Altri Economisti » Saggi in evidenza » Saggi, articoli su riviste. Krugman ed altri » Selezione del Mese
“Chi vince l’IA vince tutto” è solo una stupidaggine. Se ci credi, ho anche un ponte da venderti. Di HUA BIN (dal sito di Hua Bin, 17 settembre 2026)
Sep 17, 2026
“Whoever wins AI wins everything” is just stupid talking
If you believe that, I also have a bridge to sell you
There has been a torrent of shocking headlines around AI in the past 2 weeks:
– Nvidia’s Jensen Huang declared on Sept 6 that “AGI has arrived” following the release of OpenAI’s GPT-6 Astra model.
Sam Altman himself was somewhat more modest, projecting OpenAI only expects to reach the AGI milestone by end of the year
– A former researcher at Anthropic and OpenAI wrote on Sept 8 on his social media account “The people building AI earnestly believe that it could kill us all by the end of the decade. This is not a marketing stunt.”
The previously unknown account received over a hundred million views within days.
When someone says it aloud “this is not a marketing stunt”, typically it is exactly that.
The claim was quickly backed by Evan Hubinger, Anthropic’s Alignment Science lead with his own sensational forecast: “It is > 10% chance of human extinction within the next decade”
– Dario Amodei, CEO of Anthropic, wrote an essay on Sept 12 titled “We must pace the frontier”, urging AI labs to slow down AI scaling and improvement, ostensibly for “safety” concerns.
He was seconded hours later by Altman and Elon Musk, who owns xAI.
Never one to be left out of a hot topic he himself barely understands, Don Trump immediately resorted to his own social media and proclaimed on Sept 13 –
“we’re leading China in AI. We’re the most sophisticated country in the world. And frankly, I want to keep it that way, because whoever wins AI wins.”
He wasn’t done with the subject. September 14 saw more of his “golden nuggets of tech wisdom”:
“There is a SICK conspiracy going on against AI and Data Centers, and the only one that is happy about it is China. WHOEVER WINS AI, WINS! We are leading China, and all others, and will continue to do so. Conspiracy Theorists, Treasonists, Traitors, and Leakers, BEWARE!”
Then on Sept 15, he shouted:
“The only control or ‘guardrails’ that AI needs is a STRONG AND SMART (High IQ!) PRESIDENT, and the U.S.A. has that, in spades!”
Exactly the kind of bullshit to expect from a stupid stupid low-IQ idiot.
Of course, one can only speculate the true motivations of the industry insiders’ crying wolf.
David Sachs, Trump’s former “AI Tsar”, said in his All-In podcast that the posture taken by Anthropic, OpenAI, and xAI is most likely grandstanding in order to –
1) ban Chinese open-source open-weight AI;
2) regulatory capture so they can set the rules and lock out small start-ups and later entrants;
3) hype their upcoming IPOs.
Cal Newport, a computer science professor at Georgetown University, coined the term doom trolling to describe the fearmongering by AI labs.
Anthropic is especially infamous for sensational and insincere warnings about AI safety that actually serve its own interests such as attracting investment, deterring competition, and misleading regulators on hypothetical future risks rather than present harm.
Thinking people should put such doom sayers and catastrophe rhetoric in the right context.
Just like Sachs said in his podcast, “if your product is unsafe, it’s your problem to fix. Why stop everyone else?”
But let’s put aside the validity and rationale of the AI doomsday claims and the posturing by Big AI. Let’s just examine Trump’s hyperbolic claim “whoever wins AI wins everything”.
Let’s approach his claim from several angles –
– What has the US “won” from its lead in AI since ChatGPT was first released in November 2022?
– What can AI do and not do? What does AI lead really translate into?
– Who is best positioned to “win” in the long run?
Track record of US’s 4-year AI lead
There is no controversy to say the US and China are the main contenders in AI development.
There is also consensus that although China has closed the gap significantly over the last few years, the US frontier models are still ahead of Chinese ones by a few months or a few percentage points, depending on how you measure.
The authoritative Stanford Institute for Human-Centered Artificial Intelligence (HAI) 2026 AI Index Report highlighted this:
The US outspent China 23-to-1 in private AI investment in 2025 ($286 billion vs. $12 billion) and holds a 2.7% capability edge at the software frontier.
By these metrics, the US is winning for now. But, so what?
Has the US translated the “AI lead” over the last 4 years into any tangible results and superior outcome in any area of significance?
For example, has the US closed its gap in the EV industry vs. China? Has the US improved its ship building capacity? Has AI helped fix its crumbling infrastructure?
Has the US used AI to overcome its lack of surge capacity for missile interceptor production for the war against Iran?
Has the US used AI to make better decisions such as not going to war with Iran since it cannot keep the Hormuz open? Did AI predict it would lose to Iran? How did AI help with winning the war?
Despite its AI lead for the last 4 years, the US has a worsening domestic homeless problem, housing shortage, wealth inequality, a more polarized society, and a more dysfunctional political system.
Its “AI leadership” has not translated into falling gas price, a single mile of highspeed rail, lower inflation, a cure for cancer, or any improvement in infrastructure and education.
Palantir’s military AI program, Maven, was blamed by Pentagon itself for providing “wrong targeting” data that led to the “triple-tapping” missile attacks on the Minab girl school on the opening day of the illegal war.
In essence, the top US military AI system facilitated a war crime at its very debut. Way to go.
Rather than creating wide-spread prosperity and improved standard of living, there are numerous public backlashes by local communities against data centers that suck up local supply of electricity and water.
I challenge you to name one industry that its “AI lead” has helped the US competitiveness versus its arch-rival China.
