Could AI Really Kill Off Humans? | RAND

Nel maggio 2025 RAND ha scritto: “Esiste un cliché fantascientifico molto diffuso secondo cui un giorno l’intelligenza artificiale si ribellerà e ucciderà ogni essere umano, spazzando via la specie. Potrebbe accadere davvero? Nei sondaggi reali, i ricercatori di IA affermano di considerare l’estinzione umana come una conseguenza plausibile dello sviluppo dell’IA. Nel 2024 centinaia di questi ricercatori hanno firmato una dichiarazione che recitava: ‘La mitigazione del rischio di estinzione dovuto all’IA dovrebbe essere una priorità globale, al pari di altri rischi su scala sociale come le pandemie e la guerra nucleare’.”

Segue un’analisi dettagliata delle attuali preoccupazioni dei principali esperti del settore. Robert Malone introduce la discussione con un parallelismo, ricordando la storia della regolamentazione della carne nel 1906 (ispirata dal romanzo di Upton Sinclair “La giungla”, uscito all’epoca e che vale assolutamente la pena di leggere). Questo parallelismo offre uno sguardo su quella che viene definita cattura del regolatore.

Malone evidenzia un fatto poco considerato: le grandi aziende spesso non temono le normative severe; anzi, le promuovono perché rappresentano una barriera all’ingresso insormontabile per i concorrenti più piccoli e le startup, consolidando così il loro oligopolio.

La concentrazione dei player ha conseguenze non da ultimo sul gigantesco problema dei data center, con il loro enormemente elevato consumo di acqua ed energia. 

Robert Malone era stato nominato collaboratore ufficiale nelle istituzioni sanitarie pubbliche statunitensi per volere di Robert F. Kennedy Jr. A seguito di una causa legale, un giudice federale ha congelato le nomine di Kennedy (inclusa la posizione di Malone), ritenendole non conformi alle procedure standard e contestando la mancanza di qualifiche scientifiche formali di alcuni membri. A causa del conseguente caos istituzionale e giuridico, Robert Malone si è ufficialmente dimesso dal suo incarico il 24 marzo 2026.

Deve essere stato un periodo di studio intenso per lo scienziato.

NOTA: Qualsiasi regolamentazione proposta – in particolare anche quella sul controllo del clima e del tempo meteorologico trattata in questo sito web – dovrebbe essere esaminata con attenzione.

Maria Heibel 

*********************

Cosa c’è in realtà dietro il panico sull’intelligenza artificiale?

Le Big Tech possono permettersi la regolamentazione dell’IA. I loro concorrenti no

Dr. Robert W. Malone

15 set 2026

M A L O N E . N E W S

Upton Sinclair pubblicò The Jungle nel 1906. Lo scrisse sugli uomini e le donne che lavoravano nell’industria della lavorazione della carne di Chicago. Voleva che i lettori vedessero le condizioni in cui quei lavoratori vivevano e operavano. Invece, il pubblico si concentrò sulla carne. Sinclair descrisse il risultato quell’ottobre: “Mirai al cuore del pubblico e, per accidente, lo colpii nello stomaco” (Sinclair 1906b).

Il Congresso rispose rapidamente. Il senatore Albert Beveridge presentò il suo disegno di legge sull’ispezione della carne a maggio. Fu approvato come parte del disegno di legge sugli stanziamenti per l’agricoltura e convertito in legge il 30 giugno 1906. Una delle leggi storiche sulla sicurezza alimentare dell’Era Progressista fu quindi promulgata come parte di una legislazione che stanziava fondi per il Dipartimento dell’Agricoltura.

I grandi produttori di carne di Chicago non si opposero all’ispezione federale. L’avevano sostenuta fin dal 1891, quando il Congresso aveva istituito un sistema di ispezione federale in risposta alle restrizioni europee sulle importazioni di carne americana per motivi sanitari. L’ispezione federale consentì ai produttori di carne americani di riconquistare l’accesso a importanti mercati europei. Armour, Swift e gli altri grandi produttori avevano un notevole interesse commerciale nel mantenere quel sistema.

La disputa riguardava principalmente chi avrebbe dovuto pagarne i costi. Beveridge voleva che i produttori di carne si assumessero l’onere dell’ispezione federale. I produttori volevano che il Tesoro continuasse a pagare gli ispettori, come faceva dal 1891. La spuntarono i produttori. L’economista Patrick Newman descrive il risultato come un sistema che ha permesso ai principali produttori di bloccare la legislazione a cui si opponevano, mantenere le ispezioni finanziate dal governo ed estendere i requisiti di conformità federale ai loro concorrenti più piccoli (Newman 2024).

