La spinta dell'Asia verso un'IA autosufficiente rischia di far perdere alle aziende occidentali il cambiamento in atto

Google News ha fatto emergere un'affermazione netta: il mercato dell'IA in Asia sta diventando autosufficiente, nonostante le aziende occidentali controllino ancora molti dei principali modelli e piattaforme cloud.

L'argomentazione, presentata da The Business Times, è più di un'altra previsione sulla crescita tecnologica regionale. Suggerisce che le aziende asiatiche possano sempre più finanziare, sviluppare, implementare e acquistare IA all'interno di mercati locali connessi. I fornitori occidentali non detengono più automaticamente il controllo su ogni livello.

Questa conclusione richiede alcune precisazioni. L'Asia non è un mercato tecnologico unificato e gli Stati Uniti conservano un enorme vantaggio in termini di capitale. Tuttavia, il sistema regionale include ormai più modelli, infrastrutture, clienti, chip e investimenti pubblici propri. L'equilibrio si sta spostando dalla dipendenza verso un'indipendenza selettiva.

La vera competizione non è quindi Asia contro Occidente in un semplice benchmark sui modelli. È una sfida tra sistemi adattati localmente e piattaforme occidentali progettate per una scala globale. Da un lato vi sono un profondo contesto regionale e flessibilità di implementazione. Dall'altro, budget di ricerca più ampi, cloud consolidati e un'ampia distribuzione alle imprese.

Il titolo di Google News coglie un cambiamento strutturale

La storia dell'IA in Asia sta passando dall'adozione della tecnologia al controllo della catena produttiva.

Il titolo di The Business Times evidenziato tramite Google News descrive un ecosistema in grado di sostenere una quota maggiore del proprio sviluppo. Ciò non significa che le aziende asiatiche abbiano smesso di usare chip, cloud o modelli fondazionali americani. Significa che i partecipanti locali possono combinare tali componenti con capitali, dati, ricerca e distribuzione regionali.

Diversi sviluppi sostengono questa interpretazione. I governi del Sud-est asiatico finanziano programmi nazionali di IA. Gli operatori regionali stanno ampliando i data center. I ricercatori locali producono modelli linguistici per mercati che i sistemi globali spesso rappresentano in modo disomogeneo.

Anche i capitali si stanno muovendo verso il settore. Google, Temasek e Bain hanno riferito che gli investitori hanno collocato oltre 2,3 miliardi di dollari in più di 680 startup di IA del Sud-est asiatico nell'anno coperto dal loro rapporto regionale sull'IA. L'IA ha rappresentato oltre il 30 per cento dei finanziamenti privati nella prima metà del 2025.

Lo stesso rapporto prevedeva oltre 4.600 megawatt di nuova capacità di data center nel Sud-est asiatico. Ciò rappresenterebbe una crescita del 180 per cento, rispetto al 120 per cento nel resto dell'area Asia-Pacifico.

Questi dati descrivono più della domanda di chatbot. I data center offrono alle aziende locali un luogo in cui addestrare, perfezionare e far funzionare i modelli. Le startup regionali creano software per clienti locali. I governi influenzano gli acquisti, la governance dei dati e la copertura linguistica.

Un sistema autosufficiente non richiede che ogni componente abbia origine locale. Nessuna grande economia tecnologica opera in questo modo. Richiede un numero sufficiente di fornitori e acquirenti alternativi da impedire a un singolo fornitore esterno di stabilire tutte le condizioni.

Questa distinzione è importante perché in precedenza l'attività dell'IA nella regione era più facilmente descrivibile come un'adozione a valle. Le aziende occidentali fornivano le piattaforme fondamentali, mentre quelle asiatiche le integravano in prodotti per consumatori e imprese. Quel rapporto ora appare meno immutabile.

Anche i modelli a pesi aperti accelerano questa transizione. I pesi aperti sono parametri di modello scaricabili che gli sviluppatori possono eseguire e adattare sull'infrastruttura scelta. I team possono creare prodotti regionali senza inviare ogni richiesta all'interfaccia di programmazione delle applicazioni di un fornitore straniero.

Gli sviluppatori di modelli cinesi costituiscono una parte di questa offerta. I programmi di ricerca pubblica di Singapore ne forniscono un'altra. India, Giappone, Corea del Sud, Indonesia e Malesia apportano diverse combinazioni di talenti, produzione manifatturiera, dati linguistici e sostegno statale.

