Nel primo trimestre 2026, Zhipu AI — il laboratorio cinese fondato nel 2019 da ricercatori della Tsinghua University — ha rilasciato GLM-5, un modello linguistico di grandi dimensioni con due caratteristiche che lo distinguono nel panorama affollato dei modelli di IA. La prima: è completamente open source, distribuito con licenza MIT, la più permissiva tra le licenze open source, che consente a chiunque di usare, modificare, ridistribuire e commercializzare il modello senza restrizioni di alcun tipo. La seconda, più significativa dal punto di vista strategico e geopolitico: GLM-5 è stato addestrato interamente su chip Huawei Ascend, senza utilizzare nemmeno una GPU NVIDIA. In un mercato dove le GPU NVIDIA — in particolare le H100, le H200 e le GB200 — sono considerate indispensabili per l’addestramento di modelli di frontiera, GLM-5 dimostra che una via alternativa esiste ed è percorribile.
Il contesto: le restrizioni all’export e la risposta cinese
Dal 2022, gli Stati Uniti hanno imposto restrizioni crescenti all’esportazione di semiconduttori avanzati verso la Cina, colpendo in particolare le GPU per il calcolo ad alte prestazioni usate nell’addestramento dei modelli di IA. Le restrizioni hanno progressivamente limitato l’accesso delle aziende cinesi alle GPU NVIDIA più potenti — prima le A100, poi le H100, infine le varianti progettate specificamente per aggirare i limiti precedenti come la A800 e la H800. L’obiettivo dichiarato dall’amministrazione statunitense è rallentare lo sviluppo dell’IA cinese privandola dell’hardware necessario per l’addestramento dei modelli più avanzati.
La risposta cinese si è sviluppata su due fronti paralleli. Il primo è l’approvvigionamento attraverso canali indiretti: secondo diverse inchieste giornalistiche, aziende e centri di ricerca cinesi hanno continuato a ottenere GPU NVIDIA attraverso intermediari in paesi terzi — Singapore, Malesia, Emirati Arabi — nonostante le restrizioni. Il secondo fronte, più strutturale e duraturo, è lo sviluppo di alternative domestiche. Huawei, il colosso tecnologico cinese già colpito da sanzioni statunitensi che hanno limitato la sua attività nel settore delle telecomunicazioni 5G, ha investito massicciamente nella propria linea di chip per il calcolo AI: la serie Ascend, che comprende processori progettati specificamente per l’addestramento e l’inferenza di modelli linguistici di grandi dimensioni. Altri produttori cinesi, come Cambricon e Biren Technology, stanno sviluppando chip alternativi, ma Huawei è il più avanzato.
GLM-5 è il primo modello che può essere definito di frontiera — un modello con prestazioni competitive rispetto ai migliori sistemi proprietari occidentali su diversi benchmark — addestrato interamente su chip Ascend senza ricorrere a GPU NVIDIA in nessuna fase del processo. Il risultato è tanto tecnico quanto politico: dimostra che le restrizioni all’export non hanno bloccato lo sviluppo dell’IA cinese di punta, ma lo hanno costretto a percorrere una strada diversa — e potenzialmente più autonoma nel lungo periodo.
Architettura e prestazioni di GLM-5
GLM-5 si inserisce nella tradizione dei modelli GLM (General Language Model) sviluppati da Zhipu AI fin dal 2022, con una storia che parte dal GLM-130B e passa per ChatGLM e GLM-4. Il modello è stato progettato per funzionare in modo efficiente sull’hardware Ascend, il che ha richiesto ottimizzazioni specifiche nella gestione della memoria, nella parallelizzazione del calcolo e nella comunicazione tra i nodi durante l’addestramento distribuito su centinaia o migliaia di chip. Queste ottimizzazioni non sono banali: l’ecosistema software di Ascend (basato sul framework CANN) è meno maturo di quello NVIDIA (basato su CUDA), il che richiede più lavoro ingegneristico per raggiungere prestazioni comparabili.