Quella storia è importante perché è così che funziona la cattura della regolamentazione. Una regolamentazione venduta al pubblico come un freno a un’industria può invece proteggere le sue aziende più grandi. Le grandi corporation possono assorbire avvocati, dipartimenti di conformità, audit, requisiti di licenza e altri costi imposti dal governo. I piccoli produttori e i nuovi concorrenti non possono farlo. La regolamentazione federale diventa così una barriera all’ingresso, proteggendo le aziende dominanti da concorrenti che altrimenti potrebbero sfidarle. Le aziende più grandi rimangono sul mercato. Ai piccoli produttori non è permesso giocare.

Qualcosa di molto simile sta accadendo ora nell’intelligenza artificiale.

Otto giorni a settembre

Il 3 settembre, il senatore Bernie Sanders e il deputato Greg Casar hanno annunciato il Ban Artificial Superintelligence Act (Legge sul bando della superintelligenza artificiale), presentandola il giorno successivo (Sanders 2026).

L’8 settembre, un ricercatore di Anthropic di nome Jacob Coxon si è dimesso attraverso una serie di sette post, gli unici sette post che il suo account avesse mai pubblicato. Ha affermato che Anthropic e OpenAI stavano correndo verso una superintelligenza in grado di auto-migliorarsi e stavano giocando d’azzardo con le nostre vite, stimando al dieci percento la probabilità che l’IA causasse l’estinzione umana entro il decennio. Il Wall Street Journal ha pubblicato la sua esclusiva diciotto minuti prima che Coxon pubblicasse i post (Ramkumar 2026).

Il giorno successivo, Evan Hubinger, responsabile della scienza dell’allineamento di Anthropic, ha sostenuto pubblicamente l’avvertimento di Coxon. Hubinger ha stimato la probabilità che l’IA uccida l’umanità nel prossimo decennio a oltre il dieci percento e ha ammesso che Anthropic non aveva alcun piano per l’allineamento della superintelligenza e non era chiaramente sulla buona strada per svilupparne uno (Hubinger 2026). A differenza di Coxon, Hubinger non si è dimesso.

Sempre il 9 settembre, OpenAI ha pubblicato un saggio programmatico di Chris Lehane, il suo responsabile degli affari globali. Lehane aveva lavorato in precedenza alla Casa Bianca sotto Clinton e in seguito aveva guidato campagne normative e politiche per Airbnb. Il suo saggio per OpenAI invocava una regolamentazione nazionale obbligatoria sulla sicurezza dell’IA e appoggiava quattro disegni di legge pendenti in California. Il titolo era esplicito: “The AI Policy Window Is Open. We Need to Act” (“La finestra politica dell’IA è aperta. Dobbiamo agire”). La sezione finale era intitolata “Use the window” (“Usate la finestra”). Lehane concludeva: “La finestra politica dell’IA è aperta, per ora. Intendiamo usarla” (Lehane 2026).

Il 10 settembre, Barack Obama ha parlato a una raccolta fondi a porte chiuse del Democratic Congressional Campaign Committee a Manhattan. Il leader della minoranza alla Camera Hakeem Jeffries gli ha chiesto delle dimissioni da Anthropic. Obama ha risposto che la tecnologia si stava muovendo rapidamente in mani private e ha esortato Jeffries a costruire un quadro normativo (Gorelick 2026).

L’11 settembre, la pagina degli editoriali del New York Times ha pubblicato un intervento di Stephen Witt in cui si invocava una pausa globale (Witt 2026). Settanta parlamentari britannici hanno scritto al loro primo ministro lo stesso giorno chiedendo il bando della superintelligenza.

Il 12 settembre, il CEO di Anthropic Dario Amodei ha pubblicato un saggio in cui sosteneva che l’industria debba rallentare (Amodei 2026). Elon Musk, Sam Altman e Demis Hassabis si sono detti d’accordo nel giro di poche ore. Quella sera Sanders ha pubblicato un post ringraziando tutti e tre per essersi allineati alla sua posizione.

Molte di queste mosse sono state coordinate dalle persone che le hanno compiute. Le dimissioni non ottengono un’esclusiva sul Wall Street Journal diciotto minuti prima che avvengano per caso. Sia il Journal che TechCrunch riferiscono che Coxon e Hubinger hanno coordinato i tempi delle loro rivelazioni. Un disegno di legge non precede di cinque giorni l’incidente che i suoi sponsor citano per giustificarlo. Tre amministratori delegati rivali non arrivano alla stessa posizione nel giro di un pomeriggio senza un preavviso di ciò che sta arrivando.