Similarly, China also has not managed to use its considerable AI prowess to create an EUV machine and solve its semiconductor bottleneck.
At least so far, it seems “winning AI” has not delivered much.
What AI can and cannot do & what winning AI really means
Despite its less than impressive track record to date, no doubt AI is indeed a transformative general purpose technology (GPT).
There is no question AI can be used to increase productivity, accelerate innovation, and improve human well-being if used properly.
But there are clear boundaries around what AI can and cannot do.
For example, AI agents can help programmers code faster and put together a travel itinerary more efficiently than a human.
But at the same time, AI cannot help you build a high-voltage transformer needed to generate electricity to power AI. AI cannot deliver kilowatt hours or build a house for you.
Let’s hear how an AI chatbot itself (Google Gemini) answers the question: “what AI can and cannot do? And what does winning AI translate into?”
To strip away the marketing hype and look at this technology through a strictly clinical lens, we have to separate digital data processing from physical execution.
The value of an AI lead does not translate into magical creation or physical dominance. Instead, it translates into a hyper-accelerated optimization, prediction, and automation engine.
Part 1: What AI Can and Cannot Do
The easiest way to understand AI’s limits is to look at the transition from information to matter:
What AI CAN Do (Digital Amplification)
- Accelerate R&D Timelines:AI can screen millions of chemical formulas or material structures in seconds via simulation, compressing 10 years of laboratory trial-and-error into a few weeks (e.g., discovering potential new battery chemistries or optimizing a radar antenna’s shape).
- Automate Complex White-Collar Tasks:It can write code, draft legal contracts, analyze financial markets, and handle logistics scheduling instantly, drastically reducing administrative overhead.
- Optimize Existing Physical Systems:AI can manage an active power grid to prevent blackouts, schedule predictive maintenance for factory machines before they break, and maximize the efficiency of supply chains.
- Enhance Kinetic Targeting:In modern warfare, AI can process vast amounts of satellite imagery and drone footage to identify targets and guide precision munitions in real-time far faster than human operators.
What AI CANNOT Do (The Physical Boundary)
- It Cannot Create Raw Materials:AI cannot fabricate Neodymium for magnets, Gallium for radars, or Lithium for batteries. If a country lacks access to the dirt or the chemistry to refine it, AI is useless.
- It Cannot Bypass Engineering Scaling:AI can design a perfect microchip or hypersonic missile blueprint, but it cannot build the ASML lithography machine or the ultra-high-temperature ceramic furnace required to manufacture it.
- It Cannot Solve Its Own Power Requirement:AI cannot manifest the copper, transformers, or nuclear baseload power required to keep its own servers running.
- It Cannot Perform Physical Labor:AI cannot weld a hull, lay a high-voltage transmission cable, or extract oil.
Part 2: What an “AI Lead” Actually Translates Into
Because AI is an information processor and not a physical creator, leading in AI does not give a nation a magical “win button.”
Instead, an AI lead translates into distinct advantages only if that nation possesses the physical infrastructure to execute the AI’s insights.
- In a Hyper-Financialized Economy (The Western Model)
If a country has a dominant software and financial sector but a hollowed-out industrial base, an AI lead translates into:
- Massive Corporate Profits:Trillions of dollars in market capitalization for tech giants, surging stock markets, and hyper-efficient digital services.
- Severe Strategic Bottlenecks:The AI will generate highly advanced designs for weapons, chips, and energy grids, but those designs will sit as digital files because the domestic economy lacks the factories, engineers, transformers, and raw materials to build them. The country ends up with a world-class “brain” trapped inside a paralyzed “body.”
- In a Physically Dominant Economy (The Chinese Model)
If a country already controls the world’s manufacturing, energy infrastructure, and raw material supply chains, an AI lead (or even just matching Western AI capabilities) translates into:
- Hyper-Automated Industrial Throughput:Integrating AI directly into thousands of existing factories to run dark (unmanned) assembly lines, automated container ports, and smart mining operations 24/7.
- Rapid Materialization of R&D:When the AI identifies a breakthrough material or an optimized component design, the country can immediately test, iterate, and mass-produce it on a commercial scale within months, transforming digital intelligence into physical military and economic hardware.
The Reality Check
An AI lead is not a substitute for industrial power; it is a force multiplier of industrial power.
Total National Capability = Physical Industrial Base times AI Optimization
If a nation’s Physical Industrial Base is near zero in critical sectors, multiplying it by a massive AI factor still results in a severely limited outcome.
Whoever “wins” AI only wins if they already possess the machine tools, the energy grid, and the factories required to turn digital code into physical reality.
Gemini’s answer above is crystal clear. The narrative that “whoever wins AI wins everything” is fundamentally flawed because it confuses information processing with physical execution.
AI cannot violate the laws of physics, thermodynamics, or chemistry. A digital intelligence running on a server rack cannot magically manifest atomic structures, refine raw elements, or bend steel.
The “AI solves everything” delusion shatters against physical reality.
Let’s look at the case with rare earth, a critical chokehold China has over the US. Can AI get the US to remove its dependence on Chinese rare earth products?
For over a decade, Western laboratories have used AI and machine learning to scan millions of hypothetical chemical combinations to find a “rare-earth-free permanent magnet.”
The result? Physics is stubborn. While AI has helped discover niche alternatives (like iron-nickel alloys or tetrataenite), none match the raw magnetic flux density, temperature stability, and performance of Chinese-monopolized Neodymium (NdFeB) magnets at scale.
Even if AI designs a theoretical alternative material that works in a laboratory, you still face the manufacturing scale problem.