Le prestazioni dichiarate da Zhipu AI posizionano GLM-5 tra i migliori modelli open source disponibili a inizio 2026. Le analisi disponibili su piattaforme come LogRocket e Pluralsight collocano GLM-5 nella fascia alta dei modelli open source — vicino a Llama 4 di Meta e a Qwen 2.5 di Alibaba, e superiore a molte alternative meno recenti — con risultati competitivi sui benchmark di matematica, programmazione e ragionamento generale. Il confronto diretto con i modelli proprietari di punta come GPT-5 o Claude è complicato dalla scarsità di valutazioni indipendenti condotte con la stessa metodologia, ma il consenso della comunità è che GLM-5 si collochi nel gradino immediatamente sotto i migliori modelli proprietari — un risultato notevole per un modello addestrato su hardware non convenzionale.
Il punto di forza di GLM-5 non è il punteggio su un singolo benchmark quanto la combinazione di tre fattori: prestazioni competitive nell’insieme dei test, licenza MIT completamente aperta che non pone limiti all’uso commerciale, e indipendenza totale da hardware occidentale. Questa combinazione lo rende attraente per governi e aziende che vogliono adottare l’IA senza dipendere né dai laboratori americani né dalle GPU NVIDIA — due fonti di dipendenza che le tensioni geopolitiche degli ultimi anni hanno reso evidenti e rischiose.
I chip Huawei Ascend: lo stato dell’arte e i limiti oggettivi
La serie Ascend di Huawei comprende diversi processori ottimizzati per carichi di lavoro AI, con l’Ascend 910B come chip di punta utilizzato per l’addestramento di GLM-5. L’Ascend 910B è progettato per competere con la NVIDIA A100 — non con la H100 o la più recente GB200, che restano più potenti su diversi parametri chiave come la larghezza di banda della memoria e la velocità di comunicazione inter-chip. Questo divario significa che l’addestramento di GLM-5 ha probabilmente richiesto un numero maggiore di chip, tempi più lunghi e un consumo energetico superiore rispetto a un addestramento equivalente su GPU NVIDIA di ultima generazione. Il costo computazionale dell’indipendenza non è trascurabile e si riflette nell’efficienza complessiva del processo.
I limiti dell’ecosistema Ascend sono noti nella comunità tecnica. Il software di supporto — compilatori, librerie di ottimizzazione, framework di addestramento distribuito — è meno maturo del corrispondente ecosistema NVIDIA (CUDA + cuDNN + NCCL), che beneficia di oltre vent’anni di sviluppo continuo e di una comunità di sviluppatori vastissima. I programmatori che sanno lavorare con CUDA si contano in milioni; quelli che conoscono il CANN (Compute Architecture for Neural Networks) di Huawei sono una frazione. La documentazione è meno estesa, gli strumenti di debugging meno sofisticati, i benchmark meno standardizzati. Huawei sta investendo per colmare questi gap, ma il divario nel software è più difficile da chiudere di quello nell’hardware.
Le implicazioni geopolitiche: un segnale per tutti
GLM-5 è un tassello di un mosaico più ampio che si sta componendo da anni. La Cina sta costruendo un’intera catena del valore dell’IA indipendente dall’Occidente: chip propri (Huawei Ascend, Cambricon), modelli linguistici propri (GLM-5, DeepSeek, Qwen, Baichuan, Yi), piattaforme di distribuzione proprie (integrazione con Huawei Cloud, Tencent Cloud, Alibaba Cloud) e un mercato captive di oltre un miliardo e quattrocento milioni di utenti interni, più una base crescente nel Sud globale documentata dal report Microsoft. Ogni pezzo del puzzle riduce la dipendenza dall’ecosistema americano e aumenta la capacità della Cina di operare in modo autonomo anche in caso di inasprimento ulteriore delle restrizioni.
