La Cina accelera sulla produzione di chip AI domestici per ridurre la dipendenza da Nvidia

Huawei, Alibaba, Baidu e Cambricon sviluppano alternative ai GPU Nvidia tra restrizioni americane all'export e spinta governativa verso l'autosufficienza tecno…

Contenuto

La Cina accelera sulla produzione di chip AI domestici per ridurre la dipendenza da Nvidia

Scopri anche

La Cina accelera sulla produzione di chip AI domestici per ridurre la dipendenza da Nvidia

La Cina accelera sulla produzione di chip AI domestici per ridurre la dipendenza da Nvidia

In questo articolo:

Da oltre un decennio i chip di Nvidia hanno rappresentato il cuore dell'ecosistema AI cinese, alimentando motori di ricerca, applicazioni video, smartphone, veicoli elettrici e l'attuale ondata di modelli generativi. Le restrizioni all'export imposte da Washington hanno tuttavia costretto le aziende cinesi ad accontentarsi di versioni "China-only" dei GPU Nvidia privati delle funzionalità più avanzate: H800, A800 e H20. Entro il 2025, la pazienza di Pechino si è esaurita. I media statali hanno iniziato a etichettare l'H20 come potenzialmente non sicuro, i regolatori hanno convocato gli esecutivi Nvidia per interrogatori, e aziende come Alibaba e ByteDance avrebbero ricevuto indicazioni informali di annullare nuovi ordini di GPU Nvidia.

Il contesto geopolitico e la risposta cinese

⬆ Torna su

Nel 2022 l'amministrazione Biden ha introdotto restrizioni all'export che impedivano a Nvidia di vendere i suoi chip AI più potenti alla Cina, citando preoccupazioni per la sicurezza nazionale. Gli H100 e A100 erano considerati i gioielli della rivoluzione AI, alimentando tutto ciò che va da ChatGPT a data center da miliardi di dollari. La decisione era apparsa inizialmente come una condanna per le ambizioni AI cinesi. Tuttavia, secondo quanto riportato da Reuters, giganti tecnologici cinesi come Huawei e SMIC hanno iniziato la produzione di massa di propri chip AI, capaci di eseguire modelli avanzati quasi al livello delle esportazioni Nvidia soggette a restrizioni.

La Cina ha investito oltre 100 miliardi di dollari nella tecnologia locale e, entro il 2026, potrebbe conquistare il 20% del mercato globale dell'hardware AI. Jensen Huang, CEO di Nvidia, ha avvertito che la Cina è "a nanosecondi di distanza" dagli Stati Uniti nello sviluppo di chip, esortando gli USA a competere "per la propria sopravvivenza". Pechino ha inoltre lanciato un'indagine antimonopolio su Nvidia, applicando maggiore pressione sull'azienda.

Huawei e la linea Ascend: dalla 910B alla 910C

⬆ Torna su

Huawei rappresenta uno dei contendenti principali per sostituire Nvidia. La sua linea di chip AI Ascend è maturata sotto le sanzioni americane. L'offerta attuale è l'Ascend 910B, introdotto dopo che le sanzioni hanno tagliato fuori Huawei dai fornitori globali. Paragonabile all'A100 di Nvidia, il miglior chip del 2020, è diventato l'opzione predefinita per le aziende che non potevano ottenere i GPU Nvidia. Un funzionario Huawei ha dichiarato che il 910B supera l'A100 di circa il 20% in alcuni compiti di training nel 2024. Il chip utilizza tuttavia un tipo di memoria più datato (HBM2E) e non può eguagliare l'H20 di Nvidia: contiene circa un terzo di dati in meno in memoria e trasferisce i dati tra chip circa il 40% più lentamente.

La risposta più recente è la 910C, un design dual-chiplet che fonde due 910B. In teoria, può avvicinarsi alle prestazioni del chip H100 di Nvidia. Huawei ha presentato un cluster Atlas 900 A3 SuperPoD da 384 chip che ha raggiunto circa 300 Pflops di calcolo, implicando che ogni 910C può fornire poco meno di 800 teraflops nel formato FP16, ancora lontano dai circa 2.000 Tflops dell'H100 ma sufficiente per addestrare modelli su larga scala se distribuito in quantità adeguate.

