La guerra dei chip USA-Cina? Può portare alla riduzione delle emissioni di CO2

Nel 2019, gli Stati Uniti hanno messo Huawei in una lista nera, impedendole di comprare i chip più avanzati e le tecnologie occidentali. L'idea era chiara: tagliare i rifornimenti avrebbe bloccato l'ascesa tecnologica cinese, mantenendo gli Stati Uniti al comando dell'intelligenza artificiale. La storia, però, sta prendendo una piega diversa. Huawei non solo è sopravvissuta, ma sta inventando un modo tutto suo per competere.

Il problema: la Legge di Moore si è fermata

Per più di cinquant'anni, l'industria dei chip ha seguito la Legge di Moore: i transistor diventano sempre più piccoli, i chip sempre più potenti. Ma ormai la miniaturizzazione ha raggiunto i suoi limiti: fisicamente ed economicamente è sempre più difficile e costoso rimpicciolire i transistor. Per Huawei, che non può usare le macchine più avanzate per fabbricare chip, questo era un doppio problema.

La risposta di Huawei si chiama Legge di TAU. Invece di inseguire la miniaturizzazione a tutti i costi, Huawei punta a rendere più veloce il passaggio dei segnali all'interno del chip, riducendo i tempi di attesa. È come se, invece di cercare di mettere più operai in una fabbrica, si accelerasse il ritmo con cui i pezzi si spostano da una postazione all'altra.

LogicFolding: il chip che si "piega" in 3D

La tecnologia chiave si chiama LogicFolding. Invece di mettere tutti i circuiti su un unico piano (come una città tutta su un livello), Huawei li impila in verticale, creando un "grattacielo" di circuiti. In questo modo, i segnali elettrici hanno meno strada da fare e tutto diventa più veloce ed efficiente.

I primi risultati sono promettenti: il prossimo chip Kirin per smartphone, già in arrivo, ha quasi raddoppiato la densità dei transistor in una sola generazione, consumando molto meno energia. Un balzo che prima richiedeva tre anni di miglioramenti.

La strategia del "tanti piccoli invece di uno grande"

Huawei ha anche un'altra idea: poiché i suoi singoli chip sono meno potenti di quelli di Nvidia, l'azienda li mette insieme a centinaia, creando enormi "sciami" di chip che lavorano in parallelo. È come se, non avendo un camion enorme, si usassero tanti furgoni che viaggiano insieme.

Il sistema CloudMatrix 384 mette insieme 384 chip in un unico cluster, e in alcuni test ha già superato le prestazioni dei sistemi Nvidia più costosi.

Il boomerang delle sanzioni

Il paradosso è che le sanzioni americane, pensate per rallentare la Cina, potrebbero aver sortito l'effetto opposto. Hanno costretto le aziende cinesi a cercare alternative locali, accelerando lo sviluppo di un ecosistema tecnologico tutto cinese. Oggi giganti come Alibaba, Tencent e ByteDance usano chip Nvidia dove possibile, ma stanno già sviluppando e utilizzando chip Huawei come alternativa.

Alcune aziende cinesi hanno già addestrato modelli di intelligenza artificiale usando solo chip Huawei, con costi molto inferiori rispetto ai competitor americani.

Un mondo tecnologico che si divide

La guerra dei chip sta portando alla nascita di due sistemi tecnologici sempre più separati: uno americano e uno cinese. Non è solo una questione di chip: si stanno creando due filiere industriali diverse, due standard, due modi di fare innovazione.

Per PeaceLink, che da sempre riflette su tecnologia e pace, questa vicenda solleva domande importanti. Ma c'è anche un aspetto che merita attenzione: quello ambientale.

La sfida ecologica e l'AI distribuita

La competizione tra Cina e Stati Uniti, nella sua corsa all'intelligenza artificiale, ha un effetto collaterale inaspettato e positivo: sta spingendo entrambe le parti a ridurre i consumi energetici dei chip.

Perché? L'AI consuma quantità enormi di energia. I data center che addestrano i modelli linguistici come ChatGPT consumano elettricità come una piccola città. Questo è un problema per tutti: costa caro e danneggia il clima. Sia gli Stati Uniti che la Cina hanno capito che un'AI potente ma troppo energivora non è sostenibile, né economicamente né ecologicamente.

La Legge di TAU è anche una legge "verde"

La Legge di TAU di Huawei non serve solo a competere: riduce il consumo energetico del 41% a parità di prestazioni. Questo significa che i chip Huawei, quando saranno disponibili, potranno fare le stesse cose consumando meno della metà dell'energia.

Anche Nvidia, dal canto suo, sta spingendo verso chip sempre più efficienti, perché il mercato chiede data center che non facciano lievitare bollette e emissioni di CO₂.