You must build a multi-billion-dollar industrial supply chain to mine, purify, and alloy that new material by the millions of tons to feed EV and missile assembly lines.
AI cannot bypass the 10-year timeline required to build those physical factories.
Let’s take hypersonic missile as another example. China and Russia, probably also Iran and North Korea, lead the US and the West in this field by a wide margin.
Can AI close the gap?
AI can optimize a blueprint. It can run computational fluid dynamics simulations faster than a human engineer to find a slightly more aerodynamic shape for a hypersonic glide vehicle.
But a blueprint is just digital code.
A hypersonic weapon flies at Mach 5+ inside the atmosphere, creating friction that heats the nose cone to over 2,000°C.
To survive, you need hyper-specific Ultra-High-Temperature Ceramics (UHTCs) like hafnium carbide or zirconium diboride.
AI cannot “generate” these minerals. They must be mined, chemically refined using massive amounts of energy, and sintered in advanced vacuum furnaces.
If your country lacks the specialized chemical plants and raw hafnium, the most perfect AI-designed blueprint in the world remains a useless PDF.
Take shipbuilding as another example where China’s lead over the US is well documented. How can AI help?
Building a modern naval destroyer or a massive container ship requires massive dry docks, automated gantry cranes capable of lifting thousands of tons, heavy steel-rolling mills, and an army of precision structural welders.
AI can optimize the schedule of a shipyard, but it cannot weld a hull, forge a propeller shaft, or smelt the naval-grade steel.
America’s lagging behind China in ship building won’t be fixed by any AI advances. Period.
Let’s take the semiconductor as another example, where the US has a significant lead over China. Can China use AI to overcome the pain point?
This is the ultimate irony: AI cannot even build the chips required to run AI.
An AI model can design a highly efficient transistor layout on a computer screen in minutes.
But turning that digital design into a physical chip requires an ASML Extreme Ultraviolet (EUV) lithography machine – a tool that weighs 180 tons, contains 100,000 specialized components, uses Zeiss mirrors polished to atomic tolerances, and takes months to assemble by hand.
As China still lacks the industrial precision mechanics to build that physical machine, AI is entirely powerless to assist.
For China to close the semiconductor gap, it has no choice but to build the precision lithography machine through engineering and supply chain mastery. AI cannot fix the problem for it.
Finally, the most interesting part of Gemini’s answer is how AI cannot solve the single biggest bottleneck that is holding back its own advancement, namely shortage of electricity.
The irony is absolute: the US is betting its entire future on an asset that is actively strangling the country’s own infrastructure.
AI data centers are the most energy-intensive infrastructure ever built by the tech sector.
Training a single next-generation frontier model requires gigawatts of continuous, uninterrupted power.
Yet, the US electrical grids are facing a massive structural crisis. AI cannot code its way out of this bottleneck because the problem is not an informational one – it is a physical, material, and regulatory reality.
An AI company can iterate its software and design a more demanding model in a matter of months. But building a new high-voltage transmission line across state lines in the US takes an average of 10 to 15 years due to legal battles, land rights, and bureaucratic red tape.
The software is moving at the speed of light, but the physical reality of the power grid is moving at a glacial pace.
By prioritizing the digital brain while starving the physical body, the US has created an advanced intelligence that is trapped inside an energy-starved cage.
To build the massive data centers required to train next-generation AI, you need vast amounts of physical electricity, copper wiring, advanced cooling pumps, transformers, and concrete.
AI is an amplifier of capability, but it can only amplify what physically exists.
Having long neglected the unglamorous, heavy industrial foundations of the economy, the US is now trying to build a digital superpower while running out of the physical transformers, power grid capacity, and basic manufacturing skills needed to plug the computers into the wall.
Ultimately, AI is a tool of optimization, not creation. It makes a working industrial apparatus faster and smarter, but if you do not have the physical apparatus to begin with, AI is just a brain without a body.
Who will win the AI war?
The AI revolution is still in its infantry, rather than what the boosters try to convince us that AGI has arrived.
At the moment, the race is primarily between the US and China.
It is clear what it takes to win in AI – GPU compute power, frontier model, diffusion (that is the ability to deploy AI in real life), talent pool, and electricity.
In the long run, experts believe AI will become a utility like water and electricity today. And the marginal price of AI, in units called token, will be close to the marginal cost of electricity generating that token.
If this holds true, in the end, AI competition becomes a competition on who can generate the most amount of electricity at the lowest cost.
While US tech companies are pouring hundreds of billions of dollars into software algorithms while begging local utilities for megawatts of power, China has approached the problem from the opposite direction.
China is already the world’s top electricity producer, with a capacity bigger than the US, Europe, Japan, and India combined.
China is building new electricity capacity faster than any other major economy, adding twice Germany’s total installed electricity load every single year.
If and when AI competition gets to a competition on electricity cost and capacity, China will win by default.
This connects with a theme I explored in an earlier essay about a more accurate way to measure a country’s true economic power. https://huabinoliver.substack.com/p/another-way-to-compare-the-worlds
Bottom line
AI is a revolutionary technology and we are still in the early days of building and using it.
AI can be used for good and for bad, just like any other tools we have built before.
Though powerful, it’s not a cure-all, be-all and end-all, for the same reason Francis Fukuyama’s thesis of “end of history” is bunk.
AI, as it is, cannot mimic or replace the physical world. Embodied AI such as humanoids and autonomous machines such as drones will have a physical impact, but we are even earlier in that journey.
There is no end game of “winning AI”. It’s an evolutionary process and humans need to learn how to refine it, harness its power, and live with it.