Il cambiamento è incompleto, ma misurabile. L'Asia dispone sempre più di capacità interne sufficienti per scegliere quale posto debba occupare la tecnologia occidentale, invece di accettarla come fondamento predefinito.

I modelli locali colmano le lacune lasciate aperte dalle piattaforme globali

I modelli regionali acquistano valore quando lingua, cultura, regolamentazione e costi operativi contano più del primato in un benchmark globale.

SEA-LION di Singapore illustra questo meccanismo. Sviluppata da AI Singapore, la famiglia di modelli aperti si concentra sulle lingue e sui contesti culturali del Sud-est asiatico. La sua copertura include lingue e dialetti regionali che ricevono meno attenzione in molti sistemi addestrati a livello globale.

L'Infocomm Media Development Authority di Singapore afferma che SEA-LION opera in oltre 13 lingue regionali. Supporta la comunicazione in lingue miste e attività documentali localizzate, secondo il programma nazionale sui modelli dell'agenzia.

Queste caratteristiche rispondono a condizioni commerciali comuni nel Sud-est asiatico. Una conversazione con il servizio clienti può passare dall'inglese al malese, al mandarino e a espressioni locali. Un sistema di documenti governativi può dover interpretare diversi alfabeti. Un assistente alle vendite può incontrare descrizioni di prodotti culturalmente specifiche.

I modelli globali possono rispondere in molte lingue, ma il semplice supporto linguistico non garantisce un'accuratezza uniforme. Le prestazioni possono cambiare quando gli utenti alternano le lingue all'interno di una frase o si basano su nomi, istituzioni e convenzioni sociali regionali.

I test di sicurezza dell'IA condotti a Singapore hanno riscontrato capacità linguistiche disomogenee tra modelli di rilievo. La valutazione ha inoltre rilevato che gli sviluppatori di modelli non documentano sempre chiaramente la competenza al di fuori delle loro lingue principali.

Questa lacuna crea spazio per i sistemi regionali. Un modello adattato localmente non deve superare ogni modello occidentale in ogni benchmark. Deve funzionare in modo affidabile nelle attività che determinano l'adozione nel mercato prescelto.

SEA-LION mostra anche che il sistema asiatico può riutilizzare la ricerca esterna senza rimanere commercialmente dipendente da un unico fornitore. Il progetto si basa su modelli fondazionali aperti, comprese famiglie di modelli associate a Google, Meta e Qwen cinese. I ricercatori locali adattano poi questa base con dati e valutazioni regionali.

Non si tratta di piena indipendenza tecnologica. È indipendenza modulare. Gli sviluppatori possono sostituire parti dello stack mantenendo i componenti che funzionano.

Il più ampio programma nazionale di Singapore rafforza questo percorso. Il governo ha avviato un'iniziativa per modelli linguistici multimodali con un sostegno di S$70 milioni. I sistemi multimodali possono interpretare più del testo, comprese immagini, voce o altri input.

Un rapporto annuale dell'IMDA ha dichiarato che SEA-LION aveva superato i 235.000 download ed era già utilizzato da istituzioni accademiche e aziende in Indonesia e Thailandia. I download non dimostrano un utilizzo stabile in produzione, ma indicano l'interesse degli sviluppatori oltre un singolo laboratorio nazionale.

La Cina aggiunge scala allo stesso schema. Le sue aziende rilasciano modelli capaci a pesi aperti, gestiscono grandi piattaforme per consumatori e vendono servizi alle imprese nazionali. Corea del Sud e Giappone contribuiscono con competenze nei semiconduttori, produzione elettronica, robotica e clienti industriali consolidati.

Questi mercati non formano un unico blocco coordinato. I loro sistemi politici, le regole commerciali, le lingue e le relazioni con gli Stati Uniti differiscono ampiamente. Tuttavia, le loro capacità possono integrarsi attraverso investimenti, software aperto, contratti di fornitura e esigenze comuni di implementazione.

Ecco perché il titolo di Google News merita attenzione. L'opportunità regionale non si limita più a rivendere un modello occidentale dietro un'interfaccia localizzata. I team asiatici possono sempre più scegliere i modelli, adattarli, ospitarli e vendere le applicazioni risultanti attraverso reti regionali.