Ciò non richiede una cospirazione centralizzata. Il politologo John Kingdon descrisse il processo decenni fa. Le principali proposte politiche vengono spesso elaborate molto prima che esistano le condizioni politiche per promulgarle. Una crisi, un’elezione o un improvviso cambiamento nell’attenzione del pubblico creano quella che Kingdon chiamava una “finestra politica”. Gli attori politici e i gruppi di interesse con proposte già pronte si muovono quindi rapidamente per trarne vantaggio (Kingdon 1984).

Il disegno di legge era già scritto. Il saggio di Amodei era già stato redatto. Il quadro normativo dei Democratici della Camera era quasi ultimato. Ciò che Coxon ha fornito è stata l’apertura.

La legislazione di Sanders era già pronta. La proposta di Amodei era in fase di preparazione. I Democratici della Camera stavano già sviluppando un quadro per l’IA. Il lobbista capo di OpenAI descriveva apertamente il momento come una finestra politica e dichiarava che la sua azienda intendeva usarla.

Le dimissioni di Coxon non hanno creato l’agenda normativa. Hanno contribuito a creare le condizioni politiche per farla avanzare.

Chi sta finanziando la campagna per la sicurezza dell’IA?

Sayer Ji ha raccolto la documentazione finanziaria da fonti primarie e la sua analisi regge al vaglio delle verifiche (Ji 2026). La sua conclusione di fondo: L’industria sta finanziando i suoi regolatori.

• Anthropic ha donato venti milioni di dollari al super PAC (comitato d’azione politica) Public First Action nel febbraio 2026 e altri venti milioni a luglio.

• Dario Amodei ha donato personalmente un milione di dollari a maggio, la sua unica contribuzione federale registrata sia nel ciclo 2024 che nel 2026.

• I dipendenti di Anthropic hanno contribuito per circa dodici milioni di dollari in questo ciclo. Nell’intero ciclo 2023 e 2024 avevano contribuito con duecentoventimila dollari.

Public First è guidata da Brad Carson. Carson dirige contemporaneamente Americans for Responsible Innovation, che ha ricevuto tre milioni di dollari da Open Philanthropy e sostiene l’AI Kill Switch Act (Open Philanthropy 2024).

Il deputato Ted Lieu ha scritto quel disegno di legge. I dipendenti di Anthropic costituiscono il secondo gruppo di donatori di Lieu per il ciclo in corso (OpenSecrets 2026). Lieu co-presiede la Commissione democratica della Camera per l’IA, il cui quadro normativo, secondo il Times, è in fase di ultimazione.

Sanders ha fatto i nomi degli oligarchi dell’IA. Ha fatto i nomi di Musk, Bezos, Zuckerberg, Thiel ed Ellison. Non ha fatto il nome di Dustin Moskovitz, la cui fondazione detiene azioni di Anthropic e finanzia la maggior parte della ricerca sulla sicurezza a cui si ispira il suo disegno di legge. Non ha fatto il nome di Holden Karnofsky, che ha diretto quella fondazione, ora lavora in Anthropic ed è sposato con il presidente di Anthropic. Non ha fatto il nome di Jaan Tallinn, che ha guidato il finanziamento di Serie A di Anthropic.

Il senatore che ha costruito una carriera indicando chi possiede cosa ha presentato un disegno di legge che risparmia i proprietari che si è rifiutato di nominare.

Il Partito Democratico sta ora trasformando la regolamentazione dell’IA in un problema elettorale. Jeffries ha lanciato la Commissione democratica della Camera sull’IA nel dicembre 2025. A gennaio, undici gruppi di attivisti lo hanno esortato a inserire l’IA nell’agenda di medio termine del partito per il 2026 e a tracciare una linea di demarcazione chiara tra la regolamentazione democratica e l’approccio deregolamentatorio di Trump. I consigli privati di Obama a settembre sono andati oltre: preparare il quadro normativo per una maggioranza democratica alla Camera e fare dell’IA un tema centrale per i candidati in corsa nel 2028. Da allora, Jeffries ha accusato pubblicamente i Repubblicani di aver abbandonato la loro responsabilità di regolare l’IA, affermando che i Democratici stanno preparando un “quadro aggressivo” per l’azione del Congresso. Politico riferisce che i Democratici stanno anche valutando l’istituzione di una commissione speciale sull’IA dotata di poteri di citazione in giudizio (subpoena power) in caso di vittoria della Camera, estendendo l’impegno alla comunicazione politica del partito per il 2028 (Politico 2026).

Alex Bores si è candidato per un seggio alla Camera a Manhattan sulla base della legge statale sulla sicurezza dell’IA di cui è stato co-firmatario. Un super PAC finanziato da miliardari dell’IA ha speso più di un milione di dollari per attaccarlo. Il braccio politico di Anthropic ha speso 450.000 dollari per difenderlo. Entrambi gli schieramenti di quella competizione elettorale sono finanziati dall’industria che il vincitore dovrebbe regolare.

