Nell’AI Index di Stanford, la Cina è sempre più vicina agli USA. Europa ferma al palo

Il rapporto annuale dello Stanford Institute for Human-Centered Artificial Intelligence è diventato nel corso degli anni il riferimento più credibile per chiunque voglia capire dove sta andando l’intelligenza artificiale. L’edizione 2026 appena pubblicata offre una fotografia del settore che difficilmente si presta a letture trionfalistiche, almeno per chi si aspettava che il dominio americano fosse strutturale e inattaccabile.

Il dato che ha catturato più attenzione è infatti il divario di prestazioni tra i migliori modelli statunitensi e quelli cinesi, crollato al 2,7%. Nel maggio 2023, lo stesso indicatore oscillava tra 17,5 e 31,6 punti percentuali a seconda del benchmark considerato. A marzo 2026, Claude Opus 4.6 di Anthropic guida la classifica globale con un Arena score di 1.503, mentre Dola-Seed-2.0-Preview della cinese ByteDance segue a 1.464. Una differenza che nel contesto attuale è quasi irrilevante, tanto più che DeepSeek R1 aveva già raggiunto il modello americano di punta nel febbraio 2025 e, da allora, i due Paesi si sono alternati più volte in vetta alle classifiche.

Il paradosso degli investimenti

Quello che rende questo scenario davvero difficile da interpretare è il contesto finanziario in cui si è verificato. Gli Stati Uniti hanno investito 285,9 miliardi di dollari in AI privata nel 2025 contro i 12,4 miliardi della Cina (un rapporto di 23 a 1) e i 20,9 miliardi dell’Europa, mentre in termini di infrastrutture gli USA ospitano 5.427 data center, un numero superiore di oltre dieci volte a qualsiasi altro paese al mondo. Eppure, il gap di performance che questo investimento titanico ha prodotto è di 2,7 punti percentuali.

Addirittura, passando alle metriche quantitative, la Cina occupa posizioni di leadership in quasi ogni categoria legata al volume. I ricercatori cinesi hanno infatti prodotto il 23,2% di tutte le pubblicazioni globali sull’AI e il 20,6% delle citazioni, contro il 12,6% degli Stati Uniti. Le entità cinesi detengono inoltre il 69,7% di tutti i brevetti AI depositati a livello mondiale, mentre sul versante della robotica industriale la Cina ha installato 295.000 robot nell’ultimo periodo rilevato, quasi nove volte i 34.200 robot installati negli USA.

Anche sul fronte energetico il quadro si inverte; il margine di riserva elettrica cinese non è mai sceso sotto l’80% (il doppio della capacità necessaria), mentre la rete elettrica americana, identificata dal report come potenziale collo di bottiglia per la crescita dell’infrastruttura AI, soffre di decenni di sottoinvestimento.

La crisi dei talenti

Il dato che forse avrebbe meritato più attenzione di quella che ha ricevuto riguarda le persone, non i modelli. Il numero di ricercatori AI che si trasferisce negli Stati Uniti è crollato dell’89% dal 2017, con l’80% di questo declino concentrato nell’ultimo anno. Oggi è la Svizzera il primo Paese al mondo per densità di ricercatori e sviluppatori AI pro capite.

Questa inversione di tendenza mina la narrativa secondo cui il vantaggio americano sarebbe al sicuro grazie alla superiorità degli investimenti. Se i ricercatori che costruiscono i modelli di frontiera scelgono sempre meno di lavorare negli USA, la spesa record acquista hardware e infrastrutture ma non il capitale intellettuale che trasforma la potenza di calcolo in capacità reale. DeepSeek aveva già dimostrato nel gennaio 2025 che un laboratorio cinese poteva eguagliare il meglio della Silicon Valley con una frazione delle risorse disponibili. I dati sul talento suggeriscono che le condizioni che hanno reso possibile DeepSeek si stiano rafforzando, non indebolendo.

Cosa sanno fare i modelli — e cosa no

Sul piano delle capacità tecniche, il progresso documentato sarebbe sembrato improbabile anche solo due anni fa. Su SWE-bench, il benchmark per la generazione di codice, le prestazioni dei modelli sono salite dal 60% a quasi il 100% in un singolo anno. Su domande scientifiche di livello universitario avanzato, l’accuratezza ha raggiunto il 93%, superando la baseline degli esperti umani ferma all’81,2%, mentre su Humanity’s Last Exam (un benchmark progettato per essere irrisolvibile) i modelli di frontiera hanno guadagnato 30 punti percentuali in un anno.

Il rapporto documenta però anche quello che definisce una “jagged frontier” (frontiera frastagliata). Il modello migliore legge correttamente un orologio analogico solo nel 50,1% dei casi e se i sistemi di manipolazione robotica raggiungono l’89,4% di successo in simulazione, la percentuale scende al 12% in ambienti domestici reali. La distanza tra le prestazioni sui benchmark e l’affidabilità nel mondo reale rimane ampia nei domini in cui gli errori hanno conseguenze concrete, un gap che né l’entusiasmo commerciale, né i comunicati stampa tendono a mettere in evidenza.

Adozione, fiducia e regolazione

L’AI generativa ha raggiunto il 53% di adozione globale in tre anni dal lancio, un ritmo più rapido di quello del personal computer o di internet. L’88% delle organizzazioni dichiara di utilizzare sistemi AI e quattro studenti universitari su cinque usano strumenti di AI generativa, ma gli Stati Uniti si collocano solo al 24° posto nel mondo per tasso di adozione con appena il 28,3%, ben distanziati da Singapore al 61% e dagli Emirati Arabi al 54%.

La fiducia pubblica racconta una storia ancora più complessa. Solo il 31% degli americani si fida del proprio governo per regolamentare l’AI, il valore più basso tra tutti i Paesi del campione e nettamente sotto la media globale del 54%. Proprio il disallineamento tra esperti e opinione pubblica è uno dei temi centrali del rapporto, con il 73% degli esperti AI che si aspetta un impatto positivo sul mercato del lavoro contro appena il 23% della popolazione generale.

Spazio infine alla sostenibilità. Addestrare Grok 4 di xAI ha prodotto 72.816 tonnellate di CO₂ equivalente, l’equivalente approssimativo delle emissioni di 17.000 automobili per un anno intero, mentre la capacità energetica globale dei data center AI ha raggiunto i 29,6 gigawatt (sufficiente a coprire il fabbisogno di picco dell’intero Stato di New York). Il costo ambientale non scala linearmente con i progressi, ma con la stessa traiettoria accelerata che caratterizza le prestazioni. Il risultato? I modelli migliorano, ma il prezzo per renderli migliori cresce di pari passo.

(Immagine in apertura: Shutterstock)