Huawei punta a dominare il mercato cinese dei chip AI entro il 2026

Quando si discute di chip per l'intelligenza artificiale, il dibattito si concentra spesso sulle prestazioni: chi elabora più dati, chi consuma meno energia, chi addestra i modelli più grandi nel minor tempo possibile. La notizia che arriva dalla Cina sposta però il punto di osservazione. Secondo un report ampiamente ripreso in questi giorni, Huawei si prepara a diventare il principale fornitore di chip per l'intelligenza artificiale nel mercato cinese entro il 2026, con l'obiettivo di portare i ricavi della divisione acceleratori — i processori specializzati per l'AI — da 7,5 a 12 miliardi di dollari. Il motore di questa crescita è la domanda interna e la produzione di massa del chip Ascend 950PR.

Un vuoto che diventa mercato

Per capire perché questa notizia conta, bisogna partire dal contesto. In Cina, l'incertezza sull'accesso ai chip americani — in particolare le GPU di Nvidia, i processori grafici che sono diventati il cuore dell'AI moderna — non è un rischio teorico, ma un vincolo operativo quotidiano. Nvidia si trova intrappolata in una doppia strozzatura. Da un lato, il governo statunitense ha stabilito che l'esportazione dell'H200 verso la Cina può avvenire solo caso per caso, con un sistema di licenze e requisiti di conformità che rendono ogni ordine un percorso ad ostacoli. Dall'altro, le stesse autorità cinesi possono rallentare o scoraggiare le importazioni, indipendentemente da ciò che viene deciso a Washington. La disponibilità di questi chip, in sostanza, dipende da due governi contemporaneamente.

In questo scenario, la domanda che i grandi acquirenti cinesi si pongono non è più «qual è il chip migliore?», ma «quale chip posso comprare con continuità, in volumi stabili, senza che un progetto venga congelato da una decisione amministrativa presa altrove?». È una domanda di affidabilità, prima ancora che di prestazioni.

Tanti chip collegati bene

Huawei risponde con una strategia che accetta esplicitamente i propri limiti tecnici e li trasforma in un'architettura diversa. Anziché competere sul singolo acceleratore, l'azienda punta su un approccio simile a quello dei supercomputer: molti chip collegati tra loro e orchestrati da un software che li fa lavorare come un'unica macchina. Huawei Cloud ha descritto CloudMatrix384 come un'architettura che integra 384 acceleratori Ascend 910C insieme a 192 CPU Kunpeng, con un bus ad alta banda progettato per comunicazioni rapide tra i dispositivi e per la gestione dinamica delle risorse condivise. Il concetto — chiamato in gergo tecnico «supernode» — è semplice nella logica: se non hai il componente perfetto, puoi provare a compensare con sistema, rete e integrazione.

Huawei non compete sul chip migliore, ma su forniture garantite e un ecosistema costruito per restare

Questo approccio di espansione orizzontale, in cui si aggiungono unità in parallelo invece di potenziare il singolo processore, è particolarmente adatto a un segmento che sta diventando economicamente centrale: l'inference. Si tratta della fase in cui un modello di intelligenza artificiale già addestrato viene usato per generare risposte, riassunti, immagini o codice — in pratica, il momento in cui l'AI smette di essere ricerca e diventa servizio. In questo contesto, il fattore critico non è la capacità di addestrare il modello più avanzato del mondo, ma il costo per gestire milioni di richieste al giorno: velocità di risposta, stabilità, capacità di reggere i picchi di traffico. Un cluster di chip «abbastanza buoni» ma disponibili in grandi quantità può valere più di una GPU eccellente ma difficile da reperire.

Il mercato vale decine di miliardi

Le dimensioni in gioco aiutano a capire la posta. Secondo una stima di Morgan Stanley, il mercato cinese dei chip AI potrebbe raggiungere i 67 miliardi di dollari entro il 2030, con la quota coperta da produttori locali potenzialmente all'86%. È una proiezione, e va letta come tale, ma dà la misura del vantaggio strategico: se la sostituzione domestica diventa prassi consolidata, la Cina non sta solo «comprando cinese», sta ridisegnando la struttura della domanda in modo che la filiera interna possa crescere su volumi garantiti.

Il vero campo di battaglia è il software

La parte meno visibile — e spesso più determinante — di questa partita è l'ecosistema software. Nvidia non vende solo chip: vende CUDA, un ambiente di programmazione e strumenti che negli anni è diventato lo standard di fatto per sviluppare e ottimizzare applicazioni di intelligenza artificiale. Cambiare chip significa, in molti casi, riscrivere parti significative del codice. Huawei lo sa e da tempo investe nel proprio stack software: CANN è il suo ambiente di sviluppo, accompagnato da librerie e adattatori pensati per rendere più agevole l'uso dei framework AI più diffusi. Nelle ultime settimane l'azienda ha anche annunciato iniziative verso la comunità open source per rendere disponibili componenti software chiave.

