Trasformazione dei settori

La corsa all’IA sovrana: perché ogni Paese vuole un proprio modello di base

Mistral valutata 21 miliardi di euro, l’India che punta a 200.000 GPU e un modello nazionale saudita basato su pesi aperti cinesi: che cosa acquistano davvero i Paesi quando investono nell’IA sovrana, e che cosa resta soggetto a licenze con

Gabriele Masetti · 2026-09-18

Un termine coniato da Nvidia e il conto che ora le nazioni pagano

«IA sovrana» è nata come espressione di marketing. Nvidia l’ha resa popolare qualche anno fa per descrivere la capacità di un paese di produrre intelligenza artificiale usando infrastrutture, dati e personale propri: modelli addestrati sulle lingue e sul contesto culturale locali, eseguiti su hardware fisicamente situato entro i confini nazionali e soggetti alle leggi del paese anziché alle condizioni di servizio di un fornitore di cloud straniero. Non a caso, era anche un ottimo modo per vendere GPU a ministeri delle Finanze che non avevano mai acquistato un data center.

L’espressione ha preso piede perché dava un nome a qualcosa di reale. Nel 2025, capi di Stato, fondi sovrani e operatori storici delle telecomunicazioni di oltre una dozzina di paesi partecipavano alla conferenza GTC di Nvidia per parlare dei propri piani nazionali per l’IA, e Jensen Huang ha dedicato loro un intero programma, il «Sovereign AI Summit».

Per un certo periodo Nvidia ha riportato l’IA sovrana come voce distinta, affermando che il giro d’affari era più che triplicato rispetto all’anno precedente, superando i 30 miliardi di dollari nell’esercizio 2026. Da allora la voce è confluita nei dati aggregati. I risultati del trimestre conclusosi il 26 luglio 2026, comunicati un mese dopo, mostrano ricavi per 96,2 miliardi di dollari e ricavi dei data center per 89,0 miliardi di dollari, senza una voce separata per l’IA sovrana. Lo stesso comunicato afferma che la società «non prevede alcun ricavo dalla capacità di calcolo dei data center in Cina» nelle sue prospettive: una frase che descrive la questione meglio di qualsiasi discorso programmatico a un summit.

A spingere questa corsa è una preoccupazione autentica, non soltanto la promozione dei fornitori. I governi hanno visto arrivare l’ondata dell’IA generativa quasi interamente da un ristretto gruppo di laboratori americani — OpenAI, Google, Anthropic, Meta — seguita a breve distanza da una contro-ondata cinese guidata da DeepSeek, Alibaba e altri. Nessuno dei due gruppi addestra i propri modelli principalmente in hindi, arabo, giapponese, coreano o nelle undici lingue ufficiali del Sud-est asiatico. Né l’uno né l’altro deve rispondere alle norme di un governo straniero sulle licenze di esportazione, sulla protezione dei dati o sugli appalti.

Per un paese che si aspetta di trovare l’IA nei propri ospedali, tribunali, uffici tributari e forze armate entro un decennio, «useremo semplicemente il miglior modello americano o cinese disponibile» non è una politica: è un’esposizione al rischio. Così una coalizione insolitamente ampia di Stati, dalle monarchie del Golfo alle repubbliche europee fino alle democrazie dell’Asia orientale, è giunta indipendentemente alla stessa conclusione: servono modelli fondativi propri, capacità di calcolo proprie e, preferibilmente, chip propri.

La scommessa del Golfo sull’intera filiera

Nessuna regione si è mossa più rapidamente o ha speso in modo più visibile del Golfo. Il Technology Innovation Institute (TII) degli Emirati Arabi Uniti, un ente di ricerca governativo con sede ad Abu Dhabi, sviluppa dal 2023 la famiglia Falcon di modelli linguistici a pesi aperti e nel maggio 2025 ha rilasciato Falcon Arabic — il primo modello in lingua araba della serie Falcon, che secondo TII supera gli altri modelli arabi disponibili nella regione nell’Open Arabic LLM Leaderboard — insieme a Falcon H1, un’architettura più efficiente progettata per funzionare bene su hardware dalle capacità modeste.

TII fa parte di un ecosistema più ampio imperniato su G42, il conglomerato di Abu Dhabi attivo nell’IA, le cui controllate spaziano dalle infrastrutture cloud all’IA per la sanità fino alla tecnologia spaziale, e che è diventato il principale strumento degli Emirati Arabi Uniti per la diplomazia dell’IA con Washington.