When Trump claimed “whoever wins AI wins everything”, he is full of shit just like the other 99.9% of his pronouncements. It’s the stupid talking to the clueless.
“Chi vince l’IA vince tutto” è solo una stupidaggine.
Se ci credi, avrei anche un ponte da venderti.
Nelle ultime due settimane si è assistito a una valanga di titoli sconvolgenti riguardanti l’intelligenza artificiale:
Il 6 settembre, Jensen Huang di Nvidia ha dichiarato che ” l’AGI è arrivata ” in seguito al rilascio del modello Astra di OpenAI basato su GPT-6.
Sam Altman, invece, si è mostrato un po’ più modesto, prevedendo che OpenAI raggiungerà il traguardo dell’AGI solo entro la fine dell’anno.
– Un ex ricercatore di Anthropic e OpenAI ha scritto l’8 settembre sul suo account social: “Le persone che sviluppano l’IA credono sinceramente che potrebbe ucciderci tutti entro la fine del decennio. Non si tratta di una trovata di marketing”.
L’account, fino ad allora sconosciuto, ha ricevuto oltre cento milioni di visualizzazioni in pochi giorni.
Quando qualcuno dice ad alta voce “non si tratta di una trovata di marketing”, in genere si tratta di quello.
L’affermazione è stata subito avvalorata da Evan Hubinger, responsabile scientifico di Alignment Science presso Anthropic, con la sua sensazionale previsione: “C’è una probabilità superiore al 10% che l’umanità si estingua entro il prossimo decennio”.
– Dario Amodei, CEO di Anthropic, ha scritto un saggio il 12 settembre intitolato “Dobbiamo procedere con cautela sulla frontiera”, esortando i laboratori di intelligenza artificiale a rallentare la scalabilità e il miglioramento dell’IA, apparentemente per motivi di “sicurezza”.
Poche ore dopo, Altman e Elon Musk, proprietario di xAI, lo hanno appoggiato.
Non volendo rimanere fuori da un argomento scottante che lui stesso comprende a malapena, Don Trump è ricorso immediatamente ai suoi social media ed ha proclamato il 13 settembre:
“Siamo all’avanguardia rispetto alla Cina nell’intelligenza artificiale. Siamo il Paese più avanzato al mondo. E francamente, voglio che rimanga così, perché chi vince nel campo dell’IA vince .”
Non aveva ancora finito con l’argomento. Il 14 settembre ha offerto altri suoi “perle di saggezza tecnologica”:
“È in atto una cospirazione MALATA contro l’IA e i data center, e l’unico che ne è contento è la Cina. CHI VINCE NELL’IA, VINCE! Siamo in vantaggio rispetto alla Cina e a tutti gli altri, e continueremo a esserlo. Teorici della cospirazione, traditori, spie e informatori, ATTENZIONE!”
Poi, il 15 settembre, ha gridato:
“L’unico controllo o ‘guardrail’ di cui l’IA ha bisogno è un PRESIDENTE FORTE E INTELLIGENTE (con un QI elevato!), e gli Stati Uniti ne hanno in abbondanza!”
Esattamente il genere di scemenze che ci si aspetterebbe da un idiota stupido con un QI basso.
Naturalmente, si possono solo fare congetture sulle vere motivazioni che hanno spinto gli addetti ai lavori a lanciare l’allarme.
David Sachs, ex “zar dell’IA” di Trump, ha affermato nel suo podcast All-In che la posizione assunta da Anthropic, OpenAI e xAI è molto probabilmente una messa in scena per:
1) vietare l’intelligenza artificiale open-source e open-weight cinese [1];
2) cattura regolamentare in modo che possano stabilire le regole ed escludere le piccole start-up e i nuovi entranti;
3) pubblicizzare le loro prossime offerte pubbliche iniziali (IPO).
Cal Newport, professore di informatica alla Georgetown University, ha coniato il termine “doom trolling” [2] per descrivere la diffusione di allarmismo da parte dei laboratori di intelligenza artificiale.
Anthropic è particolarmente nota per i suoi avvertimenti sensazionalistici e insinceri sulla sicurezza dell’IA, che in realtà servono ai propri interessi, come attrarre investimenti, scoraggiare la concorrenza e fuorviare le autorità di regolamentazione sui rischi futuri ipotetici piuttosto che sui danni presenti.
Le persone riflessive dovrebbero contestualizzare correttamente le affermazioni di chi fa previsioni catastrofiche e usa una retorica apocalittica.
Come ha detto Sachs nel suo podcast, “se il tuo prodotto non è sicuro, è un tuo problema e devi risolverlo. Perché impedire a tutti gli altri di farlo?”
Ma mettiamo da parte la validità e la razionalità delle profezie apocalittiche sull’IA e le prese di posizione delle grandi aziende del settore. Esaminiamo invece l’affermazione iperbolica di Trump: ” Chi vince sull’IA vince su tutto “.
Analizziamo la sua affermazione da diverse angolazioni:
– Cosa hanno “ottenuto” gli Stati Uniti dalla loro leadership nell’IA da quando ChatGPT è stato rilasciato per la prima volta nel novembre 2022?
– Cosa può fare e cosa non può fare l’IA? Cosa significa concretamente essere leader nell’IA?
Chi è nella posizione migliore per “vincere” nel lungo periodo?
Risultati ottenuti negli ultimi 4 anni dagli Stati Uniti in testa alla classifica nel campo dell’intelligenza artificiale
Non c’è dubbio che Stati Uniti e Cina siano i principali contendenti nello sviluppo dell’intelligenza artificiale.