La competizione, in questo caso, agisce come un motore per l'efficienza energetica: entrambi i contendenti sanno che il chip che vince non è solo il più potente, ma anche quello che consuma meno.

L'alternativa dell'AI distribuita: Qwen 3.5 e i modelli locali

Ma c'è un'altra strada, forse ancora più promettente per l'ambiente e per la democrazia tecnologica: non centralizzare tutta l'AI in enormi data center, ma distribuirla sui dispositivi che già abbiamo in casa.

Proprio in queste settimane, Alibaba ha rilasciato Qwen 3.5, una nuova famiglia di modelli AI progettati per essere leggeri, veloci e utilizzabili direttamente sui computer personali, senza bisogno di connessione al cloud .

Cosa rende speciale Qwen 3.5 dal punto di vista ecologico?

• Modelli "small": La famiglia Qwen 3.5 include modelli piccolissimi, come il Qwen3.5-0.8B, che ha solo 0,8 miliardi di parametri (contro i centinaia di miliardi dei modelli cloud come GPT-4). Questo modello pesa circa 1 GB e può funzionare su un computer con soli 3 GB di RAM. Può girare su un normale PC, su un MacBook, persino su un Raspberry Pi .

• Efficienza estrema: Grazie a una nuova architettura mista (che combina "Gated DeltaNet" e "sparse MoE"), il modello Qwen3.5-397B-A17B attiva solo 17 miliardi di parametri su 397 miliardi totali, ottenendo una velocità di generazione fino a 19 volte superiore rispetto al modello precedente, con un consumo di memoria ridotto del 60% .

• Multimodalità nativa: Qwen 3.5 non è solo un modello di testo: è un modello "nativamente multimodale", addestrato fin dall'inizio su immagini e video oltre che su testo. Questo significa che può "vedere" e descrivere ciò che lo circonda, aprendo la strada a agenti AI che interagiscono con il mondo fisico, e può girare interamente in locale, su un PC dotato anche solo di una scheda grafica modesta .

I vantaggi ecologici dell'AI fatta in casa 

Avere modelli come Qwen 3.5 che girano sui nostri dispositivi personali è una rivoluzione per tre ragioni, che trovano riscontro nella ricerca scientifica sulla sostenibilità dell'AI.

1. Risparmio energetico. Uno studio recente ha confrontato l'impronta ambientale dell'inferenza di modelli AI su cloud e su dispositivi edge, dimostrando che il deployment su piattaforme edge riduce significativamente l'impronta di carbonio e il consumo di acqua rispetto al cloud . La ricerca sull'AI verde (Green Machine Learning) conferma che l'adozione di architetture leggere e l'inferenza su dispositivi a basso consumo sono tra le strategie più promettenti per ridurre l'impatto ambientale dell'AI . Anche il framework EcoThink ha dimostrato che è possibile ridurre l'energia di inferenza in media del 40,4% (e fino all'81,9% per compiti di recupero di conoscenza) senza perdita significativa di prestazioni, semplicemente evitando ragionamenti non necessari per domande semplici . Un sistema ibrido che usa l'AI locale per le domande semplici e il cloud solo per quelle complesse potrebbe ridurre i consumi energetici complessivi in modo drastico.

2. Privacy e indipendenza. I dati non escono dal nostro computer. Nessuna azienda o governo li intercetta o li usa per addestrare i propri modelli. Riacquistiamo il controllo sulla nostra intelligenza artificiale, che diventa uno strumento personale e non un servizio esterno. La ricerca sul federated learning dimostra che è possibile ottenere ottime prestazioni (miglioramento del 12% rispetto a modelli isolati) mantenendo i dati privati e decentralizzati . Anche il framework GreenDFL conferma che è possibile ottimizzare la sostenibilità dei sistemi di apprendimento decentralizzato senza compromettere le prestazioni del modello .

3. Democratizzazione. Un'AI che gira su un PC di casa è accessibile a tutti, non solo a chi può pagare costosi abbonamenti o a chi ha connessioni ultraveloci. Questo abbassa le barriere tecnologiche e riduce il divario digitale, in linea con i valori di Pace e Giustizia Sociale che ispirano PeaceLink. Uno studio pubblicato su IEEE Transactions on Sustainable Computing ha valutato modelli "sufficientemente buoni" per compiti lavorativi quotidiani, dimostrando che modelli più piccoli come Gemma-3 e Phi-4 offrono prestazioni solide con costi e impatto ambientale significativamente inferiori rispetto a GPT-4o, supportando la loro adozione dove contano efficienza, uso locale e privacy.