L’Arabia Saudita ha scelto una strada che richiede investimenti ancora maggiori. HUMAIN, una società controllata dal Public Investment Fund presieduto dal principe ereditario Mohammed bin Salman, è stata lanciata nel maggio 2025 con un mandato che comprende data center, cloud, modelli e applicazioni. Il primo accordo con Nvidia prevede un’installazione iniziale di 18.000 sistemi GB300 Grace Blackwell, destinata a crescere fino a diverse centinaia di migliaia di GPU e a circa 500 megawatt di capacità nell’arco di cinque anni. A questo si affianca un accordo separato che prevede l’installazione, da parte della Saudi Data & AI Authority, di un massimo di 5.000 GPU Blackwell per una fabbrica nazionale di IA e applicazioni per le città intelligenti.

Un punto cruciale è che nulla di tutto questo avviene senza il via libera di Washington: secondo quanto riportato, le autorizzazioni statunitensi all’esportazione per HUMAIN consentono acquisti equivalenti a un massimo di 35.000 chip della classe GB300, a condizione che siano rispettati requisiti di sicurezza e comunicazione dei dati. È un promemoria del fatto che, nel Golfo, la capacità di calcolo «sovrana» resta una sovranità concessa in licenza da una potenza esterna.

Il modello di HUMAIN è arrivato il 3 settembre 2026. humain-m3, presentato come modello linguistico arabo di frontiera in anteprima di ricerca, è stato sviluppato da MiniMax — un laboratorio cinese — sulla base del suo modello M3. Il campione nazionale saudita dell’IA utilizza chip americani per acquistare i quali ha bisogno di una licenza statunitense, offrendo un modello costruito su pesi aperti cinesi. Al livello con cui il pubblico interagisce davvero, la sovranità si è rivelata un lavoro di integrazione.

La risposta dell’Europa passa per Parigi

La Francia ha puntato la sua strategia per un’IA sovrana su un unico campione nazionale: Mistral AI, la startup parigina fondata nel 2023 che è quanto di più vicino l’Europa abbia a un concorrente di OpenAI o Anthropic nello sviluppo di modelli di frontiera. Lo Stato francese non possiede Mistral, ma il rapporto si configura come un allineamento strategico: Bpifrance, la banca pubblica d’investimento, ha coinvestito nei round di finanziamento di Mistral, e l’azienda si avvale di infrastrutture pubbliche come il supercomputer Jean Zay.

Nel settembre 2025, il round di finanziamento Series C di Mistral ha raccolto 1,7 miliardi di euro sulla base di una valutazione di 11,7 miliardi di euro. A guidarlo è stato ASML, il gigante delle apparecchiature per la produzione di chip. L’azienda ha inoltre lanciato «Mistral Compute», un cluster di 18.000 GPU Nvidia Grace Blackwell ospitato in un data center da 40 megawatt nella regione dell’Essonne.

Da allora la valutazione è quasi raddoppiata. L’8 settembre 2026 Mistral ha annunciato un round Series D da 3 miliardi di euro, con una valutazione post-money superiore a 21 miliardi di euro, presentandolo come un passo per fare dell’IA sovrana e con pesi aperti una tecnologia di frontiera, anziché un ripiego. Un mese prima aveva annunciato inferenza erogata all’interno della regione, modelli aperti e nuove infrastrutture europee: una risposta all’obiezione precisa secondo cui un modello europeo servito da un data center americano non è un modello europeo.

La Francia ha inoltre annunciato impegni per circa 109 miliardi di euro in infrastrutture per l’IA all’AI Action Summit di Parigi, nel febbraio 2025 — tra i maggiori impegni sovrani nel settore dell’IA al di fuori degli Stati Uniti e della Cina — oltre a uno stanziamento separato di 655 milioni di euro per strumenti di IA sviluppati appositamente per la pubblica amministrazione francese. Mistral ha anche iniziato a fornire modelli per applicazioni militari francesi, portando l’argomento della sovranità direttamente negli appalti della difesa.

Bruxelles, nel frattempo, cerca di costruire la sovranità a livello dell’Unione, anziché lasciarla ai singoli Stati membri. L’iniziativa InvestAI, presentata allo stesso vertice di Parigi, punta a mobilitare circa 200 miliardi di euro di investimenti nell’IA nell’UE entro il 2030, di cui circa 50 miliardi di euro di fondi pubblici e una componente privata molto più ampia: un obiettivo che diversi analisti europei hanno poi criticato perché esprimerebbe più un’aspirazione che capitali già impegnati.