Le aziende occidentali di IA restano in testa, ma il capitale da solo non garantisce l'Asia

Le aziende americane conservano il maggiore vantaggio finanziario, ma tale vantaggio non garantisce il controllo sull'implementazione regionale.

La differenza di capitale rimane netta. L'AI Index 2025 di Stanford ha registrato 109,1 miliardi di dollari di investimenti privati statunitensi nell'IA nel 2024. La Cina ha attratto 9,3 miliardi di dollari, mentre il Regno Unito ne ha registrati 4,5 miliardi.

Le conclusioni dell'AI Index hanno inoltre contato 40 modelli rilevanti provenienti da istituzioni statunitensi nel 2024. La Cina ne ha prodotti 15 e l'Europa tre. Secondo queste misure, la leadership americana era evidente.

Tuttavia, la stessa ricerca ha rilevato che i modelli cinesi avevano ridotto il divario di prestazioni nei principali benchmark. La Cina è rimasta inoltre leader nelle pubblicazioni e nei brevetti sull'IA. Il quadro era quindi diseguale, ma non statico.

Le aziende occidentali possiedono vantaggi significativi. Microsoft, Amazon e Google gestiscono piattaforme cloud mature. OpenAI, Anthropic, Google DeepMind e Meta impiegano grandi team di ricerca. I sistemi software e gli acceleratori di Nvidia restano centrali per gran parte del mercato globale dell'IA.

Questi punti di forza possono diventare una debolezza quando i fornitori presumono che la leadership tecnica generi automaticamente fedeltà locale. Gli acquirenti asiatici valutano la localizzazione dei dati, la qualità linguistica, le regole di approvvigionamento, la personalizzazione e l'esposizione geopolitica insieme alle prestazioni generali dei modelli.

Un fornitore multinazionale di modelli spesso punta a un'unica piattaforma in grado di servire molti Paesi. Uno sviluppatore regionale può ottimizzare per un ambiente operativo più ristretto. Tale sviluppatore può accettare un punteggio inferiore in un benchmark in lingua inglese in cambio di una migliore elaborazione dei documenti locali.

La governance dei dati aggiunge un'altra pressione. Banche, enti pubblici, operatori sanitari e aziende industriali potrebbero non voler che informazioni sensibili siano elaborate attraverso un servizio ospitato all'estero. Alcuni richiederanno un hosting locale o un controllo più diretto sul comportamento del modello.

I sistemi a pesi aperti offrono agli acquirenti un'altra opzione negoziale. Un'impresa può ospitare un modello presso un fornitore cloud locale, assumere un integratore regionale e modificare in seguito la propria architettura di implementazione. Questa flessibilità riduce il lock-in disponibile per una piattaforma chiusa.

Anche il costo influenza la decisione. Il miglior modello per un'attività di ricerca ad alto valore potrebbe non essere economicamente sostenibile per milioni di classificazioni, traduzioni o interazioni di assistenza di routine. I fornitori regionali possono competere abbinando un modello più piccolo a un carico di lavoro specifico.

Le aziende occidentali stanno rispondendo con regioni cloud locali, investimenti, partnership e team di ricerca. Questa attività conferma l'importanza dell'Asia, ma non garantisce che il valore torni a una sede centrale occidentale.

Una regione cloud può sostenere startup locali che in seguito competono con i prodotti di IA dello stesso fornitore cloud. Un modello aperto rilasciato da un'azienda occidentale può diventare la base di un servizio con marchio locale. Gli investimenti possono rafforzare il mercato riducendo al contempo il controllo dell'investitore.

La competizione principale è quindi tra proprietà della piattaforma e adattamento regionale. Le aziende occidentali vogliono che i clienti rimangano all'interno di cloud integrati e servizi di modelli proprietari. Gli sviluppatori asiatici vogliono selezionare i componenti mantenendo il controllo sul prodotto finale e sulla relazione con il cliente.

Nessuno dei due approcci vincerà ovunque. Le piattaforme chiuse restano attraenti quando le imprese valorizzano supporto, strumenti di sicurezza e integrazione prevedibile. I sistemi regionali diventano più attraenti quando il contesto locale e il controllo dell'implementazione orientano la decisione d'acquisto.

Le aziende sottoposte alla maggiore pressione non sono necessariamente i laboratori più grandi. Sono i fornitori occidentali che trattano l'Asia come un territorio di distribuzione anziché come una fonte di modelli, progettazione dei prodotti e standard tecnici.