La domanda pratica, per aziende e sviluppatori, è quanto costa davvero questa migrazione. Portare un modello da un ambiente Nvidia a uno basato su Ascend significa spesso rimettere mano a numerosi componenti tecnici — dai kernel ottimizzati agli strumenti di analisi delle prestazioni — e soprattutto verificare che tutto funzioni correttamente nei casi d'uso reali, con le loro complessità specifiche. È un investimento che i grandi fornitori di servizi cloud possono assorbire meglio delle aziende medie; ma quando i cloud fanno questa scelta, trascinano con sé una parte enorme dell'ecosistema applicativo.

Quando un modello di punta viene lanciato già ottimizzato per un hardware specifico, quell'hardware diventa parte del prodotto

Un segnale in questa direzione arriva da come alcuni grandi modelli cinesi vengono presentati al mercato. Si è parlato, ad esempio, di DeepSeek-V4 come modello ottimizzato per l'infrastruttura Ascend, con messaggi pubblici che enfatizzano la compatibilità immediata con la linea SuperNode e con gli strumenti Huawei per l'inference. Al di là delle dichiarazioni di marketing, il punto è strutturale: quando un modello di punta viene lanciato con un percorso di installazione già predisposto per un hardware specifico, quell'hardware smette di essere un semplice componente e diventa parte integrante della proposta di valore del software.

I limiti reali della strategia

Sarebbe però un errore leggere questa dinamica come un semplice «Huawei vince, Nvidia perde». Nvidia mantiene un vantaggio significativo su efficienza, maturità dello stack e velocità di sviluppo. Soprattutto per i carichi di addestramento avanzato — la fase in cui si costruisce il modello, non quella in cui lo si usa — la distanza non si colma aggiungendo chip: l'addestramento mette sotto stress le comunicazioni tra processori, la gestione della memoria e la stabilità del sistema in modo molto più intenso rispetto all'inference. Non a caso, nell'industria cinese circola l'idea di un compromesso pragmatico: inference su hardware domestico, addestramento su chip importati, quando è ancora possibile farlo.

Questo compromesso si scontra però con un collo di bottiglia che riguarda l'intera industria degli acceleratori AI: il problema non è più solo produrre il chip, ma assicurarsi la memoria ad alta banda — nota come HBM — e le tecniche avanzate di assemblaggio che permettono di impacchettare chip e memoria in modo compatto ed efficiente. Per la Cina, questo rappresenta una vulnerabilità specifica: anche dove la produzione locale di semiconduttori è cresciuta, restano punti della catena di fornitura in cui l'accesso a tecnologie e materiali è più delicato e dipendente dall'estero.

C'è infine un'implicazione spesso sottovalutata: scegliere uno stack tecnologico interamente domestico cambia il rapporto tra un'azienda e la propria infrastruttura, anche sul piano del controllo dei dati e della governance. Avere chip, reti, driver e cloud tutti di produzione nazionale riduce le dipendenze esterne, ma aumenta la concentrazione su pochi attori interni. Per alcune aziende questo è un fattore di semplificazione e di allineamento con le normative locali; per altre può diventare un vincolo, perché la compatibilità con strumenti e servizi globali diventa più costosa e complessa da mantenere.

La vera sfida è la fiducia, non la tecnologia

La notizia sull'Ascend 950PR e sulla traiettoria di Huawei non racconta solo di un prodotto che entra in produzione di massa. Racconta di una fase in cui la Cina sta cercando di rendere permanente un cambiamento che, all'inizio, era reattivo: le restrizioni alle esportazioni hanno creato un vuoto; ora quel vuoto viene riempito con un'architettura industriale pensata per rendere il ritorno indietro meno conveniente. Per Nvidia, il problema non è soltanto ottenere le licenze necessarie: è ricostruire fiducia sulla prevedibilità delle forniture. Per Huawei, il problema non è soltanto crescere nei volumi: è dimostrare che il proprio ecosistema regge quando l'adozione passa dall'obbligo alla preferenza.

Se il 2026 sarà davvero l'anno in cui i cloud cinesi cambiano marcia, la variabile decisiva potrebbe non essere il prossimo chip, ma la parte più invisibile: strumenti, librerie, compatibilità, e la capacità di far funzionare l'intelligenza artificiale come servizio in modo affidabile, ogni giorno.