Intelligenza Artificiale
Gemini di Google è ora in testa alla corsa all'intelligenza artificiale?
Securities.io mantiene rigorosi standard editoriali e potrebbe ricevere compensi per i link recensiti. Non siamo consulenti finanziari registrati e questo non costituisce consulenza finanziaria. Si prega di consultare il nostro divulgazione di affiliati.
Lo sviluppo della tecnologia dell'intelligenza artificiale è stato giustamente descritto come una gara, con startup private come OpenAI e Anthropic che competono testa a testa con giganti della tecnologia come Microsoft (MSFT ) e Google (GOOGL )Questa corsa è stata alimentata da centinaia di miliardi di dollari di investimenti, non solo nello sviluppo di software, ma anche in ingenti spese in conto capitale per costruire data center di intelligenza artificiale sempre più grandi e con un consumo energetico sempre maggiore, per addestrare i modelli più recenti.
Nel frattempo, anche i modelli cinesi stanno progredendo rapidamente, aggiungendo un senso di urgenza e di competizione geopolitica agli sforzi delle aziende occidentali.
Ultimamente, sembra che Gemini di Google stia sorpassando i suoi concorrenti, soprattutto con il lancio di Gemini 3 Deep Think, un modello incentrato su una comprensione realistica non solo delle lingue, ma anche del mondo fisico. Inoltre, Google è stato scelto anche da Apple. (AAPL ) per alimentare l'intelligenza artificiale dei dispositivi dell'azienda e sta progredendo nel settore della produzione di chip per l'intelligenza artificiale.
Gemelli 3 Pensiero profondo: cosa è cambiato?
Rilascio di pensiero profondo
Con l'uscita il 12 febbraioth, 2026, di Gemini 3 Deep Think, Google ha compiuto un passo avanti decisivo nel passaggio da IA focalizzate principalmente sulla ricerca e sul linguaggio (LLM) ad IA più generaliste in grado di comprendere il mondo fisico.
Si tratta di uno sviluppo importante, poiché l'”intelligenza artificiale fisica” è la direzione che sta prendendo il settore, una tendenza che abbiamo esplorato più in dettaglio in “Intelligenza artificiale fisica: investire nel boom dei robot umanoidi del 2026. "
Per ora, il nuovo Deep Think è disponibile nell'app Gemini per gli abbonati a Google AI Ultra e, per la prima volta, tramite l'API Gemini per ricercatori, ingegneri e aziende selezionati, rendendo questa intelligenza artificiale già disponibile in commercio e non solo un modello di prova.
Matematica e scienze prima
Ciò che distingue Deep Think dalle precedenti iterazioni di Gemini e, in una certa misura, anche da altre IA, è l'attenzione rivolta alla comprensione matematica.
Gli LLM sono notoriamente poco performanti nei compiti matematici semplici, a volte fallendo persino semplici addizioni o calcoli ordinati. Questo non vale per Deep Think, che ha permesso ad agenti specializzati di condurre esplorazioni matematiche a livello di ricerca. Il modello sta superando di gran lunga altri modelli nei test di matematica e scienze. Si sta comportando molto bene anche nei compiti di programmazione.
Fonte: Google
La differenza con Gemini Pro Preview è ancora più marcata nei test su argomenti scientifici, come le Olimpiadi Internazionali di Matematica o le Olimpiadi Internazionali di Chimica, dove ha ottenuto un punteggio di circa l'82%, rispetto al solo 14% del test di matematica del precedente modello Google LLM.
Fonte: Google
Questi risultati sono stati possibili grazie a un'architettura radicalmente diversa da quella delle "IA classiche", che soffrono di allucinazioni quando i dati sono troppo scarsi, cosa che per definizione accadrà sempre per le ultime scoperte scientifiche.
Ad esempio, per la matematica pura, un agente di ricerca matematica (nome in codice interno Aletheia), basato su Gemini Deep Think, è dotato di un verificatore del linguaggio naturale per identificare i difetti nelle soluzioni candidate. Abilita un processo iterativo di generazione e revisione delle soluzioni. Fondamentalmente, questo agente è in grado di ammettere il fallimento nella risoluzione di un problema, una caratteristica chiave che ha migliorato l'efficienza dei ricercatori.
Fonte: Google
Questo approccio non solo è più efficace nel fornire risultati corretti, ma è anche più efficiente, poiché Aletheia ha dimostrato che è possibile ottenere una qualità di ragionamento più elevata con tempi di elaborazione dell'inferenza inferiori.
L'approccio può essere esteso dalla matematica ad altre scienze fisiche. Ad esempio, Gemini Deep Think ha scoperto come utilizzare "una nuova soluzione basata sui polinomi di Gegenbauer" per calcolare la radiazione gravitazionale delle stringhe cosmiche.
Applicazioni scientifiche reali
Questa performance si sta già traducendo in concreti utilizzi scientifici da parte dei ricercatori.
Ad esempio, la matematica Lisa Carbone della Rutgers University ha utilizzato Deep Think per individuare un difetto logico che era stato trascurato dai revisori umani in un articolo matematico altamente tecnico sulla teoria della gravità e sulla meccanica quantistica di Einstein.
Deep Think è stato utilizzato anche dal Wang Lab della Duke University per progettare una ricetta per la crescita di film sottili di semiconduttori più grandi di 100 micrometri, un obiettivo in precedenza difficile da raggiungere.
Distribuzione, hardware e slancio strategico
Il risultato di Deep Think si aggiunge ad altre buone notizie per il team di intelligenza artificiale di Google.
