Shanghai costruisce una strategia di IA full-stack attorno a potenza di calcolo, chip e applicazioni
Shanghai ha trasformato un singolo titolo di Google News in una prova ben più ampia della capacità della Cina di costruire uno stack di IA in un contesto di crescenti vincoli sui chip. La città sta collegando capacità di calcolo, processori nazionali, modelli e applicazioni industriali, anziché puntare su un unico prodotto di richiamo.
Questa strategia è stata al centro della World Artificial Intelligence Conference 2026, tenutasi a Shanghai dal 17 al 20 luglio. Più di 1.100 aziende hanno esposto oltre 3.000 prodotti, mentre il programma ha spostato l'attenzione dalle dimostrazioni di modelli verso infrastrutture e implementazione.
La tensione è semplice. Shanghai vuole rendere l'IA utile nella manifattura, nella ricerca scientifica, nei trasporti, nei servizi pubblici e nella robotica. Tuttavia, la città deve sostenere questi carichi di lavoro senza un accesso affidabile a tutti i processori avanzati, processi produttivi o strumenti software disponibili per gli hyperscaler americani.
Questo rende la vicenda più ampia dell'ennesima iniziativa tecnologica locale. Shanghai sta cercando di dimostrare che una domanda coordinata, piattaforme pubbliche di calcolo, architetture di chip alternative e sussidi alle applicazioni possano compensare gli svantaggi alla frontiera dei semiconduttori.
Il titolo di Google News nasconde una strategia di IA full-stack
Shanghai sta trattando potenza di calcolo, chip, modelli e applicazioni come un unico sistema industriale connesso.
L'evento immediato non è il lancio di un singolo prodotto. È la concentrazione di numerosi progetti, misure politiche e impegni commerciali attorno al settore dell'IA della città.
Al WAIC 2026, Shanghai Unicom ha annunciato il programma UniAI e ha dichiarato di voler investire oltre 25 miliardi di yuan in infrastrutture di calcolo intelligente. Il programma riguarda l'ammodernamento industriale, i servizi pubblici, la governance urbana e altre applicazioni digitali.
La conferenza ha inoltre messo in contatto fornitori di tecnologia e potenziali clienti. Il programma WAIC Connect ha organizzato 172 delegazioni di acquirenti e presentato 63 scenari applicativi prima dell'apertura dell'evento.
Questi numeri sono rilevanti perché mostrano come Shanghai intenda creare domanda. La città non aspetta che le aziende scoprano autonomamente casi d'uso redditizi. Sta identificando gli acquirenti, sovvenzionando la sperimentazione e collocando le infrastrutture vicino alle organizzazioni che dovrebbero utilizzarle.
L'esposizione ha riflesso la stessa direzione. Gli organizzatori hanno dichiarato che l'evento comprendeva oltre 300 robot impegnati in attività legate alla manifattura, ai servizi al consumatore e all'intrattenimento. Le esposizioni dedicate al calcolo si sono estese oltre i singoli acceleratori, includendo supernodi e grandi cluster.
Un supernodo combina molti processori tramite connessioni ad alta velocità, così da poter gestire grandi carichi di lavoro di IA come un unico sistema. Questo approccio diventa particolarmente importante quando un singolo acceleratore nazionale non può eguagliare le prestazioni del chip estero più avanzato.
La base esistente della città conferisce maggiore peso alla strategia. L'industria dell'IA di Shanghai ha superato i 450 miliardi di yuan nel 2024, secondo il profilo dell'industria dell'IA della città. Comprendeva oltre 380 importanti imprese di IA e più di 60 EFLOPS di capacità pubblica di calcolo intelligente.
Un EFLOPS rappresenta un quintilione di operazioni in virgola mobile al secondo. La misura offre una stima approssimativa della capacità teorica, ma non rivela l'utilizzo, l'efficienza di rete, le prestazioni della memoria o il costo necessario per fornire una risposta utile.
Secondo quanto riportato, il settore dell'IA di Shanghai ha superato i 550 miliardi di yuan nel 2025, crescendo di oltre il 30 per cento rispetto all'anno precedente. Le autorità locali hanno attribuito in parte questa espansione a politiche che riducono il costo del calcolo, dei modelli e dei dati di addestramento.
