Foreign Policy afferma che il successo dell’IA cinese impone di ripensare la strategia degli Stati Uniti

Il 27 agosto 2026, Foreign Policy ha pubblicato un’argomentazione incisiva: i recenti progressi dell’IA cinese mettono in luce una debolezza nella strategia americana incentrata sulla frontiera.

Il catalizzatore immediato è stato Kimi K3 di Moonshot AI, rilasciato a luglio come modello open-weight. Si è avvicinato ai principali sistemi chiusi in diversi compiti, offrendo al tempo stesso agli sviluppatori un maggiore controllo su distribuzione e personalizzazione.

Tuttavia, non si tratta semplicemente di un’altra affermazione secondo cui la Cina ha vinto la corsa all’IA tra Stati Uniti e Cina. Le prove sostengono una conclusione più circoscritta e più rilevante.

Gli Stati Uniti mantengono importanti vantaggi nei chip avanzati, nelle infrastrutture di calcolo, nel capitale e nella ricerca di frontiera. La Cina ha dimostrato che tali vantaggi non producono automaticamente predominio nell’adozione, nei costi, nell’integrazione industriale o nella distribuzione globale.

È questa distinzione a creare la vera pressione. Washington ha considerato la leadership di frontiera sia l’obiettivo sia la principale difesa dalla concorrenza cinese. La Cina compete su un insieme più ampio di parametri.

La competizione risultante non è soltanto OpenAI o Anthropic contro Moonshot, DeepSeek o Alibaba. È una competizione tra due modelli strategici: concentrare le risorse sui sistemi più capaci, oppure diffondere sistemi sufficientemente capaci in più settori e mercati.

Cosa Foreign Policy ha effettivamente cambiato nel dibattito

L’articolo mette in discussione l’assunto secondo cui vincere la frontiera significhi automaticamente vincere l’era dell’IA.

L’argomentazione originale è apparsa con il titolo “China’s Success Is Forcing a U.S. AI Rethink.” È stata scritta da Robert A. Manning e Giulia Neaher dello Stimson Center.

Questa attribuzione conta. Si trattava di un’analisi proposta da due autori, non di una dichiarazione ufficiale secondo cui gli Stati Uniti avessero perso la leadership nell’IA.

Manning e Neaher sostengono che la strategia americana abbia assorbito diversi assunti dalla Silicon Valley. Il più importante è che il primo sviluppatore a raggiungere l’intelligenza artificiale generale otterrebbe un vantaggio strategico duraturo.

L’intelligenza artificiale generale, o AGI, descrive un sistema ipotetico in grado di svolgere un’ampia gamma di compiti intellettuali a livelli pari o superiori a quelli umani.

Un concetto correlato è il miglioramento ricorsivo di sé. In quello scenario, un sistema avanzato aiuta a progettare successori migliori, accelerando la ricerca oltre il ritmo dello sviluppo basato esclusivamente sugli esseri umani.

Nessuno dei due esiti è stato dimostrato. Le loro tempistiche, la fattibilità tecnica e le implicazioni strategiche restano oggetto di dibattito tra i ricercatori.

Tuttavia, la convinzione in tali esiti può comunque plasmare le politiche. Se il primo sviluppatore di AGI diventasse permanentemente dominante, ogni mese di progresso sulla frontiera inizierebbe a sembrare una risorsa per la sicurezza nazionale.

Questa impostazione favorisce enormi investimenti nel calcolo, segretezza, sviluppo rapido dei modelli e restrizioni volte a rallentare i concorrenti. Riduce inoltre lo spazio politico per una regolamentazione che potrebbe rallentare i laboratori nazionali.

Gli autori sostengono che la Cina abbia attaccato indirettamente questa logica. Gli sviluppatori cinesi non hanno bisogno di primeggiare in ogni benchmark se riescono a distribuire modelli adattabili a costi operativi interessanti.

Kimi K3 ha reso l’argomento attuale. Moonshot ha rilasciato il modello tramite i suoi prodotti e la sua API il 16 luglio, seguito dai pesi completi il 27 luglio.

I pesi aperti sono parametri numerici scaricabili, appresi durante l’addestramento. L’accesso consente a operatori qualificati di ospitare, modificare, valutare e rifinire un modello senza dipendere interamente dal suo sviluppatore.

Moonshot descrive Kimi K3 come un sistema mixture-of-experts da 2,8 trilioni di parametri. Questa architettura attiva solo una parte del modello per ogni input, riducendo il calcolo rispetto all’attivazione di ogni parametro.