Un elemento più concreto è l’InvestAI Facility da 20 miliardi di euro, destinata a contribuire alla costruzione di un massimo di cinque «AI Gigafactories», ciascuna progettata per ospitare ben oltre 100.000 processori avanzati per l’IA. A questa si affianca il programma AI Factories della EuroHPC Joint Undertaking, che nel dicembre 2024 ha selezionato sette consorzi — distribuiti tra Finlandia, Germania, Grecia, Italia, Lussemburgo, Spagna e Svezia e con il coinvolgimento di oltre quindici Stati membri e associati — per sviluppare capacità di addestramento dell’IA sulla rete europea di supercalcolo esistente.

L’obiettivo dichiarato, nelle parole della stessa Commissione europea, è ridurre la dipendenza dai fornitori non europei di capacità di calcolo. Se sia possibile raggiungerlo mentre i chip alla base di queste infrastrutture continuano a provenire quasi interamente da Nvidia è un’altra questione.

I percorsi paralleli dell’Asia

Tra le grandi democrazie, l’India è quella che affida allo Stato il ruolo più incisivo. La IndiaAI Mission, avviata dal governo nel 2024 con uno stanziamento di circa ₹10.372 crore (nell’ordine di 1,25 miliardi di dollari), si è proposta di sviluppare contemporaneamente capacità di calcolo nazionali, dataset e modelli fondazionali sovrani.

Contare le GPU del pool condiviso è più difficile di quanto dovrebbe: secondo la fonte e il mese, le cifre pubblicate per la capacità dei fornitori accreditati all’inizio del 2026 andavano da 38.000 a 58.000 processori. L’obiettivo, invece, è chiaro. Il 27 febbraio 2026, al Rising Bharat Summit, Ashwini Vaishnaw ha fissato il traguardo della missione a 2 lakh — 200.000 — GPU. Gran parte della capacità arriva dalle infrastrutture realizzate da aziende come L&T e Yotta; la sola piattaforma «Shakti Cloud» di Yotta porta online più di 20.000 GPU Blackwell Ultra.

Per il suo principale progetto di sviluppo di modelli, la missione ha scelto Sarvam AI, selezionata nell’aprile 2025 come perno dell’ecosistema indiano di LLM sovrani. L’azienda ha reso open source due modelli mixture-of-experts, Sarvam-30B e il più grande Sarvam-105B, entrambi addestrati usando la capacità di calcolo della IndiaAI Mission e presentati all’India AI Impact Summit nel febbraio 2026. Un’iniziativa distinta, BharatGen, ha rilasciato il proprio modello multilingue, Param2, con lo stesso obiettivo: offrire una copertura adeguata alle numerose lingue ufficiali dell’India, una priorità che nessun laboratorio straniero all’avanguardia ha fatto propria. L’idea di puntare su un unico soggetto di riferimento non ha retto allo sviluppo del programma: sono arrivate centinaia di proposte di modelli, decine delle quali riguardavano modelli linguistici di grandi dimensioni, e i modelli di BharatGen, sviluppati all’IIT Bombay, hanno proceduto in parallelo a quelli di Sarvam fin dall’inizio.

Il Giappone punta su modelli più piccoli e sull’efficienza, anche per via dei suoi stringenti vincoli energetici. Dal 2024 il programma GENIAC, sostenuto dal governo e gestito tramite NEDO, ha dato a decine di progetti nazionali di IA accesso a cluster di GPU sovvenzionati nell’arco di due cicli di sei mesi. Il beneficiario più visibile è Sakana AI, una startup di Tokyo fondata nel 2023 dagli ex ricercatori di Google David Ha, Llion Jones e Ren Ito. L’azienda ha raccolto 135 milioni di dollari in un round di serie B, sulla base di una valutazione di 2,65 miliardi di dollari, per sviluppare modelli efficienti nell’uso della capacità di calcolo e in sintonia con la cultura locale, destinati ad applicazioni nella finanza e nella difesa, anziché tentare di superare la Silicon Valley sul piano della scala.

Sul fronte delle imprese, la controllata di SoftBank SB Intuitions ha sviluppato un proprio LLM, Sarashina — un modello da circa 460 miliardi di parametri secondo la stessa SoftBank — e nel novembre 2025 ne ha lanciato una versione più leggera, destinata alle imprese, Sarashina mini, come API. SoftBank ha dichiarato che, a partire da giugno 2026, distribuirà servizi di IA generativa basati su Sarashina attraverso la sua piattaforma «Cloud PF Type A», basata su Oracle Alloy, presentando esplicitamente l’iniziativa come un modo per preservare la sovranità dei dati.

