Costruire un modello di IA di frontiera negli Stati Uniti è diventato un'impresa costosa. Addestrare un modello come Beam di Reflection AI è stimato costare circa 100 milioni di dollari—un prezzo che potrebbe rendere difficile per i laboratori americani colmare il divario con i rivali cinesi, i cui modelli costerebbero, secondo quanto riportato, una frazione di tale cifra. È qui che entra in gioco Nvidia. Il produttore di chip si è trasformato in qualcosa di simile al fondo di venture capital, al locatore e al negozio di hardware del settore, tutto in uno.

Un modello da 100 milioni di dollari e una scommessa da 6 miliardi

Reflection AI ha presentato Beam il 5 ottobre 2026. Il modello utilizza un'architettura sparsa con 501 miliardi di parametri, di cui solo 23 miliardi sono attivi in ogni momento—un approccio che riduce il calcolo necessario ogni volta che il modello risponde a un prompt. È stato addestrato su 23,8 trilioni di token utilizzando tecniche di reinforcement learning, con un addestramento che ha impiegato 10.500 GPU data center Nvidia GB300 per quattro settimane.

Beam è presentato come capace di offrire un'efficienza di inferenza 3-4 volte superiore rispetto a GLM 5.2 della Cina, oltre a più di 4 volte l'efficienza dei principali modelli open-weight occidentali. L'inferenza è il lavoro che un modello svolge dopo l'addestramento, quando risponde effettivamente ai prompt—quindi una maggiore efficienza di inferenza significa che ogni risposta costa meno da erogare. Il modello è posizionato come un'alternativa occidentale conveniente, sebbene mostri ancora alcune differenze di prestazioni grezze rispetto ad alcune controparti cinesi.

Il debutto di Beam non è l'unico impegno recente di Nvidia. Nell'agosto 2026, il produttore di chip ha siglato un accordo da 6 miliardi di dollari con Poolside per licenze e investimenti, volto a creare un ecosistema solido per i modelli open-weight negli Stati Uniti. I modelli open-weight sono quelli i cui parametri addestrati vengono rilasciati affinché chiunque possa scaricarli, eseguirli e adattarli, a differenza dei modelli chiusi accessibili solo tramite l'interfacc di un fornitore.

Perché la Cina detiene il vantaggio sui costi

Al centro della sfida competitiva c'è uno squilibrio dei prezzi. Molti modelli cinesi costerebbero, secondo quanto riportato, pochi milioni di dollari in termini di addestramento, mentre i principali modelli americani come Beam sono stimati intorno ai 100 milioni di dollari. I laboratori cinesi hanno rilasciato modelli altamente capaci e a basso costo, e famiglie come DeepSeek, GLM e Kimi hanno esercitato pressione sugli sviluppatori occidentali.

Nvidia come finanziatore del settore

La strategia di Nvidia va ben oltre la vendita di chip. L'azienda ha assunto partecipazioni azionarie in aziende IA emergenti, con le sue partecipazioni totali in startup IA che hanno raggiunto circa 99 miliardi di dollari a metà 2026. Sta inoltre costruendo canali di finanziamento per il calcolo destinati a mobilitare oltre 500 miliardi di dollari, ampliando al contempo l'accesso alle scarse risorse GPU per le startup che sostiene.

Cosa significa per la corsa all'IA

Una larga parte delle ambizioni open-weight americane passa ormai attraverso il capitale e i chip di una singola azienda. Il sostegno di Nvidia potrebbe attenuare l'impatto degli elevati costi di addestramento per le startup, ma un modello da 100 milioni di dollari deve comunque recuperare tale somma rispetto a rivali che avrebbero speso, secondo quanto riportato, molto meno.

Ecco perché le dichiarazioni di efficienza di Beam sono il dato da monitorare. Se i guadagni di inferenza previsti di 3-4 volte rispetto a GLM 5.2 si confermassero nelle implementazioni reali, i laboratori americani avrebbero un argomento credibile per competere sul costo totale di proprietà anziché solo sul costo di addestramento.

L'accordo da 6 miliardi di dollari con Poolside e il portafoglio di startup di circa 99 miliardi di dollari di Nvidia danno respiro ai laboratori americani. Se questo spazio si evolverà in un ecosistema autosostenibile—o rimarrà sostenuto da un unico patrono—plasmerà quanto l'IA open-weight americana apparirà competitiva nei prossimi anni.