Acquistare un’altra famiglia di processori non significa abbandonare la precedente. Il progetto di acquisizione di chip Google attribuito a OpenAI illustra questa sfumatura: dietro la concorrenza tra marchi si pone una questione industriale, quella della capacità di calcolo disponibile per addestrare e far funzionare modelli di intelligenza artificiale.
Il 28 ottobre 2026, Clubic ha ripreso una notizia di The Information secondo cui OpenAI starebbe valutando l’acquisto di TPU di Google. La notizia descrive un progetto riferito dalla stampa. Non consente di presentare come fatti accertati un contratto firmato, una consegna o la sostituzione delle GPU Nvidia.
Un progetto di acquisto, non ancora un’installazione documentata
Un dispaccio Reuters del 27 ottobre riprende la stessa fonte giornalistica. Riferisce che le condizioni finanziarie e gli altri dettagli non erano stati resi pubblici; in quel momento, OpenAI aveva rifiutato di commentare e Google non aveva risposto immediatamente all’agenzia.
La pluralità degli articoli non costituisce quindi una serie di conferme indipendenti dell’acquisto. I testi rimandano a una notizia iniziale. Per i lettori, la distinzione è importante: una possibile trattativa non chiarisce né il numero di chip, né la loro generazione, né i tempi entro i quali potrebbero diventare utilizzabili.
È tuttavia possibile spiegare la posta in gioco senza trasformare il condizionale in certezza. A tal fine, occorre distinguere tre aspetti: la natura dei processori, le modalità di accesso e l’organizzazione dei software che li utilizzano.
Che cosa indica il termine TPU
TPU significa «Tensor Processing Unit». Nella sua documentazione tecnica, Google descrive questi componenti come circuiti specializzati nell’accelerare i calcoli di apprendimento automatico. Sono progettati in particolare per le grandi operazioni matriciali, cioè calcoli su array di numeri molto presenti nelle reti neurali.
Il fornitore precisa inoltre che il codice destinato a questi processori passa attraverso il compilatore XLA. L’hardware non è quindi un componente intercambiabile il cui solo nome basterebbe a prevedere il risultato. Il programma, la sua struttura e le operazioni richieste contribuiscono alle prestazioni ottenute.
Google distingue inoltre le situazioni adatte ai TPU da quelle in cui possono essere più indicati le GPU o i processori tradizionali. La documentazione cita limiti legati, tra l’altro, ad alcune operazioni personalizzate o alle esigenze di calcolo ad alta precisione. La specializzazione è un vantaggio per le attività adatte, ma non dimostra una superiorità universale.
Noleggiare capacità di calcolo e acquistare chip: due decisioni diverse
Un’azienda può utilizzare un acceleratore senza esserne proprietaria, accedendo a un’infrastruttura cloud. Acquistare hardware comporta un’organizzazione diversa: occorre stabilire dove sarà installato, chi lo gestirà e come sarà integrato nel resto del sistema.
Il progetto riferito riguardo a OpenAI non fornisce gli elementi necessari per descrivere questa organizzazione. Sarebbe quindi prematuro disegnare una nuova mappa dei suoi centri dati o annunciare un risparmio preciso per ogni richiesta.
Facciamo un confronto economico puramente illustrativo. Un team può noleggiare capacità quando ne ha bisogno oppure investire in un’infrastruttura che prevede di utilizzare nel lungo periodo. Nel secondo caso, il prezzo del componente non racconta tutta la storia: una risorsa inutilizzata per una parte del tempo può modificare il calcolo. Nel primo, la flessibilità di accesso, da sola, non dice nulla sul costo nell’arco di diversi anni. Queste domande aiutano a leggere la vicenda, ma non sono dati noti sul progetto OpenAI–Google.
La diversificazione non inizia con questa notizia
Un elemento pubblico offre un contesto più solido. Il comunicato congiunto di AMD e OpenAI del 6 ottobre 2025 annunciava un accordo pluriennale per sei gigawatt di infrastrutture dotate di GPU AMD, distribuite su più generazioni.
Il calendario annunciato prevedeva una prima implementazione di un gigawatt con la serie Instinct MI450 a partire dal secondo semestre del 2026. Questo documento attesta l’annuncio e il suo ambito; non dimostra che tutte le installazioni siano oggi completate. I sei gigawatt non corrispondono neppure a un numero di chip o a una misura diretta del numero di risposte che ChatGPT potrebbe generare.
Questo precedente permette di collocare l’ipotesi dei TPU in un percorso già documentato di ricorso a più tecnologie. Non conferma l’acquisto da Google. Evita soprattutto di raccontare ogni nuovo fornitore come un passaggio esclusivo da uno schieramento all’altro.
Le domande che aiuteranno a valutare gli sviluppi
Se arriverà un annuncio ufficiale, quattro informazioni saranno particolarmente utili. A quale generazione di componenti si riferisce? Il programma punta all’addestramento, all’esecuzione dei modelli o a entrambe le cose? Entro quando la capacità sarà effettivamente disponibile? Quali risultati saranno misurati sui software realmente utilizzati?
Occorrerà inoltre distinguere tra capacità ordinata, hardware consegnato e servizio operativo. Ciascuna di queste fasi può essere oggetto di annunci, ma non descrivono lo stesso livello di avanzamento.
Per l’utente finale, cambiare fornitore di capacità di calcolo non garantisce direttamente né una riduzione del prezzo dell’abbonamento né una risposta migliore del modello. Sono risultati diversi, da verificare separatamente. La vicenda OpenAI–Google è dunque interessante come segnale di una possibile diversificazione, a condizione di seguire le prove della sua attuazione invece di considerarla già il verdetto di una guerra dei chip.
Fotografia a scopo illustrativo: apparecchiature per server; non rappresenta un’installazione TPU di OpenAI.