Questo è il cambiamento importante dietro il risultato di Google News. Shanghai è andata oltre la presentazione delle aziende di IA come casi di successo isolati. Sta assemblando un sistema in grado di accompagnare un progetto dalla ricerca, passando per l'accesso al calcolo, lo sviluppo del modello e i test con i clienti, fino all'implementazione commerciale.
Il sistema si estende anche oltre il centro di Shanghai. I carichi di lavoro di calcolo possono essere eseguiti nelle regioni occidentali, ricche di energia, mentre sviluppatori, aziende di chip, laboratori e acquirenti industriali restano concentrati vicino alla costa.
La rete nazionale cinese di calcolo è pensata per collegare queste componenti. Collega data center, strutture di supercalcolo e infrastrutture edge, affinché i carichi di lavoro possano spostarsi in base a requisiti di latenza, energia e capacità.
Questa configurazione somiglia più a una rete elettrica che a una raccolta convenzionale di data center indipendenti. L'analogia è imperfetta, ma l'obiettivo è chiaro: rendere più semplice richiedere, misurare, instradare e acquistare capacità di elaborazione.
Il vantaggio di Shanghai risiede nel coordinamento. La sua sfida è dimostrare che il sistema coordinato produca servizi affidabili anziché annunci impressionanti sulla capacità.
Perché Shanghai misura la domanda in token
La politica infrastrutturale della città si sta spostando dalle prestazioni teoriche di calcolo alla quantità di lavoro di IA che i clienti consumano effettivamente.
Shanghai ha evidenziato questo cambiamento all'Intelligent Computing Shanghai Summit del 27 gennaio 2026. I partecipanti hanno descritto un passaggio dalla misurazione delle infrastrutture principalmente attraverso le operazioni in virgola mobile al monitoraggio dell'uso dei token.
Un token è una piccola unità di testo o dati elaborata da un modello linguistico. I clienti di solito consumano token quando inviano un prompt, recuperano informazioni, eseguono un agente o generano una risposta.
Il consumo di token non è una misura completa del valore economico. Un modello può elaborare molti token producendo poco lavoro utile. Tuttavia, questa metrica collega le infrastrutture alla domanda applicativa più direttamente di quanto faccia il punteggio massimo di benchmark di un processore.
La China Academy of Information and Communications Technology si è unita ai tre principali operatori di telecomunicazioni e ai fornitori locali di calcolo per lanciare un sistema di collaborazione a livello cittadino. L'iniziativa mira ad allineare i fornitori di calcolo con gli sviluppatori di modelli e le aziende di applicazioni.
Ciò riflette un cambiamento più ampio nell'economia dell'IA. Addestrare un modello fondazionale resta costoso, ma l'inferenza ripetuta determina ora se un prodotto di IA possa sostenere milioni di interazioni quotidiane.
L'inferenza è il processo di esecuzione di un modello addestrato per generare un output. Include attività che vanno dalla risposta a una breve domanda al funzionamento di un agente software attraverso centinaia di passaggi intermedi.
Secondo quanto riportato dal National Data Bureau, il consumo quotidiano cinese di token di IA è salito da 100 miliardi all'inizio del 2024 a 140 trilioni nel marzo 2026. Il solo Doubao di ByteDance sarebbe passato da circa 100 miliardi di token giornalieri nel maggio 2024 a oltre 120 trilioni entro marzo 2026.
Queste cifre dovrebbero essere considerate misurazioni riportate, non dati d'uso verificati in modo indipendente. Tuttavia, la loro direzione spiega perché Shanghai stia dando enfasi alle infrastrutture, alla capacità di rete e ai costi operativi.
Gli agenti consumano più token delle semplici interfacce di chat perché pianificano attività, riesaminano risultati intermedi, chiamano strumenti e correggono errori. Un prodotto che appare semplice all'utente può generare un'estesa attività di calcolo in background.
Questo crea pressione sui data center e sui fornitori di chip. La domanda di addestramento arriva in grandi picchi pianificati, mentre la domanda di inferenza può fluttuare durante la giornata e distribuirsi tra migliaia di clienti.
Le piattaforme pubbliche di Shanghai possono aiutare gli sviluppatori più piccoli a evitare di costruire i propri cluster. I sussidi locali al calcolo riducono inoltre il costo dei primi esperimenti prima che un'azienda disponga di ricavi stabili.
Pudong e Xuhui hanno offerto alle startup idonee voucher per calcolo, modelli e corpus. Ciascuna categoria può fornire un sostegno fino a 1 milione di yuan, secondo le informazioni diffuse dalle autorità di Shanghai a gennaio.