L’azienda dichiara inoltre una finestra di contesto da un milione di token e capacità visive native. Restano affermazioni dello sviluppatore, sebbene il repository pubblico di Kimi K3 permetta un esame indipendente.

Il modello non deve superare ogni sistema americano perché la sfida strategica esista. Deve soltanto essere abbastanza competitivo da indurre sviluppatori, governi e imprese a considerarne l’adozione.

Questo è il contributo più duraturo dell’articolo. Sposta il dibattito da un’unica classifica verso l’economia della diffusione.

La strategia cinese per l’IA compete su più della sola intelligenza dei modelli

La sfida più forte della Cina deriva dalla combinazione di modelli capaci e minori barriere alla distribuzione.

La corsa all’IA tra Stati Uniti e Cina viene spesso presentata come una competizione per costruire il modello generalista più intelligente. Questa impostazione coglie solo una parte del mercato.

Un modello può primeggiare nelle valutazioni più difficili pur rimanendo troppo costoso, limitato o operativamente complesso per molte organizzazioni. Un modello leggermente più debole può acquisire influenza se più utenti riescono ad adattarlo e distribuirlo.

I rilasci open-weight supportano questa seconda strada. Consentono alle organizzazioni di eseguire un modello su infrastrutture sotto il loro controllo, nel rispetto della licenza, dei requisiti hardware e delle competenze tecniche disponibili.

Questo è importante per le aziende che gestiscono informazioni proprietarie. Lo è anche per i governi che non gradiscono l’invio di dati sensibili attraverso l’interfaccia ospitata di un fornitore straniero.

Il controllo locale non rende automaticamente un modello privato o sicuro. Gli operatori hanno comunque bisogno di infrastrutture sicure, procedure di valutazione, controlli di accesso e monitoraggio.

Ciononostante, la distribuibilità cambia la decisione d’acquisto. Le prestazioni diventano una considerazione accanto a costi, controllo, copertura linguistica, lavoro di integrazione ed esposizione geopolitica.

La politica nazionale cinese rafforza questa direzione orientata alle applicazioni. Il suo programma AI Plus promuove l’integrazione dell’IA nella produzione, nell’istruzione, nell’assistenza sanitaria, nella ricerca scientifica, nei servizi pubblici e nei dispositivi di consumo.

Le autorità cinesi hanno inoltre pubblicato linee guida per agenti IA in 19 scenari applicativi. Un agente è un sistema in grado di selezionare azioni e utilizzare strumenti per perseguire un obiettivo definito dall’utente.

La politica ufficiale AI Plus combina la distribuzione con requisiti relativi a sicurezza, standard, infrastrutture e controllabilità.

Questi piani non dovrebbero essere accettati come prova di un’adozione riuscita. Gli obiettivi governativi possono sovrastimare l’attuazione e i progetti pilota pubblicizzati raramente rivelano i costi operativi complessivi.

Mostrano comunque un diverso orientamento strategico. Pechino considera la diffusione nell’economia reale un obiettivo politico centrale, non un beneficio secondario successivo alla ricerca di frontiera.

Kyle Chan ha descritto questa divisione in una testimonianza di aprile pubblicata da Brookings. Ha sostenuto che la Cina stia perseguendo diverse corse all’IA riguardanti efficienza, adozione, distribuzione e integrazione con il mondo fisico.

La sua testimonianza al Congresso ha inoltre osservato che, in quel momento, i sistemi americani conservavano un vantaggio nelle prestazioni di frontiera in molte valutazioni impegnative.

Entrambe le osservazioni possono essere vere. Gli Stati Uniti possono guidare nelle capacità dei modelli mentre la Cina costruisce una posizione forte nell’implementazione e nella distribuzione.

Questo ricorda le precedenti competizioni tecnologiche. Invenzione tecnica, scala produttiva, standard, finanziamenti, installazione e reti di supporto spesso determinano insieme l’influenza.

La Cina ha esperienza nel collegare prodotti digitali e infrastrutture all’estero. Le sue aziende di telecomunicazioni hanno fornito apparecchiature, finanziamenti e assistenza all’implementazione nei mercati in via di sviluppo.

I modelli di IA possono seguire un percorso simile, sebbene l’analogia abbia dei limiti. I modelli cambiano più rapidamente dell’hardware per telecomunicazioni e possono essere sostituiti più facilmente quando le applicazioni utilizzano interfacce comuni.

