Huang e Altman al G20: l’infrastruttura nazionale per l’IA è ormai una priorità

Il messaggio più importante emerso dall’incontro di Chapel Hill non è stato il lancio di un nuovo modello di IA né la definizione di un trattato dettagliato. È stata una tesi strategica: l’infrastruttura per l’intelligenza artificiale sta diventando una componente essenziale della capacità economica di ogni Paese.

Jensen Huang, amministratore delegato di Nvidia, ha esortato i governi a costruire i data center e i sistemi necessari per sostenere le proprie economie dell’IA. Sam Altman, amministratore delegato di OpenAI, ha rafforzato il messaggio sul fronte dell’adozione, degli investimenti e della diffusione della tecnologia.

A questa spinta si è affiancata la proposta statunitense per una governance dell’IA più leggera. Il confronto ha così messo in evidenza un dilemma di fondo: come ottenere i vantaggi economici dell’IA senza lasciare che la velocità di sviluppo superi le garanzie, la disponibilità di energia e la capacità delle istituzioni pubbliche di tenere il passo?

La tesi centrale: ogni Paese deve costruire capacità proprie

Secondo Huang, l’IA non dovrebbe essere trattata come un servizio da affidare per sempre a fornitori stranieri. I governi devono decidere quali segmenti della filiera intendono sviluppare sul territorio: dall’infrastruttura di calcolo alle competenze, fino alle imprese capaci di utilizzare e commercializzare le applicazioni.

I data center sono stati al centro di questa visione. Huang li ha descritti come fondamenta delle economie nazionali dell’IA, mentre i resoconti dell’incontro li hanno collegati a occupazione, investimenti e attività economica più ampia.

La presenza di Altman ha dato ulteriore peso al tema dell’adozione. Nel secondo giorno, le discussioni hanno riguardato la diffusione dell’IA, la crescita economica, il fabbisogno di lavoratori, la cybersicurezza e il crescente consumo energetico della tecnologia.

La conseguenza pratica è chiara: costruire un’economia dell’IA significa molto più che poter usare un chatbot o un’API per accedere a un modello. Servono capacità di calcolo, elettricità, personale tecnico e un ecosistema in grado di sviluppare e portare sul mercato nuovi prodotti.

Cosa prevedono i “Carolina Principles”

L’amministrazione Trump ha usato il ministeriale per promuovere i Carolina Principles for Emerging Technology, un quadro orientato all’innovazione e alla diffusione delle tecnologie più che a restrizioni generali e specifiche per l’IA. 14

I principi si concentrano su tre obiettivi:

• investire nella ricerca di base;
• rafforzare i percorsi di sviluppo e commercializzazione;
• favorire un’adozione affidabile applicando, quando appropriato, le norme già esistenti nei singoli settori e riservando nuove regole ai problemi realmente inediti. 4

L’approccio è inoltre contrario alla creazione di nuove strutture di controllo ampie e dedicate all’IA. 13

Si tratta di un modello regolatorio leggero, ma non equivale a sostenere che l’IA debba operare senza regole. La premessa è che i governi utilizzino, ove possibile, le leggi già in vigore e introducano nuove misure solo quando la vigilanza esistente non è sufficiente ad affrontare un problema nuovo.

I danni concreti e quelli ipotetici

Un secondo elemento del messaggio di Huang riguarda la distinzione tra danni dimostrabili e scenari futuri ipotetici. Secondo i resoconti delle sue dichiarazioni a Chapel Hill, il numero uno di Nvidia ha invitato i governi a regolamentare i danni concreti e verificabili, avvertendo che politiche costruite soprattutto su rischi immaginati potrebbero far perdere ai Paesi le opportunità offerte dall’IA.

Questa posizione è al centro dello scontro più ampio sulla politica tecnologica. I sostenitori di regole meno rigide sostengono che una regolamentazione preventiva possa rallentare investimenti e diffusione prima che i benefici siano pienamente compresi. I critici replicano che aspettare che un danno diventi diffuso rischia di lasciare le autorità a intervenire quando il problema è già difficile da contenere.