Un corpus è una raccolta organizzata di testi o altri dati utilizzata per addestrare, adattare o valutare un sistema di IA. L'accesso a un corpus utile può contare quanto la capacità di elaborazione grezza per applicazioni industriali specializzate.
Il modello dei voucher fa più che ridurre le spese. Può indirizzare le startup verso fornitori locali di infrastrutture e incoraggiarle a sviluppare attorno a chip, servizi di modelli e dataset supportati.
Ciò crea un ciclo strategico di feedback. Le applicazioni sovvenzionate generano domanda di calcolo nazionale. Una domanda più elevata offre alle aziende di chip e piattaforme maggiori opportunità di migliorare compatibilità, prestazioni e supporto agli sviluppatori.
Il rischio è che i sussidi possano anche nascondere un'economia debole. Un progetto può sembrare sostenibile finché i crediti coprono la sua bolletta di inferenza, per poi incontrare difficoltà quando deve sostenere l'intero costo operativo.
La misurazione basata sui token rende questo problema più facile da individuare. Funzionari e investitori possono confrontare la capacità installata con il consumo effettivo, la fidelizzazione dei clienti, la qualità delle risposte e le attività che generano ricavi.
Per gli acquirenti aziendali, questo è più utile dell'ennesimo benchmark da titolo. La domanda centrale non è quanti processori contenga un cluster. È quanto affidabilmente il sistema completi il lavoro a un costo accettabile.
Ecco perché la politica di Shanghai sul calcolo per l'IA ora si estende oltre il data center. Collega la spesa infrastrutturale ad agenti industriali, modelli specializzati, robotica e software utilizzati all'interno delle fabbriche.
I chip nazionali devono compensare a livello di sistema
Il problema più difficile per Shanghai è trasformare processori nazionali eterogenei in sistemi di calcolo affidabili che gli sviluppatori possano utilizzare senza una costante riprogettazione.
I controlli sulle esportazioni americani hanno limitato l'accesso della Cina ad alcuni acceleratori di IA avanzati e a tecnologie per semiconduttori. Queste restrizioni hanno aumentato la pressione sulle aziende cinesi affinché sviluppino processori, metodi di packaging, sistemi di rete e alternative software.
Il confronto con Nvidia resta inevitabile. Il vantaggio di Nvidia non si limita alle prestazioni grezze dei chip. Il suo ambiente software CUDA, le librerie, la comunità di sviluppatori e i progetti server consolidati riducono il lavoro necessario per implementare modelli di grandi dimensioni.
Shanghai non può sostituire quell'ambiente con l'annuncio di un solo acceleratore. Ha bisogno che un gruppo di aziende di chip, costruttori di sistemi, fornitori cloud, sviluppatori di modelli e clienti migliori insieme.
La città ospita già diverse aziende rilevanti. Biren Technology e MetaX sviluppano processori grafici general-purpose per carichi di lavoro di IA, mentre Iluvatar CoreX ha perseguito progetti di GPU nazionali per data center.
Altri team di Shanghai stanno esplorando architetture che evitano un confronto diretto sui GPU convenzionali più avanzati. Lightelligence sviluppa sistemi di calcolo ottico, che utilizzano la luce per attività selezionate di elaborazione dati e comunicazione.
L'azienda sta implementando congiuntamente a Shanghai un cluster supernodo da 10.000 GPU. Il fondatore Shen Yichen ha descritto l'integrazione di sistema e il packaging fotonica-elettronica come colli di bottiglia persistenti.
Questa precisazione è importante. Un componente ottico può funzionare bene in laboratorio pur restando difficile da assemblare, raffreddare, produrre, programmare e collegare all'interno di un server commerciale.
Dongfang Suanxin ha intrapreso un'altra strada con il DF1000, un chip di IA 3D near-memory presentato al WAIC 2026. Il calcolo near-memory colloca gli elementi di elaborazione vicino alla memoria per ridurre il tempo e l'energia impiegati nello spostamento dei dati.
I processori tradizionali trasferiscono frequentemente informazioni tra componenti di memoria e calcolo separati. Questo spostamento crea un collo di bottiglia noto come memory wall, soprattutto durante l'inferenza di IA ad alta intensità di dati.
Il DF1000 impila i componenti in una struttura tridimensionale. L’azienda afferma che il design può migliorare il movimento dei dati e ridurre la dipendenza dai processi produttivi più avanzati.