Vi è inoltre consenso sul fatto che, sebbene la Cina abbia ridotto significativamente il divario negli ultimi anni, i modelli di frontiera statunitensi sono ancora in vantaggio rispetto a quelli cinesi di qualche mese o di qualche punto percentuale, a seconda di come si effettua il calcolo.
Il rapporto sull’indice di intelligenza artificiale 2026 dell’autorevole Stanford Institute for Human-Centered Artificial Intelligence (HAI) lo ha evidenziato:
“Nel 2025 gli Stati Uniti hanno speso 23 volte di più della Cina in investimenti privati nell’intelligenza artificiale (286 miliardi di dollari contro 12 miliardi di dollari) e detengono un vantaggio del 2,7% in termini di capacità nel settore del software.”
Secondo questi parametri, per ora gli Stati Uniti sono in vantaggio. Ma, e allora?
Gli Stati Uniti sono riusciti a tradurre il “vantaggio nell’IA” acquisito negli ultimi 4 anni in risultati concreti e superiori in qualche ambito di rilievo?
Ad esempio, gli Stati Uniti hanno colmato il divario con la Cina nel settore dei veicoli elettrici? Gli Stati Uniti hanno migliorato la propria capacità di costruzione navale? L’intelligenza artificiale ha contribuito a riparare le infrastrutture fatiscenti?
Gli Stati Uniti hanno utilizzato l’intelligenza artificiale per sopperire alla mancanza di capacità produttiva aggiuntiva di intercettori missilistici per la guerra contro l’Iran?
Gli Stati Uniti hanno utilizzato l’intelligenza artificiale per prendere decisioni migliori, come ad esempio non entrare in guerra con l’Iran, dato che non potevano mantenere aperto il valico di Hormuz? L’intelligenza artificiale aveva previsto la sconfitta contro l’Iran? In che modo l’intelligenza artificiale ha contribuito alla vittoria in guerra?
Nonostante il primato nell’intelligenza artificiale degli ultimi 4 anni, gli Stati Uniti si trovano ad affrontare un problema sempre più grave di senzatetto, carenza di alloggi, disuguaglianza nella distribuzione della ricchezza, una società più polarizzata e un sistema politico più disfunzionale.
La sua “leadership nell’IA” non si è tradotta in una diminuzione del prezzo del gas, in un solo miglio di ferrovia ad alta velocità, in un’inflazione più bassa, in una cura per il cancro o in alcun miglioramento delle infrastrutture e dell’istruzione.
Il programma di intelligenza artificiale militare di Palantir, Maven, è stato accusato dallo stesso Pentagono di aver fornito dati di “bersaglio errati” che hanno portato ai tre attacchi missilistici consecutivi contro la scuola femminile di Minab il primo giorno della guerra illegale.
In sostanza, il sistema di intelligenza artificiale più avanzato dell’esercito statunitense ha agevolato un crimine di guerra fin dal suo debutto. Complimenti.
Anziché generare prosperità diffusa e un miglioramento del tenore di vita, si registrano numerose reazioni negative da parte delle comunità locali contro i data center che consumano le risorse idriche e di elettricità del territorio.
Vi sfido a nominare un solo settore in cui la “guida all’intelligenza artificiale” abbia contribuito alla competitività degli Stati Uniti rispetto alla loro acerrima rivale, la Cina.
Analogamente, anche la Cina non è riuscita a sfruttare le sue considerevoli competenze in materia di intelligenza artificiale per creare una macchina EUV e risolvere il suo collo di bottiglia nel settore dei semiconduttori.
Per ora, a quanto pare, l’“intelligenza artificiale vincente” non ha portato a grandi risultati.
Cosa può e cosa non può fare l’IA e cosa significa davvero vincere un’IA.
Nonostante i risultati finora non proprio brillanti, non c’è dubbio che l’intelligenza artificiale sia una tecnologia trasformativa di uso generale (GPT).
Non c’è dubbio che l’intelligenza artificiale, se utilizzata correttamente, possa contribuire ad aumentare la produttività, accelerare l’innovazione e migliorare il benessere umano.
Esistono però dei limiti ben definiti a ciò che l’IA può e non può fare.
Ad esempio, gli agenti basati sull’intelligenza artificiale possono aiutare i programmatori a scrivere codice più velocemente e a creare un itinerario di viaggio in modo più efficiente rispetto a un essere umano.
Ma allo stesso tempo, l’IA non può aiutarti a costruire un trasformatore ad alta tensione necessario per generare l’elettricità che alimenta l’IA stessa. L’IA non può fornirti kilowattora né costruire una casa per te.
Ascoltiamo come un chatbot basato sull’intelligenza artificiale (Google Gemini) risponde alla domanda: “Cosa può e cosa non può fare l’IA? E cosa significa avere un’IA di successo?”
Per eliminare l’enfasi del marketing e analizzare questa tecnologia da una prospettiva strettamente clinica, dobbiamo separare l’elaborazione digitale dei dati dall’esecuzione fisica.
Il valore di un vantaggio derivante dall’IA non si traduce in una creazione magica o in un dominio fisico. Si traduce piuttosto in un motore di ottimizzazione, previsione e automazione iper-accelerato .
Parte 1: Cosa può e cosa non può fare l’IA
Il modo più semplice per comprendere i limiti dell’IA è osservare la transizione dall’informazione alla materia:
Cosa può fare l’IA (amplificazione digitale)
- Accelerare i tempi di ricerca e sviluppo:l’intelligenza artificiale può analizzare milioni di formule chimiche o strutture di materiali in pochi secondi tramite simulazione, comprimendo 10 anni di prove ed errori in laboratorio in poche settimane (ad esempio, scoprendo nuove potenziali composizioni chimiche per le batterie o ottimizzando la forma di un’antenna radar).
