Nel giugno 2026, l’amministrazione Trump torna roboante nel mondo AI dopo la guerra in Iran, bandendo temporaneamente dal mercato extra-USA i modelli del colosso Anthropic Mythos 5 (riservato al progetto Glasswing) e la sua versione “pubblica” Fable 5 per ragioni di sicurezza nazionale. Per la prima volta nella storia occidentale,la commercializzazione di un LLM è stata trattata come un asset strategico, isolando governi, mercati, ed accademia oltreoceano che avevano integrato questa tecnologia nei loro processi.
Il caso non è isolato. Nei dibattiti del G7 la governance dell’intelligenza artificiale scivola sempre più verso la securitizzazione: la tecnologia smette di essere un bene commerciale globale e diventa uno strumento di potenza, soggetto a controlli all’esportazione e a logiche di alleanza. L’episodio Anthropic ne è dimostrazione plastica, perché mostra che la linea tra alleato e concorrente, nel dominio digitale, può essere ridisegnata in poche ore.
Cade così l’assunto su cui l’Europa aveva costruito la propria strategia digitale: che l’accesso alle tecnologie alleate sarebbe stato sempre garantito. Se anche un alleato può essere escluso da un giorno all’altro, la dipendenza diventa una vulnerabilità politica, non solo una questione di costo. Da qui sorge un dubbio: può l’Europa raggiungere una sovranità credibile nell’intelligenza artificiale, sganciandosi dall’attraente modello statunitense, senza essere deviato in altre sfere di influenza come quella Repubblica Popolare Cinese?
La sovranità come infrastruttura
L’UE ha storicamente concepito la sovranità digitale come controllo giuridico e regolatorio dei dati. Tuttavia, gli ultimi sviluppi della competizione nell’era dell’AI mostrano che il valore non risiede nel dato in sé, ma nell’infrastruttura computazionale che lo elabora. Ne consegue che anche applicazioni avanzate sviluppate in contesti istituzionali europei, come sistemi di supporto amministrativo basati su modelli generativi (es. GPT@EC), o i data center “regionali” di AWS o Microsoft, tendono a operare su architetture cloud e capacità di calcolo fornite da hyperscalers extra-europei. Il risultato è una forma di sovranità parziale: l’Europa preserva il controllo normativo del dato, ma esternalizza spesso il livello infrastrutturale su cui quel dato diventa capacità cognitiva e produttiva.
In tempi recentissimi il dibattito pubblico europeo ha assunto consapevolezza, spostando l’urgenza verso il possesso di un foundation model come principale indicatore di sovranità tecnologica di una potenza, contribuendo però a una narrazione mediatica e fuorviante che farebbe convergere le attenzioni dell’UE verso lo sviluppo di un “campione europeo” che assicuri autonomia strategica. Tale impostazione, che deriva certamente dal una lettura della competizione geo-tecnologica tra Washington e Pechino come una competizione tra modelli più che tra approcci, però, tende a sottovalutare il carattere infrastrutturale dell’AI contemporanea, fondata su capacità di calcolo, semiconduttori, cloud e capitale essenziali alla creazione di qualsiasi modello.
Anche qualora l’Unione europea riuscisse a sviluppare un foundation model competitivo, continuerebbe infatti a dipendere dai principali colli di bottiglia della filiera globale dell’intelligenza artificiale: le GPU avanzate progettate da Nvidia per l’addestramento e l’inferenza dei modelli, la cui produzione è concentrata presso TSMC a Taiwan, e un’infrastruttura cloud dominata dagli hyperscaler statunitensi. Secondo uno studio del Parlamento europeo, circa il 70% del mercato europeo del cloud è controllato da Amazon Web Services, Microsoft Azure e Google Cloud mentre i provider europei restano marginali, con una quota globale che non supera il 15%. Inoltre, quasi l’80% dei fornitori delle imprese europee dei semiconduttori ha sede fuori dall’UE, confermando che la vulnerabilità europea riguarda l’intera infrastruttura dell’AI più che i modelli in sé. A questo proposito è da sottolineare la firma dell’UE lo scorso 25 giugno della Pax Silica, l’alleanza (non vincolante) guidata dagli Stati Uniti per il coordinamento della supply chain dei chip avanzati in chiave anti-cinese. Parallelamente e già a fine 2025, l’Unione Europea si è impegnata ad acquistare almeno 40 miliardi di dollari in chip AI di produzione statunitense , rafforzando la strutturale dipendenza (anche negoziale).