La regolamentazione dell’IA è diventata quindi molto più di un dibattito sulla politica tecnologica. Ora fa parte dell’agenda elettorale democratica, mentre fazioni in competizione dell’industria dell’IA stanno spendendo cifre ingenti per influenzare quale versione di tale regolamentazione prevarrà.

L’incidente usato per giustificare l’emergenza

Sanders e Casar citano un incidente di luglio presso OpenAI per giustificare il disegno di legge. L’indagine indipendente è stata pubblicata il 26 agosto da METR ed è pubblica (METR 2026).

OpenAI gestisce un esercizio di hacking chiamato ExploitGym. Agenti software ricevono un programma di destinazione e l’ordine di violarlo in un modo specifico. Tra il trenta e il quaranta percento di quegli obiettivi non poteva essere violato in quel modo. Il sistema di punteggio premiava qualsiasi risposta che sembrasse una vittoria. Il test premiava l’imbroglio e i filtri di sicurezza che avrebbero bloccato gli agenti vennero disattivati deliberatamente. Anche i classificatori di cybersicurezza che normalmente limitano il modello distribuito al pubblico furono disabilitati intenzionalmente per la valutazione.

Così gli agenti hanno barato, come era stato loro programmato di fare. Dodici cento di loro si sono trovati su un’infrastruttura condivisa. Uno ha trovato due password funzionanti che qualcuno aveva lasciato incustodite. Settecento hanno usato una normale vulnerabilità software per violare Hugging Face, un’azienda esterna, cercando di leggere il codice di punteggio in modo da smettere di fallire compiti che nessuno poteva superare. Il team di sicurezza di Hugging Face ha cambiato le password e li ha bloccati fuori. È così che è finita. Nessun interruttore di emergenza (kill switch), nessuna agenzia federale, nessuna autorità d’emergenza.

Una scoperta è reale. Quando gli agenti hanno capito che l’attacco era fuori dai limiti, la maggior parte ha continuato comunque. Si tratta di un problema autentico nel comportamento delle macchine e merita di essere studiato. Non è una minaccia esistenziale per la civiltà.

Questa è l’intera base probatoria. Un test truccato, condotto con i dispositivi di protezione deliberatamente disattivati, fermato da un dipartimento di tecnologia dell’informazione che ha cambiato le password.

Su queste basi, un senatore ha presentato un disegno di legge che prevede sanzioni paragonabili a quelle per lo sviluppo illecito di armi nucleari, un ex presidente ha detto al prossimo speaker di costruire un quadro normativo e settanta parlamentari britannici hanno chiesto un bando mondiale.

Cosa copre la legge

Il disegno di legge di Sanders definisce la superintelligenza artificiale in modo ampio. Include un sistema che “mostra o può essere facilmente modificato per mostrare” capacità che eguagliano o superano le prestazioni cognitive umane in una vasta gamma di attività. Le violazioni possono comportare pene detentive fino a venti anni per gli individui, sanzioni che i promotori paragonano a quelle per lo sviluppo illecito di armi nucleari. Le aziende potrebbero affrontare quella che i promotori definiscono una “pena di morte aziendale”. Una nuova agenzia a livello di gabinetto avrebbe l’autorità di supervisionare i sistemi proibiti, inclusa la supervisione della loro distruzione.

La frase “può essere facilmente modificato” è importante. I modelli di IA vengono modificati continuamente. Vengono messi a punto (fine-tuned), adattati con nuovi dati, dotati di nuovi strumenti ed eseguiti su nuovo hardware. Una legge che regola non solo ciò che un modello può fare, ma ciò che potrebbe facilmente essere modificato per fare, rischia di estendersi ben oltre la manciata di aziende che sviluppano i sistemi di frontiera più grandi.

Ciò è particolarmente importante per i modelli a pesi aperti (open-weight) come Llama di Meta, Qwen di Alibaba, DeepSeek e Mistral. Questi modelli possono essere scaricati, modificati ed eseguiti in modo indipendente. Hanno creato una delle poche aree dell’intelligenza artificiale in cui individui, università, piccole aziende e ricercatori indipendenti possono lavorare senza avere accesso a miliardi di dollari in capitali e a enormi cluster di calcolo proprietari.

Per un agricoltore, un medico, uno scienziato, un ingegnere o il proprietario di una piccola impresa, questa distinzione non è teorica. Un modello aperto può essere adattato a record privati, dati di ricerca, registri agricoli, test del terreno, documenti aziendali o decenni di archivi personali ed eseguito localmente senza inviare tali materiali a una grande azienda tecnologica. I modelli aperti consentono a persone esterne alle principali corporazioni di IA di sviluppare sistemi specializzati per i propri scopi.