Per gli Stati Uniti, il messaggio di GLM-5 è che le restrizioni all’export rallentano ma non bloccano lo sviluppo dell’IA cinese — e possono avere l’effetto paradossale di accelerare la costruzione di alternative domestiche che, una volta mature, renderanno le restrizioni future progressivamente meno efficaci. È un meccanismo noto in economia come effetto di sostituzione forzata: privare un attore di una risorsa lo costringe a svilupparne una propria, che poi diventa un vantaggio competitivo autonomo.
Per l’Europa, il messaggio è diverso ma altrettanto scomodo: se la Cina può costruire modelli di frontiera senza NVIDIA e con un ecosistema software meno maturo, perché l’Europa — che ha accesso pieno alle GPU NVIDIA e a un ecosistema software consolidato — non riesce a produrre modelli competitivi a livello internazionale? La risposta non sta nell’hardware, che è disponibile, ma negli investimenti (l’Europa spende una frazione di quanto investono Stati Uniti e Cina nella ricerca AI), nei talenti (molti ricercatori europei lavorano nei laboratori americani) e nella volontà politica di trattare l’IA come priorità industriale, non solo come oggetto di regolamentazione.
Cosa significa per le imprese europee e italiane
Per le imprese europee, GLM-5 rappresenta un’opzione da valutare caso per caso. Come modello open source con licenza MIT, può essere scaricato, testato, personalizzato e deployato su qualunque infrastruttura — inclusi server europei, senza dipendere da API americane o cinesi. La licenza MIT è più permissiva di quella di Llama 4, che contiene restrizioni per gli utenti con più di 700 milioni di utenti attivi mensili, e non presenta le ambiguità di alcune licenze usate da altri modelli cinesi che limitano l’uso in certi contesti.
Il rischio, per un’azienda europea, è duplice. Il primo riguarda la qualità linguistica: GLM-5 è stato addestrato su dataset prevalentemente cinesi e inglesi, il che può comportare prestazioni inferiori in italiano e in altre lingue europee, e una minore familiarità con contesti culturali, normativi e commerciali specifici dell’Europa. Per usi che richiedono precisione su norme italiane, terminologia legale o dinamiche del mercato europeo, il fine-tuning su dati specifici sarebbe necessario. Il secondo rischio riguarda la trasparenza sui dati di addestramento: nonostante la licenza aperta, la documentazione sui dataset utilizzati per il training di GLM-5 è meno dettagliata di quella fornita, ad esempio, da Anthropic per Claude o da OpenAI per GPT-5.
Per i professionisti italiani dell’IA, GLM-5 è un caso da studiare perché illustra una tendenza destinata a rafforzarsi: la moltiplicazione delle fonti di tecnologia AI al di fuori dell’asse Stati Uniti-Silicon Valley. Chi opera in questo campo dovrà essere in grado di valutare modelli provenienti da contesti molto diversi — americani, cinesi, europei — comprenderne i punti di forza tecnici, i limiti operativi e le implicazioni normative e geopolitiche. La competenza tecnica, in questo campo, è inscindibile dalla consapevolezza del contesto in cui la tecnologia nasce e si diffonde.
Un’implicazione pratica per le imprese europee riguarda la catena di approvvigionamento tecnologica. Se un’azienda adotta GLM-5 per un caso d’uso critico e Zhipu AI interrompe il supporto, cambia la licenza o diventa soggetta a sanzioni europee, l’azienda si trova esposta a un rischio di continuità. Con un modello open source, il codice è disponibile e l’azienda può continuare a usarlo anche senza il supporto del fornitore originale — ma solo se ha le competenze interne per gestirlo autonomamente. La scelta tra modelli proprietari e open source, e tra modelli occidentali e cinesi, è anche una scelta di rischio geopolitico che le imprese devono valutare esplicitamente nei propri piani tecnologici.
GLM-5 non è solo un modello linguistico. È la prova che la catena del valore dell’IA si sta diversificando in modo strutturale — e che la dipendenza da un singolo fornitore di hardware, un singolo ecosistema software o un singolo blocco geopolitico è un rischio strategico che nessun paese e nessuna impresa possono permettersi di ignorare nel 2026.