La scalabilità di un ipotetico modello resta poi vincolata alla disponibilità di capitale. A differenza soprattutto da USA e Cina, dove lo sviluppo dell’AI è sostenuto da grandi attori capaci di finanziare internamente infrastrutture e ricerca su scala hyperscaler o da una domanda pubblica altamente coordinata, l’UE combina un mercato del venture capital meno profondo con una frammentazione della spesa pubblica tra Stati membri. Ne risulta che lo sviluppo e il mantenimento dei modelli dipendono più facilmente dall’attrazione di capitali globali esterni, rendendo la sovranità tecnologica parziale anche quando la capacità di ricerca è presente.
Dalla padella alla brace: la politica digitale di Cina e Stati Uniti
Per orientarsi conviene riconoscere che Stati Uniti e Cina non offrono la stessa tecnologia con marchi diversi, ma due modelli di potenza distinti. Il modello americano poggia su una straordinaria concentrazione di capitale: pochi hyperscalers finanziano modelli sempre più densi e li integrano verticalmente, dal chip al data center fino all’applicazione. La scala è essa stessa una barriera, perché impone investimenti fuori dalla portata di ogni singolo attore europeo, e genera l’IA come infrastruttura privata globale, efficiente e pervasiva ma controllata da un pugno di imprese soggette alla giurisdizione statunitense.
Il modello cinese nasce invece da un vincolo: le restrizioni sui semiconduttori imposte dagli Stati Uniti. Privata dei chip più avanzati, l’industria cinese ha fatto di necessità virtù, puntando su efficienza e ottimizzazione e su modelli open-weight e open source, come ha dimostrato DeepSeek raggiungendo prestazioni di frontiera a costi ridotti. Distribuendo i pesi dei propri modelli, Pechino conquista sviluppatori, impone standard di fatto e diffonde la tecnologia direttamente nell’apparato industriale, in una combinazione di specializzazione e integrazione lungo le filiere. Quella stessa apertura, però, non equivale a neutralità: i modelli cinesi restano ancorati a un ecosistema politico con priorità diverse da quelle europee, dalla gestione dei dati al rapporto fra tecnologia e controllo sociale.
Di fronte a questi due poli, in Europa cresce un dibattito sulla diversificazione: se Washington può chiudere il rubinetto, perché non guardare anche a Pechino? The Economist ha sintetizzato il dilemma osservando che l’IA cinese è un rischio per l’Europa, ma lo è anche rifiutarla. La questione, tuttavia, è plausibilmente mal posta. Adottare i modelli cinesi per ridurre la dipendenza da Washington non produce autonomia: la dipendenza viene soltanto diversificata e frammentata, e il problema spostato anziché risolto. A ciò si aggiunge che ai rischi sulle dipendenze si sommano quelli sui diritti, a partire dalla sorveglianza digitale, in tensione con il quadro normativo europeo. Il vero obiettivo, dunque, non sarà scegliere il fornitore meno scomodo, ma costruire un’impalcatura sovrana: disporre in proprio degli strati critici della filiera, così che la diversificazione diventi una leva negoziale e non l’ennesima forma di subordinazione.
Verso una via europea
Il modello statunitense “di frontiera”, sebbene eserciti un forte fascino, resta strutturalmente difficile da replicare in Europa per note ragioni: minore disponibilità di capitale di rischio, assenza di hyperscaler comparabili a AWS, Azure e Google Cloud, costi energetici più elevati e un tessuto produttivo composto prevalentemente da PMI, con una forte frammentazione regolatoria legata anche all’AI Act.
In questo contesto, e soprattutto alla luce di un’analisi comparativa degli approcci di USA e Cina, alcuni elementi della ricetta cinese risultano più “trasferibili” al contesto europeo non, certamente, come modello politico, ma sotto la lente di una logica industriale e di “frugalità” di scala. In particolare l’enfasi sull’efficienza e la selettività algoritmica per ridurre i costi di addestramento e inferenza, insieme allo sviluppo di modelli più piccoli e verticali, più adatti alle necessità di specializzazione dell’economia europea e anche ai vincoli di capitale, nonché la diffusione di sistemi open-weight per accelerare l’adozione e soprattutto l’integrazione diretta dell’AI nei processi industriali, rappresentano elementi su cui l’UE può costruire una traiettoria autonoma. Non si tratta di replicare altri approcci, ma di elaborare una propria via all’intelligenza artificiale, capace di ridurre la dipendenza dagli Stati Uniti e di valorizzare le specificità produttive e tecnologiche europee.