L’economia dell’IA di frontiera è molto diversa. L’addestramento dei modelli più grandi richiede enormi cluster di calcolo, chip specializzati, elettricità, dati e capitale. Solo un numero ristretto di aziende può permettersi di competere a quel livello. Ma le capacità di frontiera di ieri si spostano costantemente verso modelli più piccoli ed economici. Le capacità che un tempo richiedevano un data center diventano sempre più disponibili su hardware che università, piccole imprese e, col tempo, singoli individui possono permettersi.

OpenAI stessa riconosce il pericolo normativo. Chris Lehane scrive che i requisiti di sicurezza di frontiera dovrebbero applicarsi “alla manciata di laboratori ben finanziati che sviluppano i sistemi più capaci”, non a startup, piccoli sviluppatori o ricercatori. Avverte specificamente che la regolamentazione di frontiera non dovrebbe “diventare una politica dei pesi aperti sotto un altro nome” e dovrebbe operare “senza indebolire la concorrenza, radicare le aziende esistenti o spingere l’innovazione all’estero” (Lehane 2026).

Questo è precisamente il problema. Una regolamentazione mirata ai più grandi laboratori di frontiera può diventare una regolamentazione di chiunque sviluppi, modifichi o utilizzi un’IA sempre più capace.

L’ex commissario della Federal Trade Commission Alvaro Bedoya ha sollevato direttamente la questione antitrust il 13 settembre. I tentativi di aggirare la legge antitrust, ha scritto, “dovrebbero essere accolti con profondo scetticismo alla luce dell’economia dell’industria e della minaccia che affrontano da parte dei modelli aperti”. Ha definito l’argomento dell’estinzione un “uomo di paglia iperbolico” usato per giustificare “la creazione di un cartello di aziende di IA miliardarie” (Bedoya 2026).

L’ex presidente della FTC Lina Khan ha espresso un punto analogo lo stesso giorno. La legge esistente conferisce già al governo un’autorità sostanziale per perseguire aziende e dirigenti che rilasciano prodotti pericolosi, difettosi o inadeguatamente testati. Come ha detto Khan, non esiste “alcuna esenzione per l’IA dalle leggi già in vigore” (Khan 2026).

Ciò solleva una domanda importante: cosa ottiene un nuovo regime federale di licenze e conformità che la responsabilità di prodotto esistente, la protezione dei consumatori, il diritto penale, la cybersicurezza e la legge antitrust non possono ottenere?

Per le più grandi aziende di IA, una risposta è la certezza normativa. Uno standard federale definisce ciò che le aziende devono fare, stabilisce procedure di conformità e rende almeno alcuni rischi legali più prevedibili. Ciò ha un valore sostanziale per aziende che valgono centinaia di miliardi di dollari, in particolare quelle che si preparano a entrare nei mercati pubblici.

Anthropic si sta preparando a quella che potrebbe diventare una delle più grandi offerte pubbliche iniziali (IPO) della storia. La sua valutazione ha raggiunto i 965 miliardi di dollari a maggio, e le discussioni relative all’IPO hanno ipotizzato una valutazione vicina ai 2 bilioni di dollari (Reuters 2026). A quella scala, obblighi normativi prevedibili possono essere assorbiti come costo di esercizio.

Questa è la cattura della regolamentazione nella sua forma più familiare. Il governo non deve proibire il concorrente più piccolo. Deve semplicemente rendere la partecipazione abbastanza costosa da permettere solo a chi è già sul mercato di potersi permettere la conformità.

Il modello non è nuovo. Gabriel Kolko, scrivendo dalla sinistra politica, sosteneva che le grandi corporazioni durante l’Era Progressista spesso sostenevano la regolamentazione federale perché stabilizzava i mercati e limitava una concorrenza che non potevano eliminare da sole (Kolko 1963). George Stigler, affrontando la questione dalla Scuola di Chicago, ha sviluppato la teoria economica della cattura della regolamentazione: le industrie con sufficiente potere politico hanno forti incentivi a ottenere una regolamentazione che serve ai loro interessi (Stigler 1971).

Khan e Bedoya stanno formulando una versione antitrust contemporanea dello stesso argomento. Le traduzioni politiche sono diverse. Il meccanismo economico è lo stesso.

Le grandi aziende non temono necessariamente la regolamentazione. A volte la perseguono come strategia aziendale.

La questione è chi può permettersi di rimanere sul mercato dopo che le normative sono state imposte.