Un futuro più verde basato sulla ricerca 

La guerra dei chip, che sembrava solo uno scontro geopolitico, potrebbe diventare anche una gara a chi inquina meno. E questo è già un motivo di speranza. Ma la vera opportunità è forse un'altra: costruire un'intelligenza artificiale distribuita, fatta di tanti piccoli modelli che girano sui nostri dispositivi, che si parlano tra loro e che collaborano.

La ricerca sta sviluppando strumenti come G-TRACE per quantificare le emissioni di CO₂ dell'AI in modo geograficamente consapevole, e propone modelli di governance come la Piramide della Sostenibilità dell'AI per tradurre i dati in politiche concrete . Altri studi stanno sviluppando equazioni per stimare le emissioni di CO₂ equivalente attraverso il continuo computazionale che va dal cloud all'edge . La sfida ora è standardizzare le metodologie di misurazione e rendere trasparenti i dati sulle emissioni: più dell'84% dei modelli commerciali rilasciati dal 2022 non fornisce alcuna informazione sul proprio consumo energetico o sulle emissioni di carbonio .

Un'AI così è più più democratica, rispettosa della privacy e, soprattutto, molto più sostenibile per il pianeta. Chi ha bisogno di fare un riassunto di un lungo testo o chi ha bisogno di correggere e migliorare la propria relazione lo potrà fare su un portatile leggero, con un'Intelligenza Artificiale gestita in locale e senza dover sfruttare la superpotenza dei data center.

Glossario

• Legge di Moore. Principio storico secondo cui il numero di transistor su un chip raddoppia ogni due anni, aumentando prestazioni e riducendo costi. Sta incontrando limiti fisici e economici.

• Legge di TAU (τ). Nuovo paradigma di Huawei che sostituisce la miniaturizzazione (geometric scaling) con l'ottimizzazione della velocità del segnale (time scaling), riducendo i ritardi di propagazione.

• LogicFolding. Tecnologia di Huawei che impila i circuiti in 3D (logici, analogici e di memoria), accorciando i percorsi dei segnali e migliorando densità ed efficienza.

• CloudMatrix 384. Cluster di calcolo AI di Huawei che combina 384 chip Ascend 910C, offrendo prestazioni di inferenza 3-4 volte superiori a Nvidia H20.

• Qwen 3.5. Famiglia di modelli AI open-source di Alibaba, con versioni "small" (0.8B-9B parametri) progettate per girare localmente su PC, riducendo consumi e dipendenza dal cloud.

• EcoThink. Framework di inferenza adattiva che riduce i consumi energetici dell'AI del 40,4% evitando ragionamenti superflui per domande semplici.

• GreenDFL. Framework per valutare la sostenibilità dei sistemi di apprendimento federato decentralizzato, ottimizzando consumi e emissioni di CO₂.

• G-TRACE. Strumento di contabilità del carbonio che quantifica le emissioni dell'AI in base alla regione geografica di deployment.

• AI Sustainability Pyramid. Modello di governance a sette livelli che trasforma i dati sulle emissioni in politiche per un'AI sostenibile.

Fonti

Tecnologia e innovazione Huawei

1. Huawei e la Legge di TAU: PC Market, 25 maggio 2026. https://www.pcmarket.com.hk/huawei-tau-scaling-law-logicfolding-iscas2026-china-chip-sanctions/

2. Dettagli su CloudMatrix 384: Huawei News, 19 settembre 2025. https://www.huawei.com/en/news/2025/9/hc-huawei-cloud-ai-pioneer

3. Analisi della Legge di TAU e LogicFolding: Yahoo Tech, 24 maggio 2026. https://tech.yahoo.com/computing/articles/huawei-claims-sanctions-busting-breakthrough-131031920.html

Modelli AI locali e sostenibilità

4. Presentazione ufficiale Qwen 3.5: sito ufficiale Qwen AI. https://qwen-ai.com/

5. Guida all'uso dei modelli small Qwen 3.5: Apidog Blog, 17 giugno 2026. https://apidog.com/blog/use-qwen-3-5-small-models/

Studi scientifici sulla sostenibilità dell'AI

6. EcoThink – Framework di inferenza adattiva green: arXiv:2603.25498, 2026. https://ar5iv.labs.arxiv.org/html/2603.25498

7. GreenDFL – Sostenibilità dell'apprendimento federato decentralizzato: arXiv:2502.20242, 2025. http://export.arxiv.org/abs/2502.20242v2

8. G-TRACE e AI Sustainability Pyramid: arXiv:2511.04776, 2025. https://browse-export.arxiv.org/abs/2511.04776

PeaceLink è un'associazione che promuove la cultura della pace e dell'ecologia attraverso l'uso critico e consapevole delle tecnologie.