NTT ha seguito un percorso parallelo, con modelli di dimensioni più contenute, sviluppando tsuzumi, un LLM leggero (disponibile in versioni da 0,6 miliardi e 7 miliardi di parametri) costruito interamente da zero, anziché adattato da una base open source esistente. Il suo aggiornamento dell’ottobre 2025, tsuzumi 2, si rivolge ai settori finanziario, medico e pubblico ed è presentato come un’alternativa nazionale più sicura e più capace di comprendere le specificità culturali rispetto all’impiego di modelli occidentali in ogni processo interno.

La Corea del Sud ha affiancato a un analogo impegno sui modelli un’espansione insolitamente ampia della capacità di calcolo. Naver, la principale società internet del paese, continua a sviluppare la sua famiglia di modelli HyperCLOVA X e, al tempo stesso, ad ampliare una partnership con Nvidia per un cloud sovrano basato su un data center di scala gigawatt. Nell’ottobre 2025 il Ministero della Scienza e delle TIC ha dichiarato che avrebbe distribuito fino a 50.000 GPU Nvidia tra un nuovo Centro nazionale di calcolo per l’IA e fornitori di cloud nazionali, tra cui NHN Cloud, Kakao e Naver Cloud, nell’ambito di uno sviluppo nazionale che Nvidia ha quantificato in più di 260.000 GPU tra cloud sovrani e fabbriche di IA. Alla fine di luglio 2026 Naver, Nvidia e Brookfield hanno messo circa 10 miliardi di dollari a sostegno dell’espansione di quella fabbrica nazionale di IA da 55 a 200 megawatt entro il 2028, con finanziamenti fino a 9 miliardi di dollari da parte di Brookfield e un investimento di circa 1 miliardo di dollari da parte di Nvidia.

Singapore, senza le ambizioni dei suoi vicini più grandi in termini di capacità di calcolo, si è invece concentrata sulla copertura linguistica: la famiglia SEA-LION di modelli open source di AI Singapore, addestrata su circa mille miliardi di token con una forte presenza delle undici lingue ufficiali del Sud-est asiatico — tra cui thailandese, vietnamita, birmano, khmer e lao — è stata creata appositamente per rimediare alle difficoltà dei principali modelli occidentali nel gestire le lingue della regione per le quali sono disponibili poche risorse.

Il collo di bottiglia dei chip alla base di tutto

Tutti questi programmi nazionali si scontrano con lo stesso ostacolo: quasi tutti dipendono dall’hardware di Nvidia, e le esportazioni di quell’hardware sono uno strumento della politica estera statunitense. L’«AI Diffusion Rule» dell’amministrazione Biden, emanata nel gennaio 2025, cercava di formalizzare questa situazione suddividendo il mondo intero in fasce: agli alleati più stretti garantiva un accesso sostanzialmente illimitato alle GPU di punta, a una fascia intermedia imponeva limiti quantitativi e licenze, mentre agli Stati avversari precludeva l’accesso.

La norma non è mai entrata in vigore. L’amministrazione Trump l’ha revocata nel maggio 2025, sostenendo che alienasse i governi partner e cedesse quote di mercato ai fornitori non statunitensi. Al posto delle fasce valide per tutti ha introdotto accordi bilaterali, come quello tra HUMAIN e Nvidia in Arabia Saudita.

Nel corso dello stesso anno, la politica verso la Cina ha subìto oscillazioni ancora più brusche. Il chip H20 di Nvidia, progettato specificamente per il mercato cinese, era stato sviluppato apposta per rispettare i requisiti della fascia meno restrittiva della Diffusion Rule. Nell’aprile 2025, però, il Dipartimento del Commercio ha cambiato posizione e ne ha comunque bloccato l’esportazione. Ha poi cambiato nuovamente rotta in luglio e agosto, rilasciando licenze di esportazione a condizioni che, secondo quanto riferito, prevedevano una quota del 15% dei proventi per il governo statunitense. A quel punto, le autorità di regolamentazione cinesi hanno scoraggiato gli acquirenti nazionali dall’acquistare i chip per motivi di sicurezza, mettendo di fatto fine al prodotto indipendentemente da ciò che Washington consentiva.

