Il fornitore cinese di AI Z.ai ha dichiarato di aver utilizzato 100.000 chip prodotti in Cina per gestire le query online al suo ultimo modello di AI, GLM-5.3 Flash. La mossa mostra come i fornitori cinesi stiano riducendo la loro dipendenza dal produttore di chip statunitense Nvidia, evidenziando al contempo la tendenza verso una maggiore ottimizzazione dei modelli di AI.

Z.ai, precedentemente nota come Zhipu AI, è una startup con sede a Pechino nata dalla comunità di ricerca dell'Università Tsinghua ed è annoverata tra i principali sviluppatori cinesi di modelli di AI. Il suo nuovo modello è a pesi aperti e multimodale, il che significa che i suoi parametri addestrati possono essere scaricati ed eseguiti da terze parti, ed è a basso costo, con 320 miliardi di parametri. Z.ai aveva inizialmente presentato il modello in anteprima con il nome in codice Ox Alpha il 20 agosto e lo ha rilasciato ufficialmente il 26 agosto con la licenza open source MIT — una delle licenze open source più permissive, che ne consente l'uso commerciale, la modifica e la ridistribuzione. Il modello è specializzato nell'elaborazione a contesto lungo, nelle attività agentive basate sulla visione e nella sintesi del codice.

GLM-5.3 Flash costa 0,075 dollari per milione di token di input e 0,25 dollari per milione di token di output da adesso fino al 9 settembre. Dopo tale data, il prezzo sarà di 0,15 dollari per milione di token di input e 0,50 dollari per milione di token di output. I token — i frammenti di testo, all'incirca una parola o parte di parola, che i modelli leggono e generano — sono l'unità di fatturazione standard nei servizi di AI. A titolo di confronto, GPT-5.6 Luna di OpenAI costa 0,20 dollari per milione di token di input e 2 dollari per milione di token di output, mentre Claude Opus 5 di Anthropic costa 5 dollari per milione di token di input e 5 dollari per milione di token di output.

Il contesto geopolitico

La decisione del fornitore cinese di rivolgersi esclusivamente a fornitori di chip cinesi arriva mentre la Cina mira a dipendere meno da Nvidia. La svolta della Cina verso l'autosufficienza segue anni in cui gli Stati Uniti hanno inasprito i controlli sulle esportazioni — un regime iniziato con le restrizioni dell'ottobre 2022 sugli acceleratori avanzati come A100 e H100 di Nvidia — per impedire ai fornitori tecnologici cinesi di ottenere i chip Nvidia più potenti. Sebbene alcuni di questi controlli siano stati allentati, nel settembre 2025 il governo cinese ha ordinato ai giganti tecnologici come Alibaba e ByteDance di smettere di acquistare chip AI di Nvidia e, a novembre, Pechino ha vietato tutti i chip AI stranieri nei data center finanziati dallo Stato.

I progressi dell'hardware cinese

Nonostante queste mosse, molti osservatori vedevano ancora la Cina in ritardo nella gara infrastrutturale. Cluster di quelle dimensioni sono stati il tratto distintivo dei maggiori laboratori di AI statunitensi — il supercomputer Colossus di xAI a Memphis, ad esempio, secondo quanto riportato si basava su circa 100.000 GPU. Tuttavia, la strategia di Z.ai suggerisce che il divario tra Cina e Stati Uniti nei chip AI potrebbe stare riducendosi, soprattutto con la maggiore attenzione all'inferenza nell'ultimo anno segnata dalla rapida ascesa dell'AI agentiva. L'inferenza — l'esecuzione di un modello addestrato per rispondere alle query, a differenza dell'addestramento, il processo di gran lunga più intensivo a livello computazionale per costruire un modello — è precisamente il compito che i 100.000 chip di Z.ai stanno svolgendo per GLM-5.3 Flash.