Il sistema AI dell’Asia cresce attorno a hub disomogenei

La tesi regionale è credibile, ma i benefici restano concentrati in un numero limitato di mercati e aziende.

Definire l’Asia autosufficiente può nascondere notevoli differenze interne. Singapore dispone di mercati dei capitali profondi, solide infrastrutture digitali e una concentrazione di talenti nell’AI. L’Indonesia offre un vasto mercato dei consumatori. Malesia e Thailandia stanno attirando investimenti nei data center. Altri Paesi devono affrontare divari più ampi nelle infrastrutture e nelle competenze.

L’OCSE ha riferito che i finanziamenti alle startup AI nelle sei maggiori economie dell’ASEAN sono passati da 113 milioni di dollari nel 2015 a 3,8 miliardi nel 2024. Tuttavia, gli investimenti erano fortemente concentrati.

Singapore ha ricevuto 12,7 miliardi di dollari, pari all’80% dei finanziamenti venture nell’AI dell’ASEAN dal 2015 al 2024. Secondo la digital trade review dell’OCSE, l’Indonesia ha seguito con 1,6 miliardi di dollari.

Anche le infrastrutture mostrano una concentrazione analoga. L’OCSE ha affermato che gli investimenti annunciati nei data center ASEAN pronti per l’AI hanno superato i 50 miliardi di dollari. La Malesia rappresentava 25 miliardi, Singapore 9 miliardi e la Thailandia 8 miliardi.

Anche i talenti restano distribuiti in modo disomogeneo. L’OCSE ha rilevato 3,5 professionisti dell’AI ogni 1.000 lavoratori a Singapore. La Malesia ne aveva 0,5, mentre diverse altre grandi economie ASEAN si attestavano intorno a 0,2.

Queste disparità indeboliscono la versione più semplice dell’argomento dell’autosufficienza. Un piccolo gruppo di hub può sostenere lo sviluppo regionale, ma molte aziende dipendono ancora da capitali esteri, acceleratori importati e servizi cloud esterni.

Anche la posizione della regione nelle catene di fornitura dei semiconduttori richiede un’interpretazione cauta. Taiwan e la Corea del Sud sono centrali nella produzione avanzata di chip e memorie. Il Giappone fornisce attrezzature e materiali importanti. Eppure, gran parte del software di progettazione dei chip e dell’architettura degli acceleratori resta legata ad aziende americane.

I controlli sulle esportazioni possono interrompere questa rete. Le restrizioni sugli acquisti possono modificare quali chip siano disponibili per i laboratori cinesi. I governi possono fare pressione sui fornitori in materia di attrezzature, hosting o trasferimenti tecnologici.

L’energia è un altro vincolo. I data center AI richiedono grandi forniture elettriche affidabili e sistemi di raffreddamento. La capacità annunciata non diventa potenza di calcolo utilizzabile finché gli sviluppatori non ottengono siti, connessioni alla rete, attrezzature e clienti.

Anche il quadro dei finanziamenti è meno equilibrato di quanto suggeriscano i titoli. Il venture capital al di fuori degli Stati Uniti ha faticato a eguagliare gli enormi round disponibili per i principali laboratori americani. Alcuni fondatori asiatici trasferiscono ancora operazioni o sedi aziendali negli Stati Uniti per raggiungere investitori e clienti.

Secondo un’analisi dei finanziamenti del luglio 2026, i finanziamenti tecnologici nel Sud-est asiatico sono scesi da circa 10,1 miliardi di dollari nel 2022 a 2,2 miliardi nel 2024. Il rapporto ha inoltre descritto fondatori che si trasferiscono verso il più profondo mercato dei finanziamenti americano.

Questo movimento non confuta la tesi dell’ecosistema regionale. Mostra che talento e proprietà possono separarsi. Un fondatore cresciuto in Asia può costruire in California, mentre un’azienda statunitense può condurre ricerca a Singapore e vendere tramite un partner indonesiano.

L’adozione nella produzione presenta un’altra incertezza. Il numero di startup, i download di modelli e gli annunci di data center misurano capacità o interesse. Non dimostrano che le imprese stiano ottenendo rendimenti duraturi dai sistemi AI.