I fornitori cinesi devono inoltre affrontare barriere di fiducia. I potenziali adottanti devono considerare governance dei dati, comportamento censorio, cybersicurezza, affidabilità e dipendenza dalle infrastrutture cinesi.

Il punto strategico non è che i modelli cinesi domineranno ogni mercato. È che sistemi aperti competitivi offrono agli acquirenti un’altra opzione credibile.

Una volta che questa opzione esiste, la leadership americana deve essere conquistata attraverso la distribuzione, non dedotta dalle prestazioni di laboratorio.

Il vantaggio americano sulla frontiera non garantisce più il controllo del mercato

Washington è sotto pressione perché i suoi vantaggi più forti non coprono ogni dimensione che determina l’adozione.

Gli Stati Uniti mantengono una straordinaria concentrazione di capacità di calcolo avanzato, infrastrutture cloud, investimenti privati e talento nella ricerca sull’IA.

I laboratori americani continuano a spingere le capacità dei modelli nella programmazione, nel ragionamento scientifico, nell’uso di strumenti, nella cybersicurezza e nel lavoro multimodale. Il Paese controlla inoltre parti importanti della catena di fornitura dei semiconduttori.

Questi vantaggi restano strategicamente preziosi. Maggiore capacità di calcolo sostiene esperimenti più grandi, iterazioni più rapide e un’esplorazione più ampia di nuove architetture.

Il problema è il salto dalla leadership tecnica a un controllo globale duraturo. Un modello di frontiera non è automaticamente il modello che le organizzazioni possono permettersi, personalizzare o distribuire legalmente.

L’AI Index 2026 di Stanford ha concluso che il divario nelle prestazioni tra i principali modelli americani e cinesi si era di fatto chiuso secondo le misure selezionate.

Questa affermazione non significa che i sistemi siano equivalenti in ogni capacità. I risultati dei benchmark dipendono dalla selezione dei compiti, dai metodi di test, dalle configurazioni software e dai tempi di rilascio.

Un modello può ottenere buoni risultati nelle valutazioni pubbliche ma avere difficoltà con affidabilità, compiti lunghi, accuratezza fattuale o carichi di lavoro di produzione. Le classifiche possono anche cambiare dopo un aggiornamento del prodotto.

Tuttavia, una quasi parità nei test ampiamente osservati riduce il valore di marketing di un vantaggio nazionale astratto. Gli acquirenti confronteranno i risultati effettivi nei propri flussi di lavoro.

Un produttore può privilegiare l’ispezione visiva e la manutenzione delle apparecchiature. Una banca può preoccuparsi della distribuzione controllata, dell’auditabilità e della conformità locale.

Un team software può dare valore all’accuratezza nella programmazione, alla velocità di risposta e alla compatibilità con gli strumenti di sviluppo esistenti. Un ministero può privilegiare il supporto linguistico e l’hosting nazionale.

La strategia americana appare meno completa se osservata attraverso queste decisioni. I suoi laboratori più importanti distribuiscono perlopiù i loro sistemi migliori tramite servizi controllati.

L’accesso chiuso supporta misure di sicurezza centralizzate e protegge la proprietà intellettuale. Preserva inoltre relazioni di servizio ricorrenti per i fornitori di modelli.

Tuttavia, i sistemi chiusi chiedono ai clienti di accettare la dipendenza dal fornitore. Il fornitore controlla le modifiche al modello, la disponibilità, le restrizioni d’uso e spesso l’infrastruttura sottostante.

Le aziende americane offrono modelli più piccoli, aperti o personalizzabili. Il mercato non è diviso nettamente lungo linee nazionali.

Lo squilibrio appare sulla frontiera. Diversi principali sviluppatori americani hanno limitato l’accesso ai loro pesi più potenti, mentre i laboratori cinesi hanno reso disponibili pesi sempre più capaci.

Questa differenza offre agli sviluppatori cinesi, alle aziende cloud e agli integratori di sistemi maggiori opportunità di costruire su basi di modelli condivise.

Indebolisce inoltre i controlli sulle esportazioni come strategia completa. Le restrizioni sui chip possono aumentare i costi di addestramento senza impedire l’efficienza algoritmica, la condivisione dei modelli o la distribuzione a valle.

Le restrizioni possono comprare tempo. Possono anche incoraggiare i Paesi presi di mira a ridurre la dipendenza da hardware e software americani.

