Ovvero: come si disperde un patrimonio intellettuale senza accorgersene, finché non è troppo tardi
Quando si parla della corsa globale all’intelligenza artificiale si nomina quasi sempre lo stesso trittico: Stati Uniti, Cina, e — con deferenza crescente — un po’ di Mistral e qualcosa dai paesi del Golfo. La Russia non c’è. La cosa strana non è l’assenza. È che nessuno la nota.
Eppure il bacino intellettuale che la tradizione matematica sovietica ha prodotto avrebbe dovuto essere lì — e non per via di un’opportunità mancata di recente. Il problema russo con l’AI è molto più vecchio delle sanzioni del 2022, e comincia con una difficoltà strutturale che la Russia condivide con quasi tutti i paesi a forte tradizione accademica: trasformare eccellenza scientifica d’élite in ecosistema tecnologico diffuso. Talento, istituzioni, infrastruttura sono tre livelli distinti che si possono perdere in ordine diverso. La Russia li sta perdendo tutti e tre — ma aveva già perso il secondo e il terzo prima che il conflitto ucraino diventasse il punto di rottura visibile.
La scuola matematica dell’URSS rimane una delle più straordinarie mai costruite: Kolmogorov sulla teoria della probabilità e la complessità algoritmica, la tradizione di Mosca in statistica e logica formale, la formazione rigorosa che MIPT e l’Università di Stato offrivano anche a chi poi sarebbe emigrato in Israele, in Canada, negli Stati Uniti. Quella tradizione ha alimentato, tra gli altri, Ilya Sutskever (nato a Nižnij Novgorod, cofondatore e a lungo Chief Scientist di OpenAI) e Dzmitry Bahdanau (bielorusso, autore nel 2015 del paper sull’attention mechanism che ha aperto la strada ai transformer moderni). Non si tratta di contributi periferici della diaspora post-sovietica: una parte rilevante del talento che ha definito l’AI contemporanea viene da quella tradizione.
Il problema è che quella tradizione si è esportata, non moltiplicata.
Dopo il 2014 — sanzioni seguite all’annessione della Crimea, parziale isolamento finanziario — il venture capital internazionale si era già ritirato quasi completamente. Le startup con ambizioni globali imparavano in fretta che per raccogliere capitali bisognava spostare la sede all’estero, portandosi dietro i fondatori. Era la perdita silenziosa del meccanismo di conversione: il canale che trasforma ricerca in impresa e impresa in scala. La dipendenza da hardware e toolchain americani era totale e sostanzialmente ignorata — il tipo di vincolo che si affronta quando diventa urgente. È diventato urgente nel 2022.
Nei primi trenta giorni dall’invasione, tra 50.000 e 70.000 lavoratori IT lasciano il paese secondo la stima dell’associazione di settore RAEC. La mobilitazione parziale di settembre aggiunge un’altra ondata. I dati GitHub lo confermano indirettamente: l’attività di commit da Georgia e Armenia quadruplica nel biennio successivo. I server fisici restano a Mosca; chi li usava è a Tbilisi, Yerevan, Berlino, Tel Aviv.
Sul lato hardware, il collo di bottiglia non è semplicemente “niente H100”. L’intero sistema di sviluppo per l’AI di frontiera è costruito intorno a CUDA — piattaforma proprietaria NVIDIA — con i toolchain, i framework di ottimizzazione e gli interconnect ad alta velocità (InfiniBand, anch’esso NVIDIA) che gli girano intorno. Non avere i chip è grave; non avere accesso alla catena software completa significa che anche con hardware alternativo il gap di produttività rimane strutturalmente enorme. La Cina ha almeno Huawei Ascend come parziale sostituto domestico, e ha avuto accesso alle GPU americane fino a metà 2023. La Russia non ha nessuno dei due.
Per dare un’idea di scala: il costo stimato per addestrare un modello linguistico di frontiera si aggira nell’ordine delle decine-centinaia di milioni di dollari a singolo training run. Il finanziamento pubblico russo all’AI per l’intero 2024 era di circa 54 milioni di dollari — cifra non direttamente comparabile con i budget americani o cinesi, che includono investimento privato, ma che dà la misura concreta del vincolo.
Quello che rimane dentro i confini russi non è irrilevante. Sber ha costruito GigaChat, un LLM multimodale con ambizioni nazionali; Yandex ha rilasciato YandexGPT, ora alla quinta versione, integrata nell’assistente Alice. Questi modelli funzionano, servono il mercato interno e Sber in particolare ha costruito un’infrastruttura di AI applicata al credito che per certi aspetti è avanzata.