Nel dicembre 2025 l’amministrazione ha cambiato ancora direzione, aprendo alla vendita in Cina del più potente H200, e nel maggio 2026 Washington aveva autorizzato le vendite di H200 a dieci aziende cinesi. Ne sono arrivati pochissimi. Nel gennaio 2026 agli agenti doganali cinesi era stato comunicato che l’H200 non era ammesso; a marzo Nvidia ha fermato la produzione di H200 per il mercato cinese. Ad agosto, secondo le notizie, i chip effettivamente arrivati rappresentavano una piccola frazione della quota autorizzata, e le previsioni della stessa Nvidia non includono alcun ricavo dai chip per i data center destinati al calcolo in Cina.

Entrambi i governi possono chiudere i rubinetti e nel 2026 lo hanno fatto entrambi: Washington attraverso le licenze, Pechino alla frontiera. Queste continue inversioni di rotta illustrano il problema di fondo per qualsiasi paese costruisca un’IA «sovrana» su chip statunitensi: la sovranità sul proprio modello conta poco se un governo straniero può, nel giro di pochi mesi, modificare le licenze, imporre nuove restrizioni o cambiare il prezzo dell’hardware su cui quel modello funziona.

Sovranità senza indipendenza

È questa la contraddizione che nessun materiale promozionale riesce davvero a risolvere. Un paese può addestrare un proprio modello, ospitarlo sul proprio territorio e scrivere le proprie norme sulla protezione dei dati, restando comunque interamente dipendente da un fornitore straniero per l’infrastruttura fisica su cui funziona tutto il resto. Emirati Arabi Uniti, Arabia Saudita, Francia, India, Giappone e Corea del Sud stanno tutti costruendo, per scelta o per mancanza di alternative, la propria capacità nazionale nell’IA sulle GPU di Nvidia, perché al momento non esiste un’alternativa credibile alla scala necessaria.

La Cina è l’unica grande eccezione. Anni di controlli sulle esportazioni l’hanno costretta a costruire uno stack parallelo basato sui chip Ascend di Huawei e su modelli addestrati nel paese: una forma di sovranità imposta dalle circostanze, costosa e più lenta, ma che non richiede la licenza di un governo straniero. Quello stack ha iniziato a rivolgersi anche all’esterno: il modello in arabo presentato da Riyadh nel settembre 2026 era basato su pesi aperti cinesi, non statunitensi.

I requisiti di localizzazione dei dati aggiungono un secondo livello, meno appariscente, alla stessa spinta. Il quadro normativo dell’UE sulla protezione dei dati, la legge indiana sulla protezione dei dati in evoluzione e norme simili nel Golfo e nell’Asia orientale richiedono sempre più spesso che determinate categorie di dati — registri pubblici, dati sanitari e documenti finanziari — siano elaborate e conservate entro i confini nazionali. È una forma di sovranità reale e applicabile, distinta dalla capacità di addestrare modelli di frontiera e più facile da conseguire.

È anche per questo che tante strategie nazionali per l’IA affiancano alla costruzione di modelli quella di data center: un modello addestrato nel paese che debba comunque collegarsi a un cloud straniero per l’inferenza non risolve davvero il problema della localizzazione dei dati.

Che cosa determina davvero questa corsa

La corsa all’IA sovrana non è, in realtà, una gara a chi costruisce il modello migliore: secondo la maggior parte dei benchmark pubblici, Falcon, Mistral, Sarvam e Sarashina restano tutti indietro rispetto agli attuali modelli di frontiera dei maggiori laboratori statunitensi e cinesi, e nessuno dei loro sostenitori afferma il contrario. È una gara a chi stabilisce le condizioni alle quali l’IA opera in una determinata giurisdizione: quali politiche sui contenuti si applicano, quale licenza di esportazione può interrompere l’accesso alla capacità di calcolo, quale lingua e quale ordinamento giuridico il modello comprende davvero e quale governo può essere obbligato — da un’ordinanza del tribunale, da una norma o da pressioni geopolitiche — a concedere o negare l’accesso.

Per Abu Dhabi e Parigi, Falcon e Mistral contano non tanto perché siano competitivi nelle classifiche, quanto perché non sono soggetti alla prossima inversione di rotta di un’amministrazione statunitense. È questa distinzione, non la qualità dei modelli in sé, a spingere i ministeri delle Finanze a staccare assegni a nove o dieci cifre. I chip su cui quei modelli si basano restano però soggetti esattamente a quel genere di inversione, ed è per questo che la sovranità oggi disponibile è parziale, condizionata e — come hanno mostrato le vicende degli H20 e degli H200 — revocabile nell’arco di un solo esercizio finanziario.