Il ministeriale non ha risolto la disputa. Ha invece messo una accanto all’altra le due prospettive: costruire rapidamente e regolare i danni specifici da un lato; procedere con maggiore prudenza quando le conseguenze della tecnologia restano incerte dall’altro.

Il lavoro fa parte dell’infrastruttura

Il fabbisogno di competenze e lavoratori ha avuto un ruolo importante nelle discussioni di Chapel Hill. Politici e dirigenti tecnologici hanno esaminato come sostenere la crescita dell’IA affrontando, allo stesso tempo, la carenza di manodopera e le esigenze legate alla sua espansione.

La visione più ampia di Huang presenta l’IA come una tecnologia capace di cambiare ciò che lavoratori e imprese possono fare, non semplicemente come una macchina destinata a sostituire ogni forma di lavoro. Le fonti disponibili, tuttavia, non offrono una trascrizione completa e letterale delle sue parole sui posti di lavoro durante il ministeriale. La conclusione più solida è che la preparazione della forza lavoro sia stata considerata parte dello sviluppo della capacità nazionale per l’IA, insieme a data center, energia e competenze.

Il vincolo fisico: l’elettricità

L’agenda orientata alla costruzione di nuove infrastrutture si scontra con un ostacolo immediato: l’energia. I data center per l’IA richiedono grandi quantità di elettricità e, durante l’incontro, i leader tecnologici hanno sottolineato la portata del fabbisogno necessario per aumentare la capacità disponibile.

La politica sull’IA diventa così anche una questione energetica e di pianificazione. Un Paese può voler aumentare la propria capacità di calcolo, ma deve anche garantire produzione elettrica, connessioni alla rete, siti adatti e la possibilità di costruire gli impianti rapidamente. In pratica, chip e modelli sono soltanto una parte dell’equazione.

L’infrastruttura dell’IA è anche infrastruttura geopolitica

Il confronto di Chapel Hill si è svolto in un contesto di rivalità tecnologica sempre più marcata tra Stati Uniti e Cina. Un aspetto di questo scenario è la crescente importanza dei modelli “open-weight”, i cui sistemi di base possono essere scaricati, eseguiti e personalizzati. I resoconti sui modelli cinesi di questo tipo mostrano perché accesso e controllo dei modelli stiano diventando questioni strategiche, non semplici scelte di prodotto. 18

L’infrastruttura nazionale ha quindi un doppio significato. Sul piano economico, può aiutare i Paesi a trattenere una quota maggiore del valore generato dall’IA. Sul piano strategico, può ridurre la dipendenza da capacità di calcolo, modelli e fornitori tecnologici esteri. Lo sforzo statunitense per promuovere tra i partner del G20 un quadro comune orientato all’innovazione si inserisce nella più ampia competizione tra ecosistemi tecnologici e aree di allineamento. 11

Perché l’incontro di Chapel Hill conta

Il ministeriale dell’1 e 2 settembre è stato uno dei primi incontri del G20 ospitati dagli Stati Uniti, pensato per orientare il confronto in vista del vertice dei leader che si terrà a Miami più avanti nel 2026. 68

La sua importanza non dipende tanto dall’aver prodotto una risposta definitiva, quanto dall’aver fissato i termini della discussione. Gli Stati Uniti hanno presentato una visione in cui i Paesi devono sviluppare rapidamente la propria capacità nell’IA, applicare quando possibile le norme già esistenti ed evitare una regolamentazione fondata soprattutto su danni speculativi. Huang e Altman hanno fornito la motivazione industriale per investire e accelerare l’adozione.

Restano però domande decisive: quanta capacità nazionale serve a ciascun Paese, chi finanzierà elettricità e data center, come cambierà il lavoro e quando un rischio diventerà abbastanza concreto da giustificare nuove regole. Saranno queste questioni a stabilire se la strategia che mette l’infrastruttura al primo posto diventerà una direzione condivisa dal G20 o resterà una proposta politica statunitense ancora contestata.