{"id":1639,"date":"2026-07-21T13:03:32","date_gmt":"2026-07-21T13:03:32","guid":{"rendered":"https:\/\/convly.ai\/?p=1639"},"modified":"2026-07-21T13:03:32","modified_gmt":"2026-07-21T13:03:32","slug":"zai-1-gigawatt-data-center-chinese-chips","status":"publish","type":"post","link":"https:\/\/convly.ai\/it\/zai-1-gigawatt-data-center-chinese-chips\/","title":{"rendered":"Il data center da 1 gigawatt di Z.ai funziona interamente con chip cinesi \u2013 riferisce una fonte"},"content":{"rendered":"<p>Secondo quanto riportato da Tom's Hardware, il data center da 1 gigawatt di Z.ai potrebbe rappresentare uno dei segnali pi\u00f9 chiari finora che i principali laboratori cinesi di intelligenza artificiale stanno imparando a operare senza Nvidia. Z.ai \u2014 l'azienda dietro la famiglia di modelli linguistici di grandi dimensioni (LLM) GLM, ampiamente utilizzata \u2014 avrebbe attivato un data center IA da 1 gigawatt costruito esclusivamente su chip cinesi e gestisce ora pi\u00f9 cluster da 10.000 chip ciascuno, senza alcun componente siliconico Nvidia. Questa affermazione deriva da una notizia giornalistica, non da un annuncio ufficiale dell'azienda, pertanto i dettagli vanno presi con cautela; tuttavia, se confermata, rappresenterebbe un traguardo significativo per le infrastrutture IA nazionali in Cina e un dato rilevante per tutti gli utenti dei modelli GLM.<\/p>\n<div class=\"convly-tldr\">\n<h3>Punti chiave<\/h3>\n<ul>\n<li>Tom's Hardware riporta che Z.ai, sviluppatore dei modelli GLM, ha attivato un data center IA da 1 gigawatt costruito interamente su chip cinesi.<\/li>\n<li>La notizia afferma che Z.ai gestisce attualmente pi\u00f9 cluster da 10.000 chip ciascuno, privi completamente di componenti siliconici Nvidia.<\/li>\n<li>L'affermazione \u00e8 attribuita a una notizia giornalistica, non a una comunicazione ufficiale verificata dell'azienda; pertanto, alcuni dettagli fondamentali \u2014 inclusi i fornitori nazionali di chip impiegati \u2014 rimangono non confermati.<\/li>\n<li>Un impianto da un gigawatt basato esclusivamente su chip domestici suggerirebbe che gli acceleratori IA cinesi sono ormai in grado di sostenere carichi di lavoro di punta sia per l'addestramento che per l'inferenza.<\/li>\n<li>Per gli sviluppatori che fanno affidamento sui modelli GLM, questa notizia evidenzia la resilienza della catena di approvvigionamento: la roadmap computazionale di Z.ai non dipenderebbe pi\u00f9 dalle decisioni statunitensi in materia di controlli all'esportazione.<\/li>\n<\/ul>\n<\/div>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_84 counter-flat ez-toc-counter ez-toc-container-direction\">\n<label for=\"ez-toc-cssicon-toggle-item-6a67f5fd4c67f\" class=\"ez-toc-cssicon-toggle-label\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Attiva\/Disattiva<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #000000;color:#000000\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewbox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #000000;color:#000000\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewbox=\"0 0 24 24\" version=\"1.2\" baseprofile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/label><input type=\"checkbox\"  id=\"ez-toc-cssicon-toggle-item-6a67f5fd4c67f\"  aria-label=\"Attiva\/Disattiva\" \/><nav><ul class='ez-toc-list ez-toc-list-level-1' ><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/convly.ai\/it\/zai-1-gigawatt-data-center-chinese-chips\/#What_the_report_claims_about_Zais_1-gigawatt_data_center\" >Cosa afferma la notizia riguardo al data center da 1 gigawatt di Z.ai<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/convly.ai\/it\/zai-1-gigawatt-data-center-chinese-chips\/#Why_an_all-Chinese-silicon_gigawatt_facility_matters\" >Perch\u00e9 un impianto da un gigawatt interamente basato su chip cinesi \u00e8 