Huawei punta su cluster di supercomputing a livello di rack che riuniscono migliaia di chip per guadagni massicci in potenza di calcolo. Basandosi sull'Atlas 900 A3 SuperPoD, l'azienda prevede di lanciare l'Atlas 950 SuperPoD nel 2026, collegando 8.192 chip Ascend per fornire 8 exaflops di prestazioni FP8, supportati da 1.152 TB di memoria e 16,3 petabyte al secondo di banda interconnect. Il cluster coprirà un'area superiore a due campi da basket completi. Guardando oltre, l'Atlas 960 SuperPoD dovrebbe scalare fino a 15.488 chip Ascend.

Alibaba e i chip Hanguang e PPU

⬆ Torna su

La divisione chip di Alibaba, T-Head, è stata fondata nel 2018 con ambizioni modeste intorno ai processori RISC-V open-source e ai server per data center. Il primo chip AI è l'Hanguang 800, annunciato nel 2019, un chip efficiente progettato per l'inferenza AI capace di elaborare 78.000 immagini al secondo e ottimizzare algoritmi di raccomandazione e modelli linguistici di grandi dimensioni. Costruito su processo a 12 nanometri con circa 17 miliardi di transistori, può eseguire fino a 820 trilioni di operazioni al secondo (TOPS) e accedere alla memoria a velocità di circa 512 GB al secondo.

Il design più recente è il chip PPU, costruito con 96 GB di memoria ad alta larghezza di banda e supporto per connessioni PCIe 5.0 ad alta velocità, presentato come rivale diretto dell'H20 di Nvidia. Durante un programma televisivo statale che mostrava un data center China Unicom, il PPU è stato presentato come capace di rivaleggiare con l'H20. I report suggeriscono che questo data center utilizza oltre 16.000 PPU su un totale di 22.000 chip. Alibaba ha anche aggiornato il suo server supernode Panjiu, che ora dispone di 128 chip AI per rack, design modulare per aggiornamenti facili e raffreddamento completamente liquido.

Secondo il Wall Street Journal, Alibaba è riuscita a rendere i suoi chip AI compatibili con il software di Nvidia, una svolta significativa che riduce l'attrito per gli sviluppatori software.

Baidu e la famiglia Kunlun

⬆ Torna su

La storia dei chip di Baidu è iniziata prima dell'attuale frenesia AI. Già nel 2011, il gigante delle ricerche sperimentava con FPGA per accelerare i carichi di lavoro deep-learning per ricerca e pubblicità. La prima generazione Kunlun 1 è arrivata nel 2018, costruita sul processo a 14 nm di Samsung, con circa 260 TOPS e una banda di memoria di picco di 512 GB al secondo. Tre anni dopo è arrivato Kunlun 2, un aggiornamento modesto su nodo a 7 nm che ha spinto le prestazioni a 256 TOPS per calcoli INT8 a bassa precisione e 128 Tflops per FP16, riducendo il consumo a circa 120 watt.

Nel 2025 Baidu ha presentato un cluster da 30.000 chip alimentato dai processori di terza generazione P800. Ogni chip P800 raggiunge circa 345 Tflops in FP16, posizionandosi allo stesso livello del 910B di Huawei e dell'A100 di Nvidia. La banda interconnect è vicina a quella dell'H20. Baidu ha presentato il sistema come capace di addestrare modelli "simili a DeepSeek" con centinaia di miliardi di parametri. I modelli multimodali Qianfan-VL della famiglia, con 3, 8 e 70 miliardi di parametri, sono stati tutti addestrati sui chip Kunlun P800.

I chip Kunlun hanno ottenuto ordini per oltre 1 miliardo di yuan (circa 139 milioni di dollari) per progetti AI di China Mobile. Baidu ha annunciato la roadmap per i prossimi cinque anni: nel 2026 lancerà il M100 ottimizzato per inferenza su larga scala, e nel 2027 il M300 ottimizzato per training e inferenza di modelli multimodali massivi.

Cambricon: dalla crisi alla ripresa

⬆ Torna su

Cambricon è probabilmente l'azienda quotata con le migliori performance sul mercato azionario domestico cinese. Negli ultimi 12 mesi, il prezzo delle azioni è aumentato di quasi il 500%. L'azienda è stata ufficialmente scissa dall'Accademia Cinese delle Scienze nel 2016, con radici che risalgono a un programma di ricerca del 2008 sui processori ispirati al cervello per il deep learning. Nei primi anni, Cambricon si è concentrata su NPU per dispositivi mobili e server. Huawei è stato un primo cliente cruciale, concedendo in licenza i design di Cambricon per i suoi processori mobili Kirin, ma quando Huawei ha iniziato a sviluppare propri chip, Cambricon ha perso un partner di punta.