Foreign Policy sostiene che questa risposta sia già emersa in Cina. I vincoli hanno spinto gli sviluppatori cinesi a perseguire l’efficienza e a rafforzare le relazioni tecnologiche interne.

Questa affermazione richiede alcune precisazioni. I controlli sulle esportazioni hanno imposto costi reali, in particolare per l’accesso agli acceleratori e alle apparecchiature di produzione più avanzati.

Non hanno però prodotto un contenimento totale. La Cina continua a rilasciare modelli competitivi, a sviluppare acceleratori nazionali e a creare software adattato all’hardware disponibile.

La questione politica, quindi, non è se i controlli funzionino affatto. È se rallentare determinati input offra un vantaggio sufficiente senza accelerare ecosistemi alternativi.

La vera inversione va dal contenimento alla competizione

I progressi della Cina mostrano che il contenimento può ritardare un rivale senza creare una strategia americana completa di diffusione.

La politica statunitense sull’IA ha combinato l’accelerazione interna con restrizioni esterne. Questi obiettivi possono sostenersi a vicenda, ma non sono intercambiabili.

Il Piano d’azione per l’IA del 2025 ha promosso uno sviluppo più rapido delle infrastrutture, l’espansione delle esportazioni di tecnologia IA americana e un’applicazione più rigorosa dei controlli sul calcolo avanzato.

Questa combinazione riconosceva un punto essenziale. Gli Stati Uniti devono creare prodotti attraenti e distribuirli a livello internazionale, non soltanto negare risorse ai concorrenti.

L’attuazione crea tensioni. Controlli tecnologici rigidi possono far temere agli alleati che l’accesso ai sistemi americani possa cambiare con scarso preavviso.

Un governo che sceglie infrastrutture per ospedali, agenzie di difesa o servizi pubblici desidera un accesso prevedibile. Restrizioni improvvise possono superare un modesto vantaggio nella qualità dei modelli.

I modelli cinesi a pesi aperti offrono un’altra configurazione. Un cliente può ottenere i pesi, ospitarli altrove e continuare a operare dopo che lo sviluppatore originario modifica il proprio servizio.

Quell’indipendenza non è mai assoluta. Il cliente può comunque aver bisogno di chip specializzati, aggiornamenti, supporto tecnico e software mantenuto da comunità esterne.

Eppure la differenza può essere significativa. Offre agli adottanti maggiore leva e riduce la dipendenza da un’unica interfaccia di programmazione delle applicazioni.

Questo trasforma l’apertura in uno strumento di politica estera. Un modello ampiamente adottato può influenzare la formazione degli sviluppatori, gli standard tecnici, i metodi di valutazione e le infrastrutture di supporto.

Gli Stati Uniti hanno beneficiato di dinamiche simili nelle precedenti ere dell’informatica. Ricerca aperta, comunità software, università e strumenti di sviluppo accessibili hanno ampliato la portata della tecnologia americana.

Una strategia eccessivamente incentrata su sistemi di frontiera chiusi rischia di cedere parte di quel vantaggio. Concentra l’influenza in un piccolo gruppo di fornitori.

L’inversione è particolarmente visibile nei mercati emergenti. Molte organizzazioni in questi Paesi non hanno bisogno delle massime prestazioni possibili in ogni benchmark.

Hanno bisogno di sistemi che supportino le lingue locali, si adattino a budget limitati, funzionino con l’infrastruttura disponibile e consentano modifiche per rispettare le norme locali.

Un modello aperto capace può soddisfare tali requisiti senza diventare il sistema più intelligente al mondo. La distribuzione può generare un effetto cumulativo mentre gli sviluppatori contribuiscono con fine-tuning, integrazioni e documentazione.

Gli Stati Uniti possono rispondere a questa sfida senza abbandonare i controlli sui chip sensibili. Possono investire in modelli aperti, valutazioni condivise, infrastrutture energetiche, ricerca, talenti e implementazione internazionale.

Possono inoltre rendere più prevedibili le politiche di accesso per i partner fidati. L’affidabilità è una caratteristica strategica quando i clienti prendono decisioni infrastrutturali di lungo periodo.

Per questo il dibattito non dovrebbe ridursi a una scelta tra esportazioni senza restrizioni e contenimento totale. Nessuna delle due opzioni affronta l’intera competizione.

Restrizioni selettive possono proteggere specifici vantaggi militari. Gli investimenti interni possono rafforzare ricerca e infrastrutture.