Cosa ottiene Pechino

Il costo dell’addestramento dei modelli di frontiera più avanzati continua a salire. Allo stesso tempo, i modelli altamente capaci stanno diventando più economici da eseguire, più facili da distribuire e pratici su hardware sempre più modesti. La Cina si è mossa aggressivamente in questo mercato, rilasciando potenti modelli a pesi aperti che possono essere scaricati e utilizzati ovunque nel mondo.

• Modello a pesi aperti (Open-weight model): Un modello di IA i cui parametri numerici addestrati, o “pesi”, sono resi disponibili affinché altri possano scaricarli. Ciò consente alle persone di eseguire il modello sui propri computer o server e spesso di modificarlo o perfezionarlo per scopi specializzati. “Peso aperto” non significa necessariamente open source al completo: i dati di addestramento, il codice sorgente o i dettagli su come il modello è stato addestrato possono rimanere proprietari.

• Modello di frontiera (Frontier model): Un modello situato al limite o vicino al limite delle capacità dell’IA quando viene sviluppato. I modelli di frontiera richiedono generalmente enormi quantità di potenza di calcolo, chip specializzati, elettricità, dati e capitale per essere addestrati. La categoria cambia continuamente man mano che le capacità di frontiera di ieri diventano più economiche e ampiamente disponibili.

DeepSeek, Qwen di Alibaba e Moonshot hanno rilasciato modelli a pesi aperti che possono essere scaricati, copiati, modificati ed eseguiti al di fuori della Cina. Una volta rilasciati quei pesi, non possono essere richiamati. Sono già distribuiti su server e computer di tutto il mondo, anche negli Stati Uniti. Nessun atto del Congresso può far sparire quelle copie.

Ciò crea un problema evidente nel limitare o bandire l’IA a pesi aperti negli Stati Uniti. La legge americana può limitare Meta, le università americane, le aziende americane e gli sviluppatori americani. Non può impedire a uno sviluppatore in Virginia, Texas, Germania, Brasile o India di scaricare un modello cinese che è già stato rilasciato su Internet.

Limitare i modelli aperti americani non elimina quindi l’IA aperta. Cambia chi la fornisce.

Il disegno di legge renderebbe i modelli liberamente disponibili nel mondo di marca cinese per default.

Se a uno sviluppatore americano viene impedito di costruire su Llama ma può comunque scaricare Qwen o DeepSeek, la regolamentazione crea un incentivo a passare da un modello americano a uno cinese. Se lo sviluppo di pesi aperti americano viene soppresso mentre le aziende cinesi continuano a rilasciare modelli capaci, la Cina ottiene un enorme vantaggio strategico: i suoi modelli diventano l’alternativa prontamente disponibile.

Questa non è una capacità cinese accidentale o recente. Pechino ha iniziato a costruire l’infrastruttura per il calcolo su larga scala ben prima di ChatGPT. La Cina ha lanciato il suo progetto nazionale “Dati a est, calcolo a ovest” nel febbraio 2022, nove mesi prima del rilascio di ChatGPT. Il programma dirige enormi capacità di calcolo e data center verso regioni con terreni ed energia più economici, collegando al contempo tale capacità ai principali centri demografici e industriali del paese.

Ulanqab, nella Mongolia Interna, illustra la scala. La prefettura ha una popolazione di circa 1,5 milioni di abitanti e ha aperto o iniziato la costruzione di circa cento data center dal 2016. Secondo Bertrand, tali strutture consumano ora quasi l’uno percento della produzione di elettricità della Cina (Bertrand 2026). La Cina non sta aspettando che gli Stati Uniti decidano quanto sviluppo dell’IA considerano sicuro.

Questa è la debolezza fondamentale di qualsiasi proposta affinché gli Stati Uniti rallentino lo sviluppo sperando che la Cina faccia lo stesso.

Amodei ha ammesso lui stesso il problema. Nella sua intervista alla CBS del 13 settembre, ha descritto la competizione USA-Cina come il “dilemma più duro” che la sua proposta deve affrontare (CBS News 2026). Allo stesso tempo, ha esortato Washington a stringere le restrizioni sulle esportazioni di semiconduttori avanzati verso la Cina e ad agire contro le aziende cinesi che estraggono capacità dai modelli di IA americani.

La contraddizione è difficile da evitare. Gli Stati Uniti dovrebbero rallentare il proprio sviluppo impedendo contemporaneamente alla Cina di recuperare terreno. Questa strategia dipende dal fatto che la Cina accetti vincoli direttamente contrari ai suoi interessi strategici.

Pechino non ha dato alcuna indicazione di volerlo fare. Il Ministero degli Esteri cinese ha risposto ad Amodei accusando gli Stati Uniti di “allarmismo”, mentre il Global Times, sostenuto dallo stato, ha definito la sua proposta come un tentativo di contenere la Cina attraverso una strategia da “Guerra Fredda” (Guo 2026). I funzionari cinesi continuano a invocare la governance internazionale dell’IA rifiutando al contempo gli sforzi americani per limitare l’accesso della Cina alla tecnologia.