- Automatizza le attività complesse da colletti bianchi:può scrivere codice, redigere contratti legali, analizzare i mercati finanziari e gestire la pianificazione logistica istantaneamente, riducendo drasticamente i costi amministrativi.
- Ottimizzazione dei sistemi fisici esistenti:l’intelligenza artificiale può gestire una rete elettrica attiva per prevenire i blackout, programmare la manutenzione predittiva dei macchinari di fabbrica prima che si guastino e massimizzare l’efficienza delle catene di approvvigionamento.
- Miglioramento del puntamento cinetico:nella guerra moderna, l’intelligenza artificiale può elaborare enormi quantità di immagini satellitari e filmati di droni per identificare i bersagli e guidare munizioni di precisione in tempo reale, molto più velocemente degli operatori umani.
Ciò che l’IA NON può fare (il confine fisico)
- Non può creare materie prime:l’intelligenza artificiale non può fabbricare neodimio per i magneti, gallio per i radar o litio per le batterie. Se un Paese non ha accesso alla terra o alle sostanze chimiche necessarie per raffinarla, l’intelligenza artificiale è inutile.
- Non può aggirare i limiti dell’ingegneria su scala industriale:l’IA può progettare un microchip perfetto o il progetto di un missile ipersonico, ma non può costruire la macchina per la litografia ASML o il forno ceramico ad altissima temperatura necessari per la sua fabbricazione.
- Non è in grado di soddisfare il proprio fabbisogno energetico:l’IA non può materializzare il rame, i trasformatori o l’energia nucleare di base necessari per mantenere in funzione i propri server.
- Non è in grado di svolgere lavori fisici:l’intelligenza artificiale non può saldare uno scafo, posare un cavo di trasmissione ad alta tensione o estrarre petrolio.
Parte 2: Cosa significa concretamente essere un “Responsabile AI”
Poiché l’IA è un elaboratore di informazioni e non un creatore fisico, essere all’avanguardia nel campo dell’IA non conferisce a una nazione una formula magica per vincere.
Al contrario, un vantaggio derivante dall’IA si traduce in benefici concreti solo se la nazione in questione possiede l’infrastruttura fisica necessaria per mettere in pratica le intuizioni dell’IA.
- In un’economia iper-finanziarizzata (il modello occidentale)
Se un Paese ha un settore software e finanziario dominante ma una base industriale indebolita, un vantaggio nell’IA si traduce in:
- Profitti aziendali enormi:migliaia di miliardi di dollari di capitalizzazione di mercato per i giganti della tecnologia, mercati azionari in forte crescita e servizi digitali iper-efficienti.
- Gravi colli di bottiglia strategici:l’intelligenza artificiale genererà progetti altamente avanzati per armi, chip e reti energetiche, ma questi progetti rimarranno solo file digitali perché l’economia nazionale non dispone delle fabbriche, degli ingegneri, dei trasformatori e delle materie prime necessarie per realizzarli. Il Paese si ritroverà con un “cervello” di livello mondiale intrappolato in un “corpo” paralizzato.
- In un’economia a predominanza fisica (il modello cinese)
Se un Paese controlla già la produzione mondiale, le infrastrutture energetiche e le catene di approvvigionamento delle materie prime, un vantaggio nell’IA (o anche solo il raggiungimento di livelli di IA paragonabili a quelli occidentali) si traduce in:
- Processi industriali iper-automatizzati:integrazione dell’intelligenza artificiale direttamente in migliaia di fabbriche esistenti per gestire linee di assemblaggio automatizzate (senza operatore), porti container automatizzati e operazioni minerarie intelligenti 24 ore su 24, 7 giorni su 7.
- Rapida materializzazione della ricerca e sviluppo:quando l’IA identifica un materiale innovativo o un design di componente ottimizzato, il Paese può immediatamente testarlo, perfezionarlo e produrlo in serie su scala commerciale nel giro di pochi mesi, trasformando l’intelligenza digitale in hardware militare ed economico concreto.
La verifica della realtà
Un leader nel campo dell’intelligenza artificiale non sostituisce la potenza industriale, bensì ne moltiplica la forza .
Capacità nazionale totale = Base industriale fisica moltiplicata per l’ottimizzazione dell’IA
Se la base industriale fisica di una nazione è prossima allo zero nei settori critici, moltiplicarla per un fattore di intelligenza artificiale massiccio produce comunque un risultato fortemente limitato.
Chiunque “vinca” nell’ambito dell’intelligenza artificiale, vince solo se possiede già le macchine utensili, la rete energetica e le fabbriche necessarie per trasformare il codice digitale in realtà fisica.
La risposta di Gemini qui sopra è chiarissima. L’idea che “chi vince nel campo dell’IA vince tutto” è fondamentalmente errata perché confonde l’elaborazione delle informazioni con l’esecuzione fisica .
L’intelligenza artificiale non può violare le leggi della fisica, della termodinamica o della chimica. Un’intelligenza digitale in esecuzione su un server non può materializzare magicamente strutture atomiche, raffinare elementi grezzi o piegare l’acciaio.
L’illusione che “l’intelligenza artificiale risolva tutto” si infrange contro la realtà fisica.
Analizziamo il caso delle terre rare, una risorsa cruciale che la Cina controlla in modo determinante negli Stati Uniti. L’intelligenza artificiale può convincere gli Stati Uniti a liberarsi dalla dipendenza dai prodotti cinesi a base di terre rare?