rilevante<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/convly.ai\/it\/zai-1-gigawatt-data-center-chinese-chips\/#Inside_the_10000-chip_clusters_what_we_know_and_dont\" >All'interno dei cluster da 10.000 chip: cosa sappiamo e cosa ignoriamo<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/convly.ai\/it\/zai-1-gigawatt-data-center-chinese-chips\/#Zais_reported_infrastructure_at_a_glance\" >Infrastruttura dichiarata di Z.ai a colpo d'occhio<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/convly.ai\/it\/zai-1-gigawatt-data-center-chinese-chips\/#What_zero_Nvidia_silicon_means_for_the_GLM_model_family\" >Cosa significa l'assenza totale di chip Nvidia per la famiglia di modelli GLM<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/convly.ai\/it\/zai-1-gigawatt-data-center-chinese-chips\/#What_it_means_for_AI_developers_and_the_wider_market\" >Cosa implica per gli sviluppatori IA e per il mercato nel suo complesso<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/convly.ai\/it\/zai-1-gigawatt-data-center-chinese-chips\/#Frequently_asked_questions\" >Domande frequenti<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/convly.ai\/it\/zai-1-gigawatt-data-center-chinese-chips\/#The_bottom_line\" >In sintesi<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"What_the_report_claims_about_Zais_1-gigawatt_data_center\"><\/span>Cosa afferma la notizia riguardo al data center da 1 gigawatt di Z.ai<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Le affermazioni centrali, secondo quanto riportato da Tom's Hardware, sono sintetiche ma impressionanti. In primo luogo, Z.ai avrebbe messo in funzione un data center IA con una capacit\u00e0 di alimentazione pari a 1 gigawatt \u2014 una scala normalmente associata ai pi\u00f9 grandi campus IA iperscalari del mondo. In secondo luogo, l'impianto sarebbe stato costruito interamente con chip cinesi. In terzo luogo, lo sviluppatore dei modelli GLM gestirebbe attualmente pi\u00f9 cluster da 10.000 chip ciascuno, senza alcun componente siliconico Nvidia nell'intera configurazione.<\/p>\n<p>Questo \u00e8 l'intero contenuto della notizia. Il titolo non specifica quali produttori nazionali di chip abbiano fornito gli acceleratori, quale interconnessione sia utilizzata nei cluster, se l'impianto serve esclusivamente l'addestramento, l'inferenza o entrambi, n\u00e9 dove si trovi fisicamente. Inoltre, non esiste alcuna dichiarazione ufficiale di Z.ai che ne confermi i dati. Fino a quando l'azienda o i suoi partner non forniranno ulteriori dettagli, l'interpretazione pi\u00f9 ragionevole \u00e8 che si tratti di una notizia industriale credibile che descrive una direzione strategica, piuttosto che una scheda tecnica pienamente verificata.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Why_an_all-Chinese-silicon_gigawatt_facility_matters\"><\/span>Perch\u00e9 un impianto da un gigawatt interamente basato su chip cinesi \u00e8 rilevante<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>La capacit\u00e0 di alimentazione \u00e8 diventata lo standard di riferimento per le infrastrutture IA perch\u00e9 misura il vincolo unico che nessuna ingegneria sofisticata pu\u00f2 aggirare: l'elettricit\u00e0. Un impianto da 1 gigawatt, qualora la cifra riportata fosse corretta, collocherebbe l'infrastruttura di Z.ai tra i progetti di data center IA pi\u00f9 grandi mai pubblicamente discussi a livello globale \u2014 e realizzarlo senza hardware Nvidia \u00e8 la parte davvero innovativa.