I primi anni 2020 sono stati difficili: i ricavi sono diminuiti, gli investitori si sono ritirati e l'azienda ha perso denaro cercando di tenere il passo con Nvidia. Il MLU 290, costruito su processo a 7 nm con 46 miliardi di transistori, era progettato per compiti ibridi di training e inferenza. Il successivo MLU 370, l'ultima versione prima che Cambricon fosse sanzionata dal governo americano nel 2022, raggiunge i 96 Tflops in FP16.

La vera svolta è arrivata con il MLU 590 nel 2023, costruito su 7 nm con prestazioni di picco di 345 Tflops in FP16, con alcuni report che suggeriscono potrebbe superare l'H20 di Nvidia in certi scenari. Ha introdotto il supporto per formati di dati meno precisi come FP8, riducendo la pressione sulla banda di memoria e aumentando l'efficienza. Tutti gli occhi sono ora sul MLU 690, attualmente in sviluppo, che secondo le voci di settore potrebbe avvicinarsi o eguagliare l'H100 di Nvidia in alcune metriche. Nel 2024 Cambricon ha lanciato il suo chip AI Siyuan 590 a 7 nanometri, modellato sull'A100 di Nvidia, tornando alla redditività per la prima volta.

Le startup emergenti: Biren, Moore Threads, MetaX, Enflame

⬆ Torna su

Oltre ai giganti tecnologici, diverse startup stanno cercando di occupare il vuoto lasciato da Nvidia. Biren, fondata nel 2019 da Zhang Wen, ex presidente di SenseTime, ha presentato il GPU BR100 nel 2022, dichiarando prestazioni comparabili all'H100. L'azienda è stata inserita nella Entity List americana nel 2023 e prevede di quotarsi a Hong Kong con una valutazione di circa 14 miliardi di yuan.

Moore Threads è stata fondata nel 2020 da James Zhang Jianzhong, ex vicepresidente globale di Nvidia e general manager per la Cina. Nonostante le restrizioni dopo l'inserimento nella Entity List nel 2023, l'azienda ha dichiarato di aver costruito GPU che eguagliano le prestazioni delle vecchie generazioni RTX 3090 e RTX 4090 di Nvidia. Moore Threads ha affermato quest'anno di poter eseguire modelli DeepSeek e Qwen sui propri GPU e ha presentato richiesta di IPO a Shanghai per raccogliere circa 8 miliardi di yuan.

MetaX, fondata nel 2020 dall'ex executive AMD Chen Weiliang, ha recentemente presentato il nuovo chip C600, progettato per supportare training e inferenza AI. L'azienda ha sofferto di carenze produttive in passato ed è ancora in perdita con un numero limitato di clienti. Enflame, fondata nel 2018 da ex dirigenti AMD e sostenuta da Tencent, ha fornito chip a diversi data center locali e non è nella lista nera commerciale americana, mantenendo quindi accesso a TSMC.

Altri sviluppi tecnologici: packaging 3D e TPU Chana

⬆ Torna su

Secondo report del novembre 2025, la Cina avrebbe sviluppato un chip AI domestico a 14nm che raggiunge 120 TFLOPS consumando solo 60 watt, rivaleggiando con i GPU a 4nm di Nvidia grazie al packaging 3D. La tecnologia utilizza il bonding ibrido 3D per collegare memoria direttamente accanto al processore, superando il "memory wall" che rallenta i grandi lavori AI. La startup Zhonghao Xinying di Hangzhou ha inoltre presentato il TPU "Chana", in produzione di massa dal 2023, che dichiarerebbe prestazioni computazionali 1,5 volte superiori all'A100 di Nvidia con un consumo energetico inferiore del 30%.

Le sfide rimanenti

⬆ Torna su

Nonostante i progressi, i contendenti cinesi non offrono ancora veri sostituti. La maggior parte delle loro offerte sono a malapena comparabili con l'A100, il miglior chip di Nvidia di cinque anni fa, e stanno lavorando per raggiungere l'H100, disponibile tre anni fa. Ogni player sta anche raggruppando i propri chip con software e stack proprietari, costringendo gli sviluppatori cinesi abituati a CUDA di Nvidia a dedicare più tempo ad adattare i propri modelli AI.