Per oltre un decennio, i laboratori occidentali hanno utilizzato l’intelligenza artificiale e l’apprendimento automatico per analizzare milioni di ipotetiche combinazioni chimiche alla ricerca di un “magnete permanente privo di terre rare”.
Il risultato? La fisica è ostinata. Sebbene l’intelligenza artificiale abbia contribuito a scoprire alternative di nicchia (come le leghe ferro-nichel o la tetrataenite), nessuna eguaglia la densità di flusso magnetico, la stabilità termica e le prestazioni su larga scala dei magneti al neodimio (NdFeB) monopolizzati dalla Cina.
Anche se l’intelligenza artificiale progettasse un materiale alternativo teorico che funziona in laboratorio, resterebbe comunque il problema della produzione su larga scala.
È necessario costruire una catena di approvvigionamento industriale multimiliardaria per estrarre, purificare e legare quel nuovo materiale in milioni di tonnellate, al fine di alimentare le linee di assemblaggio di veicoli elettrici e missili.
L’intelligenza artificiale non può aggirare i 10 anni necessari per costruire fisicamente quegli stabilimenti.
Prendiamo come altro esempio i missili ipersonici. Cina e Russia, probabilmente anche Iran e Corea del Nord, sono di gran lunga superiori agli Stati Uniti e all’Occidente in questo campo.
L’intelligenza artificiale può colmare il divario?
L’intelligenza artificiale può ottimizzare un progetto. Può eseguire simulazioni di fluidodinamica computazionale più velocemente di un ingegnere umano per trovare una forma leggermente più aerodinamica per un veicolo planante ipersonico.
Ma un progetto non è altro che un codice digitale.
Un’arma ipersonica vola a Mach 5+ all’interno dell’atmosfera, creando attrito che riscalda il cono di prua a oltre 2.000 °C.
Per sopravvivere, hai bisogno di ceramiche ultra-alte temperature (UHTC) altamente specifiche, come il carburo di afnio o il diboruro di zirconio.
L’intelligenza artificiale non può “generare” questi minerali. Devono essere estratti, raffinati chimicamente utilizzando enormi quantità di energia e sinterizzati in forni sottovuoto avanzati.
Se il tuo paese non dispone di impianti chimici specializzati e di afnio grezzo, anche il progetto più perfetto al mondo, creato con l’intelligenza artificiale, rimarrà un PDF inutile.
Prendiamo come altro esempio la cantieristica navale, dove il vantaggio della Cina sugli Stati Uniti è ben documentato. In che modo l’intelligenza artificiale può essere d’aiuto?
La costruzione di un moderno cacciatorpediniere o di un’enorme nave portacontainer richiede bacini di carenaggio giganteschi, gru a portale automatizzate in grado di sollevare migliaia di tonnellate, laminatoi per acciaio pesante e un esercito di saldatori strutturali di precisione.
L’intelligenza artificiale può ottimizzare la pianificazione di un cantiere navale, ma non può saldare uno scafo, forgiare un albero dell’elica o fondere l’acciaio di qualità navale.
Il ritardo degli Stati Uniti rispetto alla Cina nella costruzione navale non verrà colmato da alcun progresso nell’intelligenza artificiale. Punto.
Prendiamo come altro esempio il settore dei semiconduttori, dove gli Stati Uniti hanno un vantaggio significativo sulla Cina. La Cina può utilizzare l’intelligenza artificiale per superare questo ostacolo?
Questa è la massima ironia: l’IA non è nemmeno in grado di costruire i chip necessari per funzionare.
Un modello di intelligenza artificiale può progettare un layout di transistor altamente efficiente sullo schermo di un computer in pochi minuti.
Ma trasformare quel progetto digitale in un chip fisico richiede una macchina per litografia a ultravioletti estremi (EUV) ASML: uno strumento che pesa 180 tonnellate, contiene 100.000 componenti specializzati, utilizza specchi Zeiss lucidati con tolleranze atomiche e richiede mesi per essere assemblato a mano.
Poiché la Cina non possiede ancora la precisione meccanica industriale necessaria per costruire quella macchina fisica, l’intelligenza artificiale è completamente impotente ad aiutare.
Affinché la Cina possa colmare il divario nel settore dei semiconduttori, non le resta altra scelta che costruire macchine per la litografia di precisione attraverso la padronanza dell’ingegneria e della catena di approvvigionamento. L’intelligenza artificiale non può risolvere questo problema.
Infine, l’aspetto più interessante della risposta di Gemini è come l’IA non riesca a risolvere il principale ostacolo al suo sviluppo, ovvero la carenza di energia elettrica.
L’ironia è assoluta: gli Stati Uniti stanno scommettendo tutto il loro futuro su una risorsa che sta attivamente strangolando le infrastrutture del paese.
I data center per l’intelligenza artificiale rappresentano l’infrastruttura a più alto consumo energetico mai realizzata dal settore tecnologico.
L’addestramento di un singolo modello di frontiera di nuova generazione richiede gigawatt di potenza continua e ininterrotta.
Eppure, le reti elettriche statunitensi stanno affrontando un’enorme crisi strutturale. L’intelligenza artificiale non può risolvere questo problema tramite la programmazione, perché la questione non è di natura informativa, bensì una realtà fisica, materiale e normativa.
Un’azienda specializzata in intelligenza artificiale può perfezionare il proprio software e progettare un modello più complesso in pochi mesi. Tuttavia, la costruzione di una nuova linea di trasmissione ad alta tensione che attraversa i confini statali negli Stati Uniti richiede in media dai 10 ai 15 anni a causa di battaglie legali, diritti fondiari e lungaggini burocratiche.