<\/p>\n<p>Nel contesto generale, i controlli statunitensi all'esportazione hanno progressivamente limitato la vendita di acceleratori Nvidia avanzati alla Cina negli ultimi anni, costringendo i laboratori cinesi di IA a scegliere tra forniture limitate di chip depotenziati e un ecosistema nazionale che storicamente ha accusato ritardi in termini di prestazioni grezze, maturit\u00e0 software e larghezza di banda dell'interconnessione. Molti osservatori occidentali avevano ipotizzato che questo divario avrebbe frenato le ambizioni cinesi di sviluppare modelli di punta. Una notizia secondo cui un laboratorio di primo piano sta ora gestendo calcoli su scala gigawatt esclusivamente con hardware nazionale \u2014 e distribuisce modelli competitivi da tale infrastruttura \u2014 mette direttamente in discussione tale assunzione.<\/p>\n<p>Vale la pena precisare cosa la notizia dimostri effettivamente e cosa invece non dimostri. Non ci dice come le prestazioni per chip degli acceleratori nazionali confrontino con quelle delle attuali soluzioni Nvidia, n\u00e9 quanto efficienza Z.ai sacrifichi per ottenere tale indipendenza. Ci\u00f2 che dimostrerebbe, se confermato, \u00e8 che il problema sistemico complessivo \u2014 chip, rete, stack software e disciplina operativa necessaria per mantenere produttivi decine di migliaia di acceleratori \u2014 \u00e8 stato risolto a sufficienza per eseguire i carichi di lavoro di un laboratorio di punta. Si tratta del problema pi\u00f9 complesso e strategicamente pi\u00f9 rilevante.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Inside_the_10000-chip_clusters_what_we_know_and_dont\"><\/span>All'interno dei cluster da 10.000 chip: cosa sappiamo e cosa ignoriamo<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>La seconda affermazione della notizia \u2014 ovvero la presenza di pi\u00f9 cluster da 10.000 chip \u2014 \u00e8 probabilmente pi\u00f9 informativa del semplice dato di 1 gigawatt. L'addestramento di moderni modelli linguistici di grandi dimensioni richiede di sincronizzare un numero molto elevato di acceleratori attraverso interconnessioni veloci, e la dimensione dei cluster costituisce un indicatore ragionevole della massima scala possibile per un singolo ciclo di addestramento. Cluster da diecimila acceleratori rientrano inequivocabilmente nella categoria \u00abaddestramento di punta\u00bb, secondo gli standard industriali.<\/p>\n<p>Ci\u00f2 che rimane ignoto \u00e8 quasi tutto ci\u00f2 che determina le prestazioni effettive di tali cluster. Tassi di utilizzo, comportamento in caso di guasti e recupero, topologia dell'interconnessione e maturit\u00e0 dello stack di compilatori e framework influenzano fortemente quanta formazione utile per modelli un cluster di determinata dimensione riesca effettivamente a fornire. Gli acceleratori cinesi nazionali hanno storicamente incontrato le loro sfide pi\u00f9 ardue proprio in questi ambiti \u2014 l'ecosistema software piuttosto che il silicio stesso \u2014 quindi l'affermazione secondo cui Z.ai gestisce diversi di tali cluster in produzione, senza alcun hardware Nvidia come risorsa di fallback, \u00e8 la parte pi\u00f9 degna di attenzione e verifica. Gli sviluppatori che valutano scelte hardware per i propri carichi di lavoro possono confrontare le opzioni attuali di acceleratori nella nostra guida alle <a href=\"https:\/\/convly.ai\/it\/best-gpus-for-ai-2026\/\">migliori GPU per l'IA<\/a>.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Zais_reported_infrastructure_at_a_glance\"><\/span>Infrastruttura dichiarata di Z.ai a colpo d'occhio<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<table class=\"convly-vs\">\n<thead>\n<tr>\n<th>Affermazione riportata<\/th>\n<th>Dettaglio (secondo Tom's Hardware)<\/th>\n<th>Perch\u00e9 \u00e8 importante<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Capacit\u00e0 di alimentazione dell'impianto<\/td>\n<td>1 gigawatt<\/td>\n<td>Colloca l'impianto nella categoria iperscalare; l'alimentazione \u00e8 il vincolo determinante per la capacit\u00e0 IA<\/td>\n<\/tr>\n<tr>\n<td>Origine dei chip<\/td>\n<td>Chip interamente cinesi<\/td>\n<td>Indica l'indipendenza dalle catene di approvvigionamento