Resta però una tensione irrisolta, documentata da un’analisi RUSI del giugno 2025: questi modelli mostrano i limiti di un progetto che vuole piena sovranità pur nascendo dentro stack tecnici e allineamenti parzialmente importati. Il risultato pratico è che il modello “sovrano” in certi casi tratta le “nuove regioni” annesse come territorio ucraino. Non è una causalità diretta, e la questione tecnica è più complessa, ma l’immagine che ne esce è comunque imbarazzante.
Se l’avesse scritto Bulgakov, sembrava troppo.
Putin ha risposto con la retorica della sovranità. A novembre 2025, all’AI Journey conference di Mosca, ha annunciato la National AI Force: modelli completamente russi, addestrati su dati russi, “sovrani” anche sul piano dei valori. Il premier Mishustin ha dichiarato che GigaChat e ChatGPT hanno “una comprensione fondamentalmente diversa di bene e male”. Il paradosso è che non si può costruire un LLM davvero sovrano quando substrato computazionale, toolchain e parte dell’architettura vengono da altrove.
Tre piani separati aiutano a capire cosa resta davvero.
Sul piano militare e dell’influenza, la Russia è effettivamente operativa: droni autonomi capaci di operare in ambienti GPS-degradati senza connessione cloud, sistemi di guerra elettronica, operazioni di disinformazione su scala industriale. Questo non è un fallimento tecnologico — è AI per scopi specifici, sviluppata sotto pressione di guerra, e funziona. È un dominio diverso dal frontier training, ma non è niente.
Sul piano dei modelli per il mercato interno, GigaChat e YandexGPT servono il consumatore russo, le banche, la pubblica amministrazione. Sono modelli reali, non simulacri. Ma sono ottimizzati per il contesto locale e non partecipano al ciclo globale di benchmark, comparazione e miglioramento incrementale che alimenta l’AI di frontiera.
Sul piano del frontier training — dove si producono i modelli che spostano il benchmark successivo, dove si alimenta la ricerca che ridefinisce l’architettura — la Russia è sostanzialmente assente. Non per mancanza di intelligenza, ma per mancanza di compute, continuità istituzionale, e del tessuto di capitale e talento che rende possibile operare a quella scala.
La geopolitica dell’AI non è bipolare nel senso semplice del termine. Il livello frontier è dominato in modo schiacciante da attori statunitensi e cinesi. Nei livelli sottostanti — modelli a pesi aperti, cloud deployment, AI nazionale, sistemi difensivi — il quadro è molto più plurale: Israele, Francia, Corea del Sud, India, Golfo. La Russia è assente da quel secondo gruppo, ed è questa assenza su più livelli che misura davvero la caduta.
Il talento non è scomparso. Si sono erose le istituzioni che lo trattengono e l’infrastruttura che lo rende scalabile. La scuola di matematica c’è ancora; il sistema che dovrebbe convertirla in potere tecnologico è gravemente danneggiato — e quel danno cominciava molto prima che qualcuno cominciasse a contare i carri armati al confine ucraino.
La scacchiera si è ridisegnata e la Russia ha ancora dei pezzi eccellenti — solo che quasi tutti giocano per altri.
Riferimenti
[1] RAEC (Russian Association for Electronic Communications), stima emigrazione IT workers 50.000–70.000 nel primo mese (marzo 2022), citata in Boston Globe e RFE/RL.
URL: https://www.bostonglobe.com/2022/04/13/business/russian-tech-industry-faces-brain-drain-workers-flee/
[2] Future UAE / Future Center, Technological Sovereignty: Can Russia Catch Up in the AI Race?, 2025. Dato: finanziamento pubblico AI Russia 2024 (~$54M), citando TASS e dichiarazioni di Mishustin.
URL: https://futureuae.com/en-US/Mainpage/Item/11040/technological-sovereignty-can-russia-catch-up-in-the-ai-race
[3] RUSI, Can AI Help Russia Decisively Improve its Information War Against the West?, giugno 2025. Analisi limiti GigaChat/YandexGPT, dipendenza da architetture straniere.
URL: https://www.rusi.org/explore-our-research/publications/commentary/can-ai-help-russia-decisively-improve-its-information-war-against-west
[4] Nicu Calcea / Samizdata Blog, Russia’s Tech Brain Drain in Numbers (analisi dati GitHub da Georgia e Armenia), aprile 2024.
URL: https://blog.samizdata.co/p/russias-tech-brain-drain-in-numbers
[5] GINC, Russia’s National AI Strategy, 2026. AI Journey 2025, annuncio National AI Force.
URL: https://www.ginc.org/russias-national-ai-strategy/
[6] Bahdanau, Cho, Bengio, Neural Machine Translation by Jointly Learning to Align and Translate, arXiv 2015.
URL: https://arxiv.org/abs/1409.0473
Leave a Reply