Questa affermazione non ha ancora ricevuto un’ampia validazione tramite benchmark indipendenti. Gli acquirenti necessitano ancora di prove su prestazioni applicative, compatibilità software, resa produttiva, affidabilità e costo totale del sistema.
Anche la Tongji University ha introdotto una Moving Horizon Unit specializzata per veicoli autonomi, robot e droni. Il chip è progettato per osservare ripetutamente le condizioni, calcolare una risposta e aggiornare le azioni di una macchina.
Questi processori specializzati illustrano l’approccio più ampio di Shanghai. Invece di far passare ogni carico di lavoro attraverso un unico acceleratore generico, gli sviluppatori possono abbinare architetture specifiche all’AI edge, alla robotica, al calcolo scientifico o al controllo industriale.
L’AI edge esegue i modelli vicino al dispositivo che produce i dati, anziché inviare ogni input a un cloud remoto. Può ridurre la latenza e l’uso della rete, anche se i dispositivi più piccoli impongono di solito limiti rigorosi a memoria e potenza.
La città beneficia della vicinanza tra applicazioni e progettisti di chip. Un’azienda di robotica può segnalare problemi di latenza, una fabbrica può individuare lacune di affidabilità e uno sviluppatore di veicoli può evidenziare vincoli di potenza o termici.
Questo feedback può migliorare un prodotto più rapidamente di una gara di benchmark isolata. Consente inoltre ai fornitori locali di ottimizzare sistemi completi attorno alle tecnologie di produzione disponibili.
Tuttavia, combinare più chip non elimina automaticamente il divario di prestazioni. I grandi cluster richiedono interconnessioni veloci, pianificazione efficiente, memoria affidabile, raffreddamento e software che distribuisca il lavoro senza sprecare capacità.
Un cluster costruito con processori meno efficienti può richiedere più elettricità e spazio fisico. Può inoltre creare più punti di guasto e imporre costi di manutenzione maggiori.
Le stime del settore citate in recenti reportage collocano Huawei vicino a Nvidia nel mercato cinese dei chip AI del 2025, con ciascuna azienda attorno al 40%. Gli analisti si aspettavano che Huawei guadagnasse quota mentre la posizione di Nvidia si indeboliva a causa delle restrizioni di fornitura.
Queste stime mostrano progressi verso la sostituzione domestica, ma non dimostrano una completa indipendenza. La produzione di semiconduttori dipende da attrezzature, materiali, packaging, proprietà intellettuale e processi produttivi distribuiti in vari Paesi.
La spinta di Shanghai sui chip è quindi una scommessa a livello di sistema. La città non ha bisogno che ogni componente domestico guidi individualmente il mercato globale. Ha bisogno di componenti sufficienti che funzionino insieme a un livello di costo e affidabilità in grado di sostenere applicazioni reali.
Le applicazioni sono il test, non l’esposizione
Shanghai rafforzerà la propria posizione nell’AI solo se le infrastrutture sovvenzionate produrranno lavoro ripetibile all’interno di fabbriche, laboratori, veicoli e servizi pubblici.
Il pacchetto di politiche di luglio della città per il manifatturiero offre sostegno a modelli industriali, sistemi di coding AI, AI fisica, agenti, software industriale e dataset specializzati.
I progetti qualificati per tecnologie core possono ricevere supporto fino a 20 milioni di yuan. I progetti di sicurezza per modelli industriali e agenti possono ricevere fino a 10 milioni di yuan, mentre alcune piattaforme di dataset possono ricevere fino a 20 milioni di yuan.
Le misure incoraggiano inoltre le piattaforme di calcolo industriale a offrire accesso di prova a strumenti per agenti low-code, crediti token e supporto computazionale.
Questi programmi affrontano un problema pratico di adozione. I produttori possiedono spesso dati operativi di valore, ma tali informazioni sono distribuite tra macchinari, documenti tecnici, registri di manutenzione e sistemi interni.
Un modello industriale necessita di più del testo pubblico di internet. Deve lavorare con terminologia di settore, stati delle apparecchiature, limiti di sicurezza, controlli di accesso e flussi di lavoro specifici utilizzati dai dipendenti.
Un agente utile in fabbrica potrebbe confrontare un avviso di un sensore con la cronologia di manutenzione, i manuali tecnici e le recenti modifiche alla produzione. Deve quindi mostrare le proprie prove e inoltrare la raccomandazione a un ingegnere autorizzato.