controllate dagli Stati Uniti<\/td>\n<\/tr>\n<tr>\n<td>Dimensione dei cluster<\/td>\n<td>Pi\u00f9 cluster da 10.000 chip ciascuno<\/td>\n<td>Categoria \u00abaddestramento di punta\u00bb secondo gli standard industriali<\/td>\n<\/tr>\n<tr>\n<td>Hardware Nvidia<\/td>\n<td>Assente, secondo la notizia<\/td>\n<td>Elimina l'esposizione ai controlli all'esportazione nella roadmap computazionale di Z.ai<\/td>\n<\/tr>\n<tr>\n<td>Fornitore\/i di chip<\/td>\n<td>Non specificato<\/td>\n<td>La domanda fondamentale ancora senza risposta riguardo prestazioni e maturit\u00e0 software<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Ogni riga sopra riportata si basa su un'unica notizia, e l'ultima riga \u00e8 quella pi\u00f9 cruciale per chiunque voglia valutare le reali capacit\u00e0 applicative. Quale silicio nazionale riempie quegli armadietti \u2014 e quanto il relativo stack software si sia evoluto \u2014 determiner\u00e0 se si tratta di un traguardo simbolico oppure di una piattaforma competitiva duratura.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"What_zero_Nvidia_silicon_means_for_the_GLM_model_family\"><\/span>Cosa significa l'assenza totale di chip Nvidia per la famiglia di modelli GLM<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>I modelli GLM di Z.ai sono diventati un punto di riferimento nel panorama dei modelli a pesi aperti (open-weights), e la base computazionale dell'azienda influenza direttamente la velocit\u00e0 con cui arrivano nuove versioni, il costo con cui possono essere distribuiti e la capacit\u00e0 di scalare in modo affidabile con la domanda. \u00c8 possibile seguire l'evoluzione della linea GLM insieme ai suoi concorrenti nel nostro <a href=\"https:\/\/convly.ai\/it\/models\/\">Database dei modelli di intelligenza artificiale<\/a>.<\/p>\n<p>Se la notizia fosse accurata, l'implicazione pratica per gli utenti dei modelli GLM sarebbe la resilienza. Un laboratorio la cui intera flotta funziona esclusivamente su silicio nazionale \u00e8 immune dal ricorrente ciclo di inasprimento dei controlli statunitensi all'esportazione, che ha pi\u00f9 volte costretto i laboratori cinesi a rivedere i piani di approvvigionamento in corsa. Questa stabilit\u00e0 \u00e8 cruciale per gli sviluppatori che fanno scommesse pluriennali su una famiglia di modelli: la capacit\u00e0 API \u00e8 meno probabile che venga razionata per ragioni geopolitiche, e il ritmo delle uscite dei modelli \u00e8 meno probabile che subisca arresti a causa del blocco di una spedizione di acceleratori.<\/p>\n<p>Esiste anche un aspetto economico degno di nota, da considerarsi analisi piuttosto che fatto riportato. I modelli a pesi aperti, come GLM, competono in larga misura sul costo, e un controllo verticale dell'infrastruttura nazionale \u2014 per quanto possa comportare una penalit\u00e0 di efficienza per chip \u2014 offre al laboratorio leve di prezzo che noleggiare capacit\u00e0 Nvidia limitata non consente. Il nostro <a href=\"https:\/\/convly.ai\/it\/open-vs-closed-ai-cost-gap-2026\/\">studio sui costi dell'IA: approccio aperto vs chiuso<\/a> analizza come scelte infrastrutturali di questo tipo si riflettano sui prezzi effettivi per token che gli sviluppatori pagano.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"What_it_means_for_AI_developers_and_the_wider_market\"><\/span>Cosa implica per gli sviluppatori IA e per il mercato nel suo complesso<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Per gli sviluppatori al di fuori della Cina, la conclusione immediata non \u00e8 che entreranno mai in contatto con questo data center \u2014 bens\u00ec ci\u00f2 che la notizia implica sulla traiettoria della concorrenza. Se il silicio nazionale cinese \u00e8 in grado di sostenere operazioni IA su scala gigawatt, l'offerta di modelli a pesi aperti di classe avanzata continuer\u00e0 probabilmente a crescere indipendentemente dalla politica di esportazione, mantenendo una pressione al ribasso sui prezzi dell'inferenza su tutto il mercato. I team che devono decidere se consumare tali modelli tramite API o eseguirli su propria infrastruttura possono valutarne i compromessi con il nostro <a href=\"https:\/\/convly.ai\/it\/self-hosting-vs-api-calculator\/\">calcolatore self-hosting vs API<\/a>.