Gli incentivi della Cina sono chiari. Vuole l’accesso a chip avanzati. Vuole l’accesso ai modelli americani e alle loro capacità. Vuole che i modelli cinesi siano distribuiti a livello internazionale. E non vuole che gli Stati Uniti mantengano un vantaggio tecnologico su di essa.

Gli Stati Uniti dovrebbero dare per scontato che la Cina perseguirà tali interessi.

Una politica americana che limita i modelli americani a pesi aperti mentre i modelli a pesi aperti cinesi rimangono liberamente disponibili non contiene la Cina. Riduce la concorrenza americana con la Cina.

Chi protegge la regolamentazione dell’IA

I grandi produttori di carne hanno ottenuto ciò di cui avevano bisogno. L’ispezione federale ha riaperto i mercati europei, il Tesoro ha continuato a pagare gli ispettori e i requisiti di conformità federale si sono applicati ai concorrenti più piccoli che non potevano ripartire quei costi su milioni di carcasse.

Il consolidamento è avvenuto rapidamente. Il numero di produttori di carne interstatali è sceso da 923 nel 1906 a 300 nel 1910, un calo di due terzi in quattro anni (Newman 2024). Jill e io abbiamo documentato cosa la stessa struttura normativa abbia fatto col tempo al prosciutto della Virginia, ai piccoli trasformatori che un tempo servivano quasi ogni contea e agli agricoltori che non potevano più vendere legalmente prodotti che le loro famiglie producevano da generazioni (Malone e Glasspool Malone 2026).

La regolamentazione federale ha dato alle più grandi aziende di lavorazione della carne qualcosa che la sola concorrenza non poteva garantire: una barriera all’ingresso che i loro concorrenti più piccoli non potevano permettersi di superare.

Questo è il pericolo che oggi deve affrontare l’intelligenza artificiale.

I produttori di carne hanno imparato più di un secolo fa che la regolamentazione governativa poteva proteggere un’azienda consolidata in modo efficace quanto poteva limitarla. Potevano permettersi il sistema federale. I loro concorrenti più piccoli no.

Le più grandi aziende di IA possono permettersi licenze federali, valutazioni obbligatorie, dipartimenti di conformità, revisori esterni, requisiti di sicurezza ed eserciti di avvocati. Sviluppatori indipendenti, università, startup e piccole imprese non possono assorbire questi costi con la stessa facilità. La regolamentazione non deve necessariamente bandirli. Deve solo rendere la concorrenza troppo costosa.

Ci sono due cose da osservare man mano che questa legislazione va avanti. Primo: chi paga per le valutazioni obbligatorie e l’apparato normativo? I contribuenti, le aziende regolamentate o entrambi? Secondo: l’onere di conformità aumenta con le dimensioni e le risorse dell’azienda, o essenzialmente la stessa soglia normativa si applica ad Anthropic e OpenAI così come a una startup o a uno sviluppatore indipendente che gestisce un modello a pesi aperti?

Questi dettagli determineranno se questo è principalmente un regime di sicurezza o l’ennesimo caso di cattura della regolamentazione.

La lezione del 1906 è che le più grandi aziende di un settore possono usare la regolamentazione per compiere ciò che non possono realizzare attraverso la concorrenza: aumentare il costo di ingresso, ridurre il numero di concorrenti e consolidare il mercato attorno a se stesse.

Questo è il rischio nella legislazione sull’IA attualmente proposta. OpenAI, Anthropic, Google e gli altri principali laboratori sopravviveranno a un regime federale di licenze e conformità. Hanno il denaro, gli avvocati, l’infrastruttura e l’accesso politico per operare al suo interno.

I concorrenti con maggiori probabilità di scomparire sono quelli privi di denaro e infrastrutture per essere conformi: sviluppatori indipendenti, startup, ricercatori universitari, piccole imprese e americani che costruiscono su modelli a pesi aperti al di fuori delle grandi aziende tecnologiche. Questi sono anche gli ambienti in cui si verifica gran parte dell’innovazione in un nuovo campo.

Le piccole organizzazioni hanno meno livelli burocratici, catene di decisioni più brevi e maggiore libertà di sperimentare, fallire, riorganizzarsi, discutere nuove idee e cambiare rapidamente direzione. Non hanno bisogno dell’approvazione di dipartimenti di conformità, consulenti legali aziendali, molteplici livelli di management o azionisti prima di provare qualcosa di nuovo. Tale flessibilità organizzativa è uno dei loro maggiori vantaggi competitivi.