Questo flusso di lavoro impone requisiti su qualità dei dati, recupero delle informazioni, latenza e responsabilità. Una risposta fluente non è sufficiente quando un errore può fermare la produzione o danneggiare le apparecchiature.
Le organizzazioni che valutano tali sistemi necessitano innanzitutto di un livello informativo ricercabile. Una base di conoscenza ingegneristica ben mantenuta può aiutare i team a organizzare i documenti tecnici prima di aggiungere decisioni automatizzate.
Shanghai ha diversi settori nei quali questo approccio può essere testato, tra cui produzione automobilistica, semiconduttori, farmaceutica, finanza, spedizioni e attrezzature avanzate.
La robotica offre un altro caso d’uso visibile. Oltre 300 robot al WAIC hanno svolto attività tra produzione e servizi quotidiani, ma le prestazioni in esposizione restano diverse dall’operatività di lungo periodo.
Un robot di fabbrica deve ripetere compiti in presenza di illuminazione variabile, diversa disposizione degli oggetti, usura delle apparecchiature e attività umana. Deve inoltre disporre di manutenzione prevedibile e di una procedura chiara per il fallimento in sicurezza.
Le applicazioni scientifiche impongono requisiti diversi. I ricercatori possono dare priorità all’accesso ai dati, alla riproducibilità, a metodi numerici specializzati e alla possibilità di ispezionare i risultati intermedi.
I servizi pubblici introducono questioni di privacy e governance. Un sistema AI cittadino può influire su residenti che non hanno scelto la tecnologia e che non possono facilmente cambiare fornitore dopo un errore.
Queste differenze spiegano perché un unico modello generale non risolverà la sfida applicativa di Shanghai. Ogni settore necessita di metodi di valutazione legati ai propri rischi e risultati desiderati.
Gli indicatori più credibili deriveranno dall’uso continuativo. Gli acquirenti dovrebbero cercare minori fermi delle apparecchiature, cicli di progettazione più rapidi, consumi energetici ridotti, maggiore accuratezza delle ispezioni o flussi di ricerca più brevi.
I conteggi pubblicati delle applicazioni meritano cautela. Un modello registrato, un progetto pilota finanziato o una dimostrazione in conferenza non rappresentano necessariamente un’implementazione commerciale attiva.
La stessa preoccupazione vale per l’utilizzo della potenza di calcolo. Una città può annunciare una capacità considerevole mentre i carichi di lavoro restano concentrati presso un ristretto numero di grandi aziende.
I 60 EFLOPS riportati da Shanghai di potenza di calcolo intelligente pubblica mostrano la disponibilità dell’infrastruttura. Non rivelano però quanto uniformemente venga utilizzata la capacità, quanto paghino i clienti o con quale frequenza gli sviluppatori incontrino problemi di compatibilità.
L’energia crea un altro vincolo. L’Agenzia Internazionale dell’Energia prevede che il consumo globale di elettricità dei data center aumenti da circa 485 terawattora nel 2025 a circa 945 terawattora nel 2030, come descritto nel suo rapporto sui data center.
La Cina sta collocando alcuni centri di calcolo vicino a risorse di energia rinnovabile nelle regioni occidentali. Collegamenti di rete ad alta velocità connettono poi tali strutture ai poli tecnologici costieri.
Questo può ridurre la pressione sulla rete elettrica locale di Shanghai, ma la distanza influisce sulla latenza e sulla complessità operativa. Un grande lavoro di addestramento può tollerare più facilmente l’elaborazione remota rispetto a un robot che richiede una risposta immediata.
Gli sviluppatori devono decidere quale lavoro appartenga a un cluster occidentale, a un data center di Shanghai o a un dispositivo edge. La risposta dipende dalla sensibilità dei dati, dal tempo di risposta, dal costo dell’energia, dall’affidabilità della rete e dalla dimensione del modello.
La strategia full-stack della città è progettata per sostenere queste scelte. Il suo successo dipenderà dal fatto che le connessioni tra gli strati restino utilizzabili dopo che i sussidi e l’attenzione delle conferenze saranno svaniti.
Tre segnali mostreranno se la scommessa di Shanghai funziona
Le prossime prove dovranno derivare dall’utilizzo, dalle implementazioni commerciali di chip e da risultati industriali misurabili.