Un ecosistema autosufficiente ha bisogno di clienti ricorrenti, non soltanto di sovvenzioni governative e round venture. Deve trasformare i progetti pilota in software operativo che le aziende continuino ad acquistare dopo la fine dei finanziamenti promozionali.

L’interpretazione più solida è quindi più circoscritta. L’Asia dispone oggi di diversi hub AI connessi, capaci di generare modelli, infrastrutture e domanda. Questi hub possono sostenere alternative regionali, pur senza eliminare le dipendenze esterne.

Cosa non dimostra la tesi di Google News

Una catena di fornitura regionale in crescita non dimostra che le aziende asiatiche cattureranno la maggior parte dei profitti risultanti o sostituiranno la tecnologia occidentale.

La prima incertezza riguarda il significato di “Asia”. Il mercato tecnologico cinese opera secondo regole diverse da quelle di Giappone, India, Singapore o Indonesia. Trattarli come un’unica unità competitiva può produrre un titolo persuasivo, ma una previsione commerciale debole.

Le controversie commerciali rafforzano queste divisioni. Un modello cinese può essere economico e adattabile, ma alcuni acquirenti lo eviteranno per ragioni di politica di sicurezza o rischio normativo. Un fornitore americano può affrontare proprie obiezioni sulla sovranità dei dati.

La seconda incertezza è la solidità commerciale. I programmi pubblici possono finanziare modelli che gli utenti privati adottano raramente. Gli investitori nelle infrastrutture possono costruire capacità più velocemente di quanto i clienti la consumino. Le startup possono attirare finanziamenti senza trovare un mercato redditizio.

La terza questione riguarda la misurazione. I benchmark dei modelli spesso privilegiano inglese, programmazione, matematica o compiti standardizzati di ragionamento. Le valutazioni nelle lingue locali possono usare dataset più piccoli e metodologie diverse. Nessuna delle due categorie, da sola, coglie le prestazioni all’interno di un flusso di lavoro aziendale reale.

Il lavoro sui modelli regionali di Singapore offre una risposta concreta alla sottorappresentazione linguistica. Tuttavia, le descrizioni ufficiali dei programmi non dimostrano in modo indipendente che un modello locale offra prestazioni migliori per ogni attività aziendale.

La stessa cautela vale per le affermazioni delle aziende in tutto il mercato. Un fornitore può dichiarare costi di inferenza inferiori senza includere integrazione, monitoraggio, revisioni della sicurezza e manutenzione. Un altro può pubblicizzare l’hosting locale mantenendo dipendenze da software o hardware esteri.

Sviluppatori e acquirenti aziendali dovrebbero esaminare l’intera catena operativa. Ciò include licenze dei modelli, termini di hosting, conservazione dei dati, metodi di valutazione, disponibilità dell’hardware e costo del cambio di fornitore.

I team ad alta intensità di conoscenza affrontano un’ulteriore sfida. L’origine geografica di un modello conta meno quando le sue risposte si basano su un contesto aziendale incompleto. Il vantaggio pratico deriva spesso dal collegare un modello adatto a documenti interni gestiti.

Una base di conoscenza AI ben mantenuta può rendere più significativi i confronti tra modelli. I team possono testare sistemi concorrenti sullo stesso materiale approvato invece di basarsi su dimostrazioni generiche.

Gli standard di sicurezza e protezione potrebbero inoltre determinare quali prodotti regionali riescano a espandersi. Il contesto locale può migliorare la rilevanza, ma può creare nuove esigenze di valutazione tra lingue diverse. Contenuti dannosi, sensibilità politica e presupposti culturali non si trasferiscono agevolmente da un mercato all’altro.

Singapore ha sviluppato metodi di test regionali attraverso il proprio lavoro sull’assurance dell’AI. Il suo multicultural safety framework pone l’accento su valutazioni nelle lingue e nei contesti del Sud-est asiatico.

Questo lavoro evidenzia il compromesso centrale. L’adattamento regionale può migliorare l’utilità, ma la frammentazione può rendere i test più difficili. Ogni lingua aggiuntiva, ambiente di implementazione e variazione del modello amplia il carico di assurance.

Le aziende occidentali mantengono opportunità se trattano la localizzazione come ingegneria anziché marketing. Possono supportare l’hosting locale, pubblicare valutazioni linguistiche più chiare, collaborare con gruppi di ricerca regionali e consentire ai clienti una maggiore scelta architetturale.