«Per l'addestramento dei più grandi modelli frontier, Nvidia mantiene ancora un vantaggio significativo nelle prestazioni dei chip, nella rete e nel più ampio ecosistema software», ha affermato Kashyap Kompella, CEO e fondatore di RPA2AI Research. «Ma l'inferenza è un'altra storia».

Ha aggiunto che la capacità di Z.ai di servire GLM-5.3 Flash su larga scala utilizzando chip cinesi indica che l'hardware cinese è già adeguato per molti carichi di lavoro di inferenza ad alto volume.

«Questa distinzione è importante perché nel tempo l'inferenza probabilmente diventerà il mercato più grande dei chip AI», ha detto Kompella. «Le aziende cinesi potrebbero non aver bisogno di una parità esatta chip per chip con Nvidia se possono compensare con architetture di modelli efficienti, ottimizzazione software e grandi cluster di chip AI prodotti nel Paese».

Tuttavia, i primi segnali della svolta dei fornitori cinesi verso l'indipendenza sono arrivati con DeepSeek — il laboratorio con sede a Hangzhou i cui modelli a basso costo hanno attirato l'attenzione globale all'inizio del 2025 — che riscriveva i driver CUDA di Nvidia per rendere più veloce l'inferenza, ha dichiarato Bradley Shimmin, analista di Futurum Group.

Ha detto che, mentre i fornitori cinesi rispondono ai vincoli imposti prima dal governo statunitense e poi dal governo cinese, un altro fattore è che le aziende «devono fare di più con i wattora che hanno a disposizione».

Fornitori come Google, con la sua serie TPU, e Amazon, con i suoi chip Trainium, si concentrano sull'integrazione verticale, in cui lo stack AI è ottimizzato per utilizzare insieme modelli AI, infrastrutture e software ai fini dell'elaborazione AI più efficiente.

«Ciò a cui stiamo assistendo è la reale presa di coscienza che il valore dell'AI è determinato dall'economia dello stack, oltre che dalle capacità dei modelli», ha detto Shimmin. «Quello che questi attori stanno facendo è semplicemente dimostrare il valore di un piccolo investimento nell'ottimizzazione di quell'hardware».

Il modello

Quanto a GLM-5.3 Flash stesso, il fatto che abbia ottenuto una forte attenzione da parte degli sviluppatori in un test alla cieca è significativo, ha detto Kompella. Molti sviluppatori sono accorsi al modello all'inizio di questo mese e lo hanno utilizzato senza sapere che proveniva da un fornitore cinese; è rapidamente diventato il modello più scaricato su OpenRouter, un servizio API che consente agli sviluppatori di instradare le richieste tra modelli di molti provider diversi.

«Questo è più interessante di un altro benchmark che sostiene che un modello cinese è vicino a un modello frontier statunitense», ha detto Kompella, aggiungendo che ciò mostra che i modelli cinesi a pesi aperti «continuano a funzionare come contrappeso ai prezzi più elevati del settore».

Per le imprese, questo significa che devono progettare il proprio sistema di AI «in modo che i carichi di lavoro possano essere instradati tra i modelli in base a capacità, qualità, costi e considerazioni strategiche, anziché dipendere da un unico fornitore di modelli», ha continuato.

Sebbene l'immediata attrazione di un gran numero di sviluppatori da parte del modello sia un buon segno per Z.ai, il fornitore deve ancora affrontare sfide in futuro. In primo luogo, deve dimostrare che i chip che sta utilizzando possono continuare a garantire affidabilità, economicità e scala, ha detto Kompella.

«Alla frontiera assoluta dell'addestramento dei modelli, l'accesso al calcolo resta inoltre un vincolo significativo, perché lì il vantaggio di Nvidia è molto più difficile da replicare», ha affermato.

Il fornitore dovrà inoltre convincere le imprese statunitensi ed europee che rimangono caute nell'uso di servizi di AI ospitati in Cina a causa di preoccupazioni relative alla sicurezza dei dati, alla regolamentazione e agli appalti, ha continuato Kompella.