Gli ecosistemi aperti possono ampliare l’adozione. Diplomazia e finanziamenti possono aiutare i partner fidati a implementare sistemi con una governance accettabile a livello locale.

L’elemento mancante è il coordinamento. Politiche elaborate separatamente da agenzie di sicurezza, funzionari commerciali, aziende tecnologiche e governi statali possono inviare segnali contrastanti.

Un laboratorio americano potrebbe volere una distribuzione globale, mentre i funzionari della sicurezza cercano un accesso più ristretto. I regolatori locali potrebbero richiedere salvaguardie che i funzionari federali descrivono come ostacoli.

Questi disaccordi non dimostrano che la Cina disponga di un sistema superiore. Rendono però più facile presentare una narrativa cinese coerente sulla diffusione.

Cosa la strategia cinese sull’IA non ha ancora dimostrato

Rilasci competitivi non dimostrano che la Cina abbia risolto sicurezza, affidabilità, commercializzazione o dipendenza dai semiconduttori.

La versione più forte della tesi di Foreign Policy va troppo oltre se considera il rilascio di un singolo modello come prova che l’America abbia scelto una strada senza uscita.

La scala di Kimi K3 e i risultati riportati nei benchmark sono degni di nota. Gli utenti indipendenti hanno comunque bisogno di tempo per testarne il comportamento nei diversi ambienti di produzione.

I pesi aperti comportano inoltre costi di implementazione che i confronti con modelli ospitati possono nascondere. Un sistema da 2,8 trilioni di parametri richiede hardware e ingegneria considerevoli, anche quando attiva una porzione minore per token.

La maggior parte delle organizzazioni non scaricherà né gestirà direttamente un modello di questo tipo. Utilizzerà un fornitore cloud, un host specializzato, una derivazione compressa o un’integrazione commerciale.

Ciò ripristina una certa dipendenza dagli intermediari. Significa anche che i costi pratici variano in base all’utilizzo dell’hardware, al traffico, alla quantizzazione, al supporto e ai prezzi locali dell’elettricità.

Le prestazioni nei benchmark presentano un’altra incertezza. I test di programmazione e le arene dei modelli offrono prove utili, ma non misurano ogni requisito aziendale.

Gli acquirenti enterprise necessitano di output stabili, latenza prevedibile, controlli dell’identità, registrazione, risposta agli incidenti e responsabilità contrattuale. Una dimostrazione forte non garantisce tali qualità.

La sicurezza resta una preoccupazione concreta. I pesi aperti consentono ai difensori di esaminare e modificare i modelli, ma possono anche indebolire le salvaguardie imposte centralmente.

I fornitori chiusi possono aggiornare i filtri, monitorare l’uso sospetto e limitare l’accesso a capacità sensibili. Queste misure sono imperfette, ma restano più difficili da applicare dopo una distribuzione senza restrizioni.

I modelli cinesi comportano ulteriori vincoli politici. Le loro risposte su temi sensibili possono riflettere requisiti nazionali sui contenuti, creando problemi per gli adottanti internazionali.

La protezione dei dati è un’altra preoccupazione. Eseguire i pesi localmente può ridurre l’esposizione dei dati, ma utilizzare il prodotto ospitato di uno sviluppatore presenta un diverso profilo di rischio.

Né l’origine cinese né quella americana rispondono da sole a queste domande. Gli acquirenti devono valutare l’esatta architettura di implementazione, il contratto, la telemetria e il processo di aggiornamento.

Anche i vincoli della Cina sui semiconduttori rimangono significativi. Algoritmi efficienti estendono le risorse di calcolo disponibili, ma l’efficienza non elimina il valore dei chip avanzati.

L’addestramento di modelli su scala di frontiera richiede grandi cluster, reti, memoria, energia e software sofisticato. Le restrizioni possono aumentare i costi e ridurre la capacità sperimentale anche quando non riescono a fermare i progressi.

Anche i laboratori americani continuano a innovare. Un divario ristretto nei benchmark oggi non predice la sequenza dei rilasci futuri.

Gli Stati Uniti dispongono di mercati dei capitali più profondi e di una fitta rete di aziende cloud, progettisti di chip, università, startup e clienti enterprise.

La Cina porta in dote un vasto mercato interno, una grande capacità manifatturiera, coordinamento statale, talento ingegneristico e forti incentivi a superare i vincoli esterni.