Il software si muove alla velocità della luce, ma la realtà fisica della rete elettrica si muove a passo di lumaca.
Dando priorità al cervello digitale e privando del nutrimento il corpo fisico, gli Stati Uniti hanno creato un’intelligenza avanzata intrappolata in una gabbia a corto di energia.
Per costruire gli enormi data center necessari ad addestrare l’intelligenza artificiale di prossima generazione, servono ingenti quantità di energia elettrica, cavi in rame, pompe di raffreddamento avanzate, trasformatori e cemento.
L’intelligenza artificiale è un amplificatore di capacità, ma può amplificare solo ciò che esiste fisicamente.
Dopo aver a lungo trascurato le fondamenta industriali, spesso poco appariscenti, dell’economia, gli Stati Uniti stanno ora cercando di costruire una superpotenza digitale, mentre scarseggiano i trasformatori fisici, la capacità della rete elettrica e le competenze manifatturiere di base necessarie per collegare i computer alla presa di corrente.
In definitiva, l’IA è uno strumento di ottimizzazione, non di creazione . Rende un apparato industriale funzionante più veloce e intelligente, ma se non si dispone dell’apparato fisico di partenza, l’IA è solo un cervello senza corpo.
Chi vincerà la guerra dell’intelligenza artificiale?
La rivoluzione dell’IA è ancora nella sua fase iniziale, contrariamente a quanto i suoi sostenitori cercano di farci credere, ovvero che l’intelligenza artificiale generale (AGI) sia già una realtà.
Al momento, la competizione è principalmente tra Stati Uniti e Cina.
È chiaro cosa serve per vincere nel campo dell’IA: potenza di calcolo delle GPU, modelli all’avanguardia, diffusione (ovvero la capacità di implementare l’IA nella vita reale), bacino di talenti e energia elettrica.
Nel lungo periodo, gli esperti ritengono che l’intelligenza artificiale diventerà un servizio pubblico come l’acqua e l’elettricità oggi. E il prezzo marginale dell’IA, espresso in unità chiamate token , sarà vicino al costo marginale dell’elettricità necessaria per generare quel token.
Se ciò si rivelasse vero, alla fine la competizione nel campo dell’intelligenza artificiale si ridurrebbe a una gara a chi riesce a generare la maggiore quantità di elettricità al minor costo.
Mentre le aziende tecnologiche statunitensi investono centinaia di miliardi di dollari in algoritmi software e implorano le compagnie elettriche locali per ottenere megawatt di energia, la Cina ha affrontato il problema dalla direzione opposta.
La Cina è già il primo produttore mondiale di energia elettrica, con una capacità superiore a quella di Stati Uniti, Europa, Giappone e India messe insieme.
La Cina sta costruendo nuove capacità di produzione di energia elettrica a un ritmo più rapido di qualsiasi altra grande economia, aggiungendo ogni anno il doppio del carico elettrico totale installato della Germania.
Se e quando la competizione sull’intelligenza artificiale si trasformerà in una competizione sui costi e sulla capacità dell’energia elettrica, la Cina vincerà per impostazione predefinita.
Questo si ricollega a un tema che ho esplorato in un precedente saggio su un modo più accurato per misurare la vera potenza economica di un paese. https://huabinoliver.substack.com/p/another-way-to-compare-the-worlds
In conclusione
L’intelligenza artificiale è una tecnologia rivoluzionaria e siamo ancora agli inizi del suo sviluppo e del suo utilizzo.
L’intelligenza artificiale può essere utilizzata sia per il bene che per il male, proprio come qualsiasi altro strumento che abbiamo creato in passato.
Sebbene potente, non è una panacea, la soluzione a tutti i problemi, per la stessa ragione per cui la tesi di Francis Fukuyama sulla “fine della storia” è una sciocchezza.
L’intelligenza artificiale, nella sua forma attuale, non può imitare o sostituire il mondo fisico. L’intelligenza artificiale incarnata, come quella degli umanoidi e delle macchine autonome come i droni, avrà un impatto fisico, ma siamo ancora in una fase iniziale di questo percorso.
Non esiste un obiettivo finale di “vittoria sull’IA”. Si tratta di un processo evolutivo e gli esseri umani devono imparare a perfezionarlo, a sfruttarne il potenziale e a conviverci.
Quando Trump ha affermato che “chi vince l’IA vince tutto”, ha detto un sacco di sciocchezze, proprio come il restante 99,9% delle sue dichiarazioni. È come se gli stupidi parlassero agli incompetenti.
[1] Il termine open source (sorgente aperta) indica un modello di sviluppo e distribuzione del software in cui il codice sorgente è reso pubblico e accessibile a chiunque. Questo permette agli utenti e agli sviluppatori di studiare, modificare, migliorare e ridistribuire il programma liberamente, spesso senza alcun costo.
Un modello open-weight (o a parametri aperti) è un sistema di intelligenza artificiale di cui vengono resi pubblici e scaricabili i pesi pre-addestrati (i parametri numerici che determinano il comportamento della rete neurale). Questo permette a sviluppatori e aziende di eseguire il modello localmente sulla propria infrastruttura e personalizzarlo tramite una procedura di ottimizzazione.
[2] Un doom troll è qualcuno che pubblica deliberatamente messaggi catastrofisti, esagerando i pericoli o diffondendo disperazione (su temi come il cambiamento climatico, l’economia o la politica) con il solo scopo di provocare ansia, rabbia o reazioni frustrate nella community.
By mm
E' possibile commentare l'articolo nell'area "Commenti del Mese"