La decisione più importante è stata quella di Apple, l'unico colosso della tecnologia rimasto per lo più fuori dalla corsa all'intelligenza artificiale, di adottare Gemini come intelligenza artificiale predefinita sui dispositivi Apple. In tale contesto, ha senso che OpenAI abbia dichiarato nel dicembre 2025 un "Codice Rosso" per quanto riguarda i progressi di Google e di altre aziende di intelligenza artificiale.
La base di utenti di Gemini è in continua crescita dal lancio ad agosto di un generatore di immagini, Nano Banana, e Google ha affermato che gli utenti attivi mensili sono cresciuti da 450 milioni a luglio a 650 milioni a ottobre.
OpenAI sta subendo pressioni anche da parte di Anthropic, che sta diventando popolare tra i clienti aziendali".
Un'altra delle recenti vittorie di Google è il successo dei suoi chip di intelligenza artificiale. Innanzitutto, è stata Anthropic ad annunciare che avrebbe iniziato a utilizzare i chip AI di Google, chiamati TPU (Unità di elaborazione tensoriale), incluso l'utilizzo di fino a 1 milione di processori per alimentare il suo software di intelligenza artificiale. Ora, Anche la società di intelligenza artificiale concorrente Meta si unisce utilizzando le TPU di Google, mettendo in discussione se Google stia diventando un concorrente di Nvidia (NVDA ) tanto quanto OpenAI.
(Per saperne di più sulle TPU e altri hardware incentrati sull'intelligenza artificiale come XPU, FPGA, ecc., puoi leggere "Investire nell'hardware AI: dalle CPU alle XPU")
La strategia AI di Alphabet: integrazione verticale su larga scala
Scorri per scorrere →
| Azienda | Messa a fuoco del modello | Strategia hardware | Controllo della distribuzione | Integrazione verticale |
|---|---|---|---|---|
| Alfabeto | Gemelli 3 Pensiero profondo (Matematica/Scienza) | TPU interni | Android + Ricerca + Potenziale routing Apple | Stack completo (Chip → Cloud → Consumer) |
| Microsoft/OpenAI | Modelli GPT (LLM generale) | GPU Nvidia tramite Azure | Windows + Enterprise SaaS | Parziale |
| Meta | Lama (peso libero) | GPU + silicio personalizzato | Piattaforme sociali | Moderato |
| Antropico | Claude (Focus aziendale) | TPU di Google | API + Offerte aziendali | Basso |
L'attenzione rivolta alle TPU è un buon indicatore della strategia di Google. LLM solidi come Gemini e prestazioni superiori in applicazioni reali come Deep Think sono, ovviamente, molto importanti.
Ma è nel controllo della distribuzione dell'intelligenza artificiale e nella struttura dei costi + accesso al capitale che Google detiene una posizione solida.
La presenza di Google nel mercato della telefonia mobile tramite Android è già forte, ma con l'accordo con Apple, è quasi certo che la maggior parte delle richieste di intelligenza artificiale non specificamente indirizzate a una determinata app di intelligenza artificiale saranno indirizzate a Gemini, direttamente o indirettamente.
L'altro fattore è la crescente dipendenza dalle TPU. Alcuni report affermano che le TPU sono circa il 30% più economiche delle GPU Nvidia e offrono prestazioni per dollaro da 2 a 4 volte superiori in carichi di lavoro comparabili. Il minor consumo energetico a parità di elaborazione non è solo una questione finanziaria; aiuta anche a espandere i data center dedicati all'intelligenza artificiale nonostante le crescenti limitazioni di approvvigionamento energetico.
Infine, il livello di integrazione verticale, a partire dalle TPU, fino ai data center di proprietà diretta, una piattaforma cloud aziendale e infine un canale di distribuzione per i consumatori, non ha eguali nel settore, con solo Microsoft che si avvicina in qualche modo nel settore aziendale.
Infine, la costruzione di infrastrutture di intelligenza artificiale è stata straordinariamente costosa. Centinaia di miliardi di dollari in chip e data center devono ora essere pagati e generano enormi costi di ammortamento nel bilancio ogni anno. L'entità dei flussi di cassa di Alphabet derivanti da ricerca, YouTube, Android e altri prodotti rende l'azienda più in grado di gestire sia i costi iniziali che la futura manutenzione di questa infrastruttura.
I Gemelli stanno davvero andando avanti?
Prevedere un "vincitore" definitivo nella corsa all'intelligenza artificiale è certamente prematuro. Ad esempio, l'intero paradigma attuale potrebbe essere stravolto se I centri dati orbitali della società xAI/Space, ora fusa, si dimostrano un forte vantaggio competitivo.
Ma sembra che stiano emergendo alcune tendenze che vanno a favore di Google.
Il primo è la necessità di hardware specializzato per l'intelligenza artificiale, un ambito in cui molti giganti della tecnologia sono in ritardo, il che dà un vantaggio ai produttori di chip e a Google.
L'altro è l'importanza del controllo della distribuzione per il grande pubblico, che potrebbe non essere molto consapevole di quale intelligenza artificiale può o dovrebbe utilizzare. In questo senso, l'accesso diretto all'intero ecosistema Apple rispecchia la precedente strategia di rendere Google il motore di ricerca predefinito sugli iPhone (che ha portato persino a sentenze antitrust statunitensi alla fine del 2025 in quanto "troppo vantaggiose").
Grazie alle competenze di Deep Think in matematica e scienza, Google sta vivendo un ottimo inizio di 2026 in termini di intelligenza artificiale. È difficile stabilire se questa posizione di leadership sarà mantenuta a lungo, nonostante la resistenza di OpenAI, Microsoft, Meta, Anthropic e una miriade di modelli cinesi, inclusi giganti della tecnologia cinese come Alibaba. (BABA ) o ByteDance, resta ancora da vedere.