<\/p>\n<p>Per il mercato hardware, la notizia \u2014 se confermata \u2014 erode l'assunto secondo cui l'ecosistema Nvidia \u00e8 indispensabile al massimo livello. Ci\u00f2 non minaccia la posizione di Nvidia nei mercati occidentali, dove hardware e stack software rimangono lo standard di riferimento. Tuttavia, un'alternativa dimostrata e operativa su larga scala nel secondo mercato IA pi\u00f9 grande del mondo modifica il quadro a lungo termine della concorrenza tra acceleratori e rafforza la posizione di ogni acquirente nelle trattative con qualsiasi fornitore. Va ripetuta la cautela: nulla di quanto sopra \u00e8 stato confermato da Z.ai, e le notizie sull'infrastruttura IA cinese hanno una storia di anticipazione rispetto ai fatti verificabili. Considerate la direzione plausibile e i numeri specifici come provvisori.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Frequently_asked_questions\"><\/span>Domande frequenti<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><strong>Cosa avrebbe costruito Z.ai?<\/strong> Secondo Tom's Hardware, Z.ai ha attivato un data center per l'intelligenza artificiale da 1 gigawatt costruito interamente su chip cinesi e gestisce ora pi\u00f9 cluster da 10.000 chip privi di qualsiasi componente Nvidia. L'affermazione proviene da un rapporto e non \u00e8 stata formalmente confermata dall'azienda.<\/p>\n<p><strong>Quali chip cinesi utilizza Z.ai?<\/strong> Il rapporto non lo specifica. Il fornitore dei chip, l'interconnessione e lo stack software non sono indicati, e sono proprio questi dettagli a determinare come le prestazioni reali dell'impianto si confrontino con quelle delle infrastrutture basate su Nvidia.<\/p>\n<p><strong>Perch\u00e9 la cifra di 1 gigawatt \u00e8 significativa?<\/strong> La capacit\u00e0 di alimentazione elettrica \u00e8 la misura standard della scala di un data center per l'intelligenza artificiale, poich\u00e9 \u00e8 l'energia elettrica \u2014 non i chip \u2014 il vincolo definitivo. Un impianto da un gigawatt rientra nella fascia degli iperscalari tra le realizzazioni di data center per l'IA finora discusse pubblicamente a livello mondiale.<\/p>\n<p><strong>Questo influisce sugli utenti attuali dei modelli GLM?<\/strong> Non immediatamente, ma ha rilevanza nel medio termine. Se la base computazionale di Z.ai \u00e8 effettivamente indipendente dai controlli all'esportazione statunitensi, le sue release di modelli e la sua capacit\u00e0 di erogazione dei servizi risultano meno esposte a interruzioni geopolitiche \u2014 un aspetto rilevante per chiunque sviluppi applicazioni sulla famiglia di modelli GLM.<\/p>\n<p><strong>\u00c8 una notizia negativa per Nvidia?<\/strong> No, nei suoi mercati principali, dove il suo ecosistema rimane dominante. Tuttavia, un'alternativa produttiva su larga scala interamente domestica in Cina \u2014 qualora il rapporto fosse accurato \u2014 indebolisce l'argomentazione secondo cui l'IA di frontiera sarebbe impossibile senza hardware Nvidia, con implicazioni a lungo termine sulla concorrenza tra acceleratori.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"The_bottom_line\"><\/span>In sintesi<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Il rapporto secondo cui Z.ai avrebbe attivato un data center per l'intelligenza artificiale da 1 gigawatt basato esclusivamente su silicio cinese, gestendo pi\u00f9 cluster da 10.000 chip privi di qualsiasi hardware Nvidia, \u