I fornitori asiatici affrontano la prova opposta. Devono dimostrare che la rilevanza locale produce operazioni affidabili, non solo branding nazionale. Hanno inoltre bisogno di pratiche di sicurezza credibili e di una capacità di supporto sufficiente per grandi implementazioni aziendali.

La tesi del Business Times dovrebbe quindi essere letta come un avvertimento sulla struttura del mercato, non come una dichiarazione di vittoria. L’Asia ha acquisito potere negoziale. La distribuzione finale di ricavi, standard e proprietà resta incerta.

Tre segnali mostreranno se il cambiamento durerà

La prossima fase sarà decisa dall’uso in produzione, dalla realizzazione delle infrastrutture e dal comportamento delle piattaforme occidentali.

Il primo segnale è l’adozione duratura dei modelli regionali da parte delle imprese. Download e programmi di prova mostrano interesse, ma carichi di lavoro ricorrenti in produzione costituiscono una prova più solida.

Gli acquirenti dovrebbero osservare se banche, aziende di telecomunicazioni, enti pubblici e operatori industriali rinnovano le implementazioni regionali di AI. I case study dovrebbero rivelare l’attività, la lingua, il metodo di valutazione e la scala operativa.

Un’espansione costante di SEA-LION, MERaLiON o altri sistemi regionali nel servizio clienti, nell’analisi dei documenti e nei flussi di lavoro regolamentati rafforzerebbe la tesi dell’autosufficienza. Esperimenti limitati senza utilizzo continuativo la indebolirebbero.

Il secondo segnale è se la capacità annunciata dei data center entrerà effettivamente in servizio. Il Sud-est asiatico ha attirato grandi impegni infrastrutturali, ma la costruzione dipende da energia, attrezzature, accesso alla rete e regolamentazione.

La capacità operativa offrirebbe agli sviluppatori regionali più opzioni di hosting. Potrebbe anche ridurre la latenza e aiutare le imprese a rispettare i requisiti di residenza dei dati. Ritardi ripetuti o un basso utilizzo suggerirebbero che gli investimenti hanno preceduto la domanda.

Il terzo segnale è il modo in cui le aziende occidentali modificano le loro strategie di prodotto e partnership. Un fornitore che aggiunge hosting locale senza migliorare la valutazione linguistica ha affrontato solo una parte del problema.

Risposte più significative includerebbero benchmark regionali trasparenti, supporto per modelli scelti dai clienti, partnership più profonde con istituzioni di ricerca asiatiche e strumenti che consentano alle imprese di spostare i carichi di lavoro tra fornitori.

Le acquisizioni offriranno un altro indizio all’interno di questo segnale. Le aziende occidentali potrebbero acquistare team regionali per ottenere dati linguistici, relazioni aziendali o tecnologia specializzata. Tali accordi potrebbero convalidare l’innovazione locale, trasferendo però la proprietà al di fuori della regione.

In alternativa, le aziende asiatiche potrebbero acquisire startup vicine e costruire autonomamente una distribuzione regionale. Questo schema fornirebbe prove più solide del fatto che capitale e clienti locali possano sostenere il consolidamento.

I lettori che seguono la storia attraverso Google News dovrebbero distinguere gli annunci dalle implementazioni completate. Un nuovo fondo, laboratorio o data center conta solo quando cambia chi può costruire e acquistare sistemi utili.

Gli sviluppatori dovrebbero confrontare i modelli sulle lingue e sui documenti effettivamente utilizzati. Gli acquirenti aziendali dovrebbero chiedere dove vengono elaborati i dati e con quale facilità possano cambiare fornitore. Gli investitori dovrebbero monitorare i ricavi ricorrenti anziché contare i lanci di modelli.

Il giudizio centrale è già più chiaro rispetto a diversi anni fa. Le aziende occidentali restano partecipanti essenziali nell’AI asiatica, ma stanno diventando partecipanti all’interno di un sistema più ampio anziché proprietari indiscussi di esso.

Risponderanno offrendo ai clienti regionali maggiore controllo, oppure continueranno a trattare la localizzazione come uno strato commerciale? La risposta determinerà se il prossimo titolo di Google News descriverà partnership, concorrenza o un mercato che le aziende occidentali hanno lasciato crescere attorno a loro.