Il primo segnale è il consumo sostenuto di token sulle piattaforme di calcolo pubbliche e commerciali di Shanghai. Un uso in crescita dimostrerebbe che modelli e agenti stanno andando oltre le dimostrazioni isolate.
La versione più forte di questo segnale includerebbe fidelizzazione dei clienti, diversità dei carichi di lavoro e un miglioramento del costo per attività completata. La sola crescita grezza dei token può riflettere modelli inefficienti o sperimentazione sovvenzionata.
Se l’utilizzo rimane basso nonostante la nuova capacità, la città potrebbe aver costruito infrastrutture più rapidamente di quanto le applicazioni possano assorbirle. Ciò indebolirebbe l’argomento secondo cui l’investimento coordinato crea la propria domanda.
Il secondo segnale è costituito da prove indipendenti provenienti da implementazioni di chip domestici. I chip AI di Shanghai necessitano di benchmark pubblici che coprano modelli reali, uso energetico, scalabilità dei cluster, tassi di guasto e migrazione del software.
Gli annunci su processori ottici, design near-memory e GPU domestiche restano indicatori di ricerca significativi. I contratti commerciali e gli ordini ripetuti fornirebbero una prova più forte.
Osservate il progetto di supernodo ottico da 10.000 GPU associato a Lightelligence. Un’implementazione stabile sosterrebbe l’argomentazione di Shanghai secondo cui architetture alternative possono migliorare i grandi sistemi di calcolo.
Osservate anche il DF1000. I test dei clienti potrebbero rivelare se il suo design near-memory offre benefici pratici al di fuori di dimostrazioni controllate.
Il terzo segnale è il valore misurabile delle applicazioni industriali. La politica manifatturiera di Shanghai dovrebbe produrre progetti pilota che coinvolgano agenti, dataset, robotica, software industriale e AI fisica.
La città deve divulgare risultati che gli acquirenti possano valutare. Misure utili includono continuità operativa della produzione, prestazioni delle ispezioni, costo dell’inferenza, consumo energetico, adozione da parte dei dipendenti e tempo risparmiato.
Un lungo elenco di progetti finanziati non risolverebbe la questione. Il risultato più solido sarebbe rappresentato da più organizzazioni che rinnovano le implementazioni con i propri budget.
La concorrenza modellerà tutti e tre i segnali. Huawei, Alibaba, Baidu e altre grandi aziende tecnologiche cinesi possono fornire modelli, cloud, chip e piattaforme per sviluppatori al di fuori dei programmi locali di Shanghai.
Le aziende americane restano rilevanti anche quando il loro hardware più recente è soggetto a restrizioni. Le loro pratiche software, i rilasci di modelli e l’economia delle infrastrutture continuano a fissare benchmark per gli acquirenti globali.
Shanghai deve quindi competere su più del sostegno politico o della capacità installata. Ha bisogno di strumenti prevedibili, sicurezza credibile, dati accessibili, inferenza accessibile e sistemi che gli ingegneri possano mantenere.
La città entra in questa competizione con vantaggi significativi. Possiede una grande economia industriale, istituzioni di ricerca, progettisti di chip, aziende di modelli, investitori e acquirenti governativi in stretta prossimità.
Affronta inoltre debolezze reali. La fornitura di processori domestici resta disomogenea, le architetture alternative necessitano di validazione commerciale e i progetti pilota sovvenzionati possono oscurare la disponibilità dei clienti a pagare.
Questa combinazione rende l’esperimento di Shanghai degno di essere seguito. Sta verificando se un cluster industriale regionale possa compensare l’accesso limitato all’hardware di frontiera attraverso il coordinamento dell’intero stack AI.
Il prossimo titolo di Google News probabilmente metterà in evidenza un altro chip, robot, cluster o programma di finanziamento. I lettori dovrebbero guardare oltre il singolo annuncio e porsi tre domande.
La nuova capacità viene utilizzata dopo la scadenza dei crediti di prova? I processori domestici completano carichi di lavoro reali con affidabilità e consumo energetico accettabili? I clienti industriali stanno espandendo le implementazioni con denaro proprio?
Le risposte determineranno se Shanghai abbia costruito un vantaggio AI duraturo o un’ambiziosa raccolta di progetti infrastrutturali. Seguite le implementazioni, confrontate i dati operativi e considerate ogni affermazione da vetrina come l’inizio della verifica, non la sua conclusione.