Tuttavia, una postura imperniata intorno all’open-weight e ai modelli piccoli e agili non è privo di rischi: questi ultimi infatti, sono efficienti nei compiti verticali ma non nello sviluppare capacità emergenti di ragionamento astratto e generalizzazione, riducendo la capacità innovativa di lungo periodo; inoltre, l’apertura dei modelli può facilitare l’adozione, ma anche permettere ad altri attori, come Stati Uniti e Cina con maggiori risorse di capitale e computazionali, di assorbire rapidamente i miglioramenti e superarli in scala; la divisione dell’Europa in mercati nazionali e 24 lingue ufficiali rende poi difficile la costruzione di dataset unificati e di alta qualità, limitando l’efficacia dei modelli e la loro capacità di generalizzazione, frammentazione che sarebbe esacerbata dalla proliferazione di modelli piccoli e verticali, con scarsa standardizzazione e difficoltà di interoperabilità tra settori. Un altro limite risiede nella congestione dei “cervelli” verso ecosistemi in grado di offrire risorse di calcolo praticamente illimitate, come la Silicon Valley. Per contrastarlo, lo sviluppo, al momento ad una fase iniziale, di AI Factories pubbliche, capaci di garantire finanziamenti stabili nel lungo periodo e accesso a cluster di calcolo competitivi, diventa un elemento centrale per la ricerca indipendente. Più in generale, i rischi precedentemente delineati indicano la necessità per l’Europa di costruire una una strategia ibrida per evitare l’obsolescenza cognitiva, strumenti regolatori e industriali per limitare lo sfruttamento asimmetrico dei modelli open-weight, una reale integrazione dei dati attraverso Data Spaces per ridurre la frammentazione, e un rafforzamento delle infrastrutture di ricerca per trattenere talenti e capitale umano, rispondendo quindi a una logica infrastrutturale più che più che a una semplice corsa al “modello”.
Conculsioni
L’Europa parte da una posizione apparentemente paradossale: controlla alcuni degli snodi più strategici della filiera globale dell’intelligenza artificiale, ma continua a dipendere da attori esterni per capacità computazionale, cloud e modelli di frontiera. Questo squilibrio, tuttavia, non rappresenta necessariamente una condizione permanente, bensì il risultato di un ritardo nell’integrazione delle proprie eccellenze industriali e scientifiche in una strategia comune. È proprio in questa direzione che si collocano le più recenti iniziative dell’Unione – dalle AI Factories e l’EuroHPC fino al Chips Act. Tra queste, rientra il progetto EUROPA, vincitore a giugno 2026 del Frontier AI Grand Challenge, che mira a sviluppare un foundation model open-source europeo all’avanguardia sviluppato nell’ambito dell’ecosistema europeo e progettato per operare in tutte le 24 lingue ufficiali dell’Unione. Sebbene questi progetti richiederanno tempo per raggiungere piena maturità, rappresentano il primo tentativo concreto di ridurre la dipendenza europea dai modelli sviluppati all’estero e di costruire un ecosistema di AI realmente autonomo.
In questo quadro, la competitività europea non passa necessariamente dalla replica del modello statunitense né dall’adozione di quello cinese. Piuttosto, i modelli open-source, efficienti e specializzati rappresentano il punto di incontro tra autonomia strategica e tutela dei diritti fondamentali. Se i modelli proprietari statunitensi rimangono in larga parte “scatole nere”, difficilmente conciliabili con gli obblighi di trasparenza, tracciabilità e mitigazione dei bias previsti dall’AI Act per i sistemi ad alto rischio, l’open source consente invece l’ispezione del modello, audit indipendenti e l’esecuzione locale senza trasferire dati sensibili verso fornitori extraeuropei. In questo senso, ciò che spesso viene percepito come un vincolo regolatorio può trasformarsi in un vantaggio competitivo: un’intelligenza artificiale aperta, verificabile e affidabile, capace di coniugare innovazione, indipendenza geopolitica e protezione dei diritti, delineando auspicabilmente una autentica “via europea” all’AI.