Nessuna delle due parti ha trasformato queste risorse in un vantaggio irreversibile. La competizione rimane dinamica e disomogenea.

C’è anche un problema di misurazione. “Vincere nell’IA” può significare leadership scientifica, ricavi aziendali, capacità militare, crescita della produttività, adozione globale o influenza sugli standard.

Un Paese può guidare in una categoria e restare indietro in un’altra. Riunirle in un unico punteggio crea una certezza che le prove non possono sostenere.

La lettura migliore è che la Cina ha invalidato l’autocompiacimento. Non ha dimostrato una superiorità complessiva.

Tre segnali metteranno alla prova la tesi di Foreign Policy

La prossima fase sarà decisa dall’adozione, dalla coerenza delle politiche e da prestazioni operative verificate, non da un altro benchmark da prima pagina.

Il primo segnale è l’adozione internazionale sostenuta dei modelli cinesi a pesi aperti. I soli download non risolveranno la questione.

Occorre osservare le implementazioni in produzione da parte di governi, grandi imprese, piattaforme cloud e fornitori di software al di fuori della Cina. L’uso ripetuto conta più dell’attività di prova.

Se le organizzazioni costruiscono applicazioni durevoli attorno a Kimi, DeepSeek, Qwen o sistemi comparabili, la tesi della diffusione si rafforza. Si indebolisce se la sperimentazione non diventa un uso in produzione affidabile.

L’interoperabilità sarà importante in questo caso. Gli acquirenti potrebbero preferire sistemi capaci di passare da un modello all’altro, anziché accettare un blocco tecnologico cinese o americano.

Questo risultato produrrebbe un mercato più frammentato. Limiterebbe anche la leva geopolitica di ogni singolo sviluppatore di modelli.

Il secondo segnale è il trattamento riservato da Washington ai modelli aperti e all’accesso internazionale fidato. Una strategia coerente proteggerebbe interessi di sicurezza circoscritti ampliando al contempo opzioni di implementazione affidabili.

Occorre osservare gli investimenti federali nella ricerca sui pesi aperti, regole di esportazione più chiare e accordi tecnologici a lungo termine con gli alleati. Anche finanziamenti e assistenza tecnica meritano attenzione.

Se i fornitori americani riusciranno a offrire sistemi capaci con accesso prevedibile e opzioni di implementazione locale, la debolezza strategica sostenuta si ridurrà.

Se le restrizioni diventeranno più erratiche mentre i sistemi di frontiera resteranno chiusi, le alternative cinesi acquisiranno un argomento commerciale più semplice. I clienti incorporeranno l’incertezza politica nelle decisioni tecniche.

Il terzo segnale è costituito da prestazioni operative verificate in modo indipendente. Le prove rilevanti includono affidabilità, efficienza dell’inferenza, sicurezza, qualità linguistica e costo totale di implementazione.

Le valutazioni dei modelli dovrebbero testare compiti completi nel tempo, non risposte isolate. Dovrebbero inoltre rendere noti hardware, software, prompt e criteri di fallimento.

Se i sistemi cinesi manterranno risultati competitivi in test trasparenti, le assunzioni americane incentrate sulla frontiera subiranno una pressione maggiore.

Se tali sistemi si riveleranno difficili da gestire, insicuri o meno affidabili di quanto suggeriscano i punteggi da prima pagina, la tesi di un’inversione strategica si indebolirà.

L’articolo del 27 agosto ha colto un cambiamento reale, anche se il suo titolo invita a una conclusione eccessivamente ampia. La Cina non ha dimostrato che il modello americano abbia fallito.

Ha mostrato che risorse superiori non eliminano la necessità di prodotti efficienti, ecosistemi aperti, distribuzione fidata e adozione pratica.

Per gli sviluppatori, questo significa valutare i modelli in base al controllo e alle prestazioni complessive del flusso di lavoro, non soltanto alla nazionalità o alla posizione in classifica.

Per gli acquirenti enterprise, significa trattare la stabilità del fornitore e l’esposizione alle politiche come rischi architetturali. La portabilità dovrebbe entrare nelle discussioni sugli acquisti.

Per i responsabili politici, la questione non è più se l’America possa mantenere un ristretto vantaggio di frontiera. È se quel vantaggio produca tecnologia che altri Paesi scelgono di utilizzare.

Questo è il test di politica estera più utile. Occorre osservare dove vengono implementati i modelli capaci, chi controlla l’infrastruttura e se i clienti rimangono dopo il primo periodo di prova.