Lo sviluppo di DeepSeek per il suo prossimo modello AI sarebbe stato ritardato principalmente perché l'azienda sta cercando di eseguire più del suo training o inferenza sui chip di Huawei. Gli esperti avvertono che le affermazioni dei produttori di chip cinesi dovrebbero essere prese con cautela a causa della mancanza di dati pubblicamente disponibili e benchmark di test coerenti. I semiconduttori cinesi performano simili agli USA nell'AI predittiva ma restano indietro nelle analisi complesse, secondo il computer scientist Jawad Haj-Yahya.

La Cina deve affrontare anche la mancanza di accesso alle macchine EUV High-NA avanzate di ASML, già in uso per le future generazioni di chip nelle fabbriche di TSMC e Intel. Senza attrarre dipendenti, furto di IP o altre scoperte impreviste, i costruttori di macchine per chip cinesi non si avvicineranno ad ASML nei prossimi anni, ponendo un limite potenziale alle ambizioni cinesi.

Il quadro competitivo globale

⬆ Torna su

Un portavoce di Nvidia ha dichiarato alla BBC: "La competizione è innegabilmente arrivata. I clienti sceglieranno il miglior stack tecnologico per eseguire le applicazioni commerciali e i modelli open-source più popolari al mondo. Continueremo a lavorare per guadagnarci la fiducia e il supporto degli sviluppatori mainstream ovunque."

La maggior parte degli esperti concorda che la Cina dipenda ancora dagli USA per i chip più potenti, almeno per ora. Realisticamente, la Cina può ridurre la sua dipendenza dai chip americani per strumenti meno avanzati, ma non ha le prestazioni "grezze" dei chip USA per addestrare sistemi AI più complessi. Tuttavia, secondo alcune stime, la Cina potrebbe aver bisogno di solo cinque anni in più per essere indipendente dagli USA.

La questione non è se le aziende cinesi possano costruire chip, ma se e quando possano eguagliare la combinazione di prestazioni, supporto software e fiducia degli utenti finali di Nvidia. La Cina non vuole più giocare un ruolo secondario nella corsa tecnologica più importante al mondo.

Questo articolo è una sintesi basata esclusivamente sulle fonti elencate.

Implicazioni e scenari

⬆ Torna su

L'investimento di oltre 100 miliardi di dollari nella tecnologia locale e la produzione di massa avviata da Huawei e SMIC indicano una svolta strutturale nella strategia cinese. La compatibilità software con l'ecosistema Nvidia, raggiunta da Alibaba, potrebbe accelerare l'adozione delle alternative domestiche riducendo i costi di transizione per gli sviluppatori.

  • Scenario 1: se i cluster Ascend e Kunlun mantengono la roadmap annunciata, la Cina potrebbe raggiungere l'obiettivo del 20% del mercato globale hardware AI entro il 2026, riducendo progressivamente la dipendenza dalle esportazioni Nvidia soggette a restrizioni.
  • Scenario 2: le limitazioni nella memoria e nella banda interconnect dei chip domestici potrebbero mantenere un divario prestazionale con l'H100, costringendo le aziende cinesi a compensare con architetture distribuite più ampie e costose.
  • Scenario 3: l'indagine antimonopolio su Nvidia e le pressioni regolatorie sugli ordini potrebbero estendersi, creando un mercato cinese progressivamente chiuso ai fornitori esteri di semiconduttori.

Cosa monitorare

⬆ Torna su
  • Avanzamento dei progetti Atlas 950 e 960 SuperPoD di Huawei previsti per il 2026.
  • Livelli di adozione dei chip Kunlun P800 e Hanguang PPU da parte di grandi operatori di data center.
  • Evoluzione delle restrizioni all'export statunitensi e possibili contro-misure cinesi.

Nota editoriale: questa sezione propone una lettura analitica dei temi trattati, senza introdurre dati fattuali non presenti nelle fonti.

Fonti

⬆ Torna su

In breve

  • chip
  • nvidia
  • semiconductor
  • gpu

Link utili

Apri l'articolo su DeafNews