Feishu e WeCom, aumenta però inevitabilmente il consumo continuativo di inferenza. L’AI può diventare più autonoma, ma non diventa immateriale.

La Germania considera Cina e Russia parte di una minaccia ibrida crescente

Mentre la Cina costruisce capacità tecnologica, l’Europa osserva sempre più quella stessa infrastruttura attraverso il prisma della sicurezza. Il Militärischer Abschirmdienst, controspionaggio militare tedesco, ha segnalato nel proprio rapporto annuale un deterioramento della minaccia ibrida. Secondo la ricostruzione del rapporto MAD diffusa da dpa, la Germania rimane un bersaglio prioritario soprattutto per le attività russe, ma alcune operazioni di sorveglianza contro infrastrutture militari sono attribuite anche alla Cina. Il perimetro indicato comprende cyberattacchi, droni, influenza politica e possibili azioni disruptive contro trasporti, energia e telecomunicazioni, oltre al crescente impiego di soggetti reclutati per svolgere operazioni a basso costo e con ridotta esposizione del committente. La Germania assume un valore particolare per la propria posizione nella NATO, l’espansione della Bundeswehr e l’introduzione di nuovi sistemi d’arma. In questo contesto, la distinzione tra sicurezza economica, proprietà intellettuale e intelligence diventa sempre più sottile: un paese capace di sviluppare modelli AI avanzati, infrastrutture telecom e sistemi cloud dispone anche di strumenti utilizzabili per raccolta informativa, automazione OSINT e supporto alle operazioni cyber. La convergenza tra AI e intelligence è già evidente nelle campagne in cui gruppi collegati a Cina, Russia, Iran e Corea del Nord impiegano modelli generativi lungo diverse fasi della kill chain.

Huawei arriva davanti a una giuria dopo otto anni di scontro con Washington

Negli Stati Uniti questa sovrapposizione tra tecnologia e sicurezza nazionale assume invece una forma giudiziaria. Huawei è a processo nel distretto orientale di New York dopo quasi un decennio di contenzioso. L’azienda ha dichiarato di non essere colpevole delle accuse e ogni contestazione deve essere considerata tale fino a un eventuale verdetto. Il superseding indictment del Department of Justice accusa Huawei e società collegate di una presunta cospirazione RICO, sottrazione di segreti industriali e condotte connesse alle attività in paesi sottoposti a sanzioni, tra cui Iran e Corea del Nord. Il DOJ sostiene tra l’altro che documenti interni avrebbero utilizzato codici come “A2” per l’Iran e “A9” per la Corea del Nord e contesta le dichiarazioni rese sulla relazione con Skycom. Huawei respinge l’impianto accusatorio. Il processo apertosi nel settembre 2026 porta finalmente queste tesi davanti a una giuria e arriva proprio mentre l’azienda cinese consolida un ruolo crescente in AI, acceleratori, reti ottiche e cloud, come mostrato dal recente sviluppo del modulo NPO da 7,2 Tbps e dall’avvio dello stesso processo RICO.

La selezione della giuria dimostra quanto sia difficile separare Huawei dalla Cina

Il problema giudiziario non riguarda soltanto la complessità tecnica dei fatti. La selezione della giuria a Brooklyn è stata accompagnata da un questionario di oltre 80 domande destinato a individuare pregiudizi e conflitti nei potenziali giurati. La giudice Ann M. Donnelly aveva già chiarito all’apertura del procedimento che né la Cina né il Partito comunista cinese sono formalmente sotto processo e che il contesto geopolitico legato all’Iran non dovrebbe influenzare la valutazione delle prove. È precisamente questa separazione a essere difficile dopo anni nei quali Huawei è diventata uno dei simboli della competizione strategica sino-americana. L’azienda non viene più percepita semplicemente come produttore di apparati di telecomunicazione: è coinvolta nella costruzione di acceleratori Ascend, SuperPoD, networking, storage, cloud e stack infrastrutturali alternativi a quelli statunitensi. Un verdetto penale riguarda condotte specifiche contestate dall’accusa; il giudizio politico su Huawei riguarda invece l’intera relazione tecnologica tra Stati Uniti e Cina. Confondere i due piani produrrebbe un processo geopolitico invece di un processo penale, ed è proprio ciò che il voir dire cerca di evitare.

Continua con:

• Huawei spinge Agentic Infra tra container AI, acceleratori e reti per l’infrastruttura autonoma
• Claude entra nella kill chain con APT russi, gruppi cinesi e automazione delle operazioni cyber

La corsa all’AI cinese dipende ancora da compute, denaro e fiducia geopolitica

Le quattro vicende finiscono quindi per descrivere lo stesso passaggio storico da direzioni apparentemente opposte. La ricerca cinese immagina sistemi capaci di automatizzare progressivamente la ricerca sull’intelligenza artificiale stessa, fino al punto teorico nel quale il miglioramento dei modelli potrebbe non dipendere più principalmente dal lavoro diretto degli esseri umani. Le aziende che dovrebbero utilizzare questi sistemi stanno però già imparando a conteggiare i token perché ogni interrogazione, agente e ciclo di coding produce un costo reale. E mentre Pechino tenta di trasformare maggiore efficienza in autonomia tecnologica, Stati Uniti ed Europa aumentano il peso attribuito alla provenienza delle tecnologie, alle infrastrutture critiche e ai rischi di intelligence. La contraddizione è soltanto apparente. L’AI può diventare più autonoma dal ricercatore senza diventare autonoma dall’infrastruttura. Anche un sistema capace di progettare il proprio successore avrà bisogno di energia, chip, memoria, dati, cluster, reti e capitali. Per questo i token razionati nelle aziende cinesi sono più importanti di quanto sembri: mostrano che persino prima di arrivare alla recursive self-improvement, il costo marginale dell’intelligenza artificiale continua a contare. Allo stesso tempo, il rapporto tedesco e il processo Huawei ricordano che quelle infrastrutture non vengono più giudicate soltanto in termini commerciali. Telecomunicazioni, cloud, AI e semiconduttori sono ormai asset di potenza nazionale, e ogni crescita tecnologica cinese viene valutata anche attraverso sicurezza, intelligence e dipendenza strategica. La vera corsa verso “l’ultima AI costruita dagli esseri umani” non si svolgerà quindi soltanto nei laboratori. Si giocherà nella capacità di sostenere milioni di esperimenti automatici, produrre abbastanza compute, impedire che i costi esplodano e convincere altri paesi che l’infrastruttura utilizzata per far funzionare quella nuova intelligenza possa essere considerata affidabile. È su questo terreno che la competizione tra Cina e Occidente sta diventando molto più grande dei modelli che l’hanno iniziata.