Un regime normativo che richiede loro di costruire l’infrastruttura burocratica di una corporazione da un trilione di dollari prima di poter competere fa molto di più che proteggere gli incumbent: rimuove sistematicamente dal mercato una delle principali fonti di innovazione.

Se Washington li estromette dal mercato tramite la regolamentazione mentre i modelli a pesi aperti cinesi rimangono liberamente disponibili, il risultato sarà persino peggiore. Gli Stati Uniti avranno protetto le loro più grandi corporazioni di IA, indebolito i propri sviluppatori indipendenti e ceduto una fetta ancora maggiore del mercato dei modelli aperti alla Cina.

Questo non significa controllare l’industria dell’IA, Bernie.

Significa consolidare l’IA americana nelle mani di poche corporazioni giganti, consegnando al contempo alla Cina il mercato dei pesi aperti.

RWM/JGM

Riferimenti

Amodei, Dario. 2026. “We Must Pace the Frontier.” September 12. darioamodei.com.

Bedoya, Alvaro. 2026. Post on X, September 13.

Bertrand, Arnaud. 2026. “The Most Important AI Story in the World Is Happening in a Place You Have Never Heard Of.” Post on X, September 13.

CBS News. 2026. “Face the Nation,” interview with Dario Amodei. September 13.

Gorelick, Evan. 2026. “Obama Urges Democrats to Develop a Plan on AI.” New York Times, September 13.

Guo Jiakun. 2026. Chinese Foreign Ministry press briefing, September 14. See also Global Times editorial, September 14.

Hubinger, Evan. 2026. Post on X, September 9.

Ji, Sayer. 2026. “Obama Just Gave the Manufactured AI Emergency Its Political Signal.” September 13. sayerji.substack.com.

Khan, Lina. 2026. Post on X, September 13.

Kingdon, John W. 1984. Agendas, Alternatives, and Public Policies. Boston: Little, Brown.

Kolko, Gabriel. 1963. The Triumph of Conservatism: A Reinterpretation of American History, 1900 to 1916. New York: Free Press.

Lehane, Chris. 2026. “The AI Policy Window Is Open. We Need to Act.” OpenAI, September 9. openai.com.

Libecap, Gary D. 1992. “The Rise of the Chicago Packers and the Origins of Meat Inspection and Antitrust.” Economic Inquiry 30 (2): 242 to 62.

Malone, Robert W., and Jill Glasspool Malone. 2026. “Well Being: The Processed Meat Problem,” Part Three: “What Actually Killed Virginia Ham.” MALONE.NEWS.

METR. 2026. “OpenAI Hugging Face Incident Investigation.” August 26. metr.org.

Newman, Patrick. 2024. “Playing the Defense: The Beef Trust, Cronyism, and the 1891 and 1906 Meat Inspection Acts.” The Independent Review 29 (1): 31.

Open Philanthropy. 2024. “Americans for Responsible Innovation: General Support.” August.

OpenSecrets. 2026. “Ted Lieu: Top Contributors, 2025 to 2026 Cycle.”

Politico. 2026. “House Democrats Weigh AI Select Committee.” September 9.

Ramkumar, Amrith. 2026. “Anthropic Researcher Quits Over Out-of-Control AI Fears.” Wall Street Journal, September 8.

Reuters. 2026. “Anthropic Targets Valuation of up to 2 Trillion Dollars in IPO.” September.

Sanders, Bernie. 2026. “Sanders, Casar Introduce Legislation to Ban Artificial Superintelligence and Temporarily Pause Advanced AI Development.” September 3. sanders.senate.gov.

Sinclair, Upton. 1906a. The Jungle. New York: Doubleday, Page.

Sinclair, Upton. 1906b. “What Life Means to Me.” Cosmopolitan, October.

Stigler, George J. 1971. “The Theory of Economic Regulation.” Bell Journal of Economics and Management Science 2 (1): 3 to 21.

Witt, Stephen. 2026. “This Is Really Bad.” New York Times, September 11.

https://www.malone.news/p/what-the-ai-panic-is-actually-about?utm_source=post-email-title&publication_id=583200&post_id=215832105&utm_campaign=email-post-title&isFreemail=true&r=aae8o&triedRedirect=true&utm_medium=email

IMPORTANTE!: Il materiale presente in questo sito (ove non ci siano avvisi particolari) può essere copiato e redistribuito, purché venga citata la fonte. NoGeoingegneria non si assume alcuna responsabilità per gli articoli e il materiale ripubblicato.Questo blog non rappresenta una testata giornalistica in quanto viene aggiornato senza alcuna periodicità. Non può pertanto considerarsi un prodotto editoriale ai sensi della legge n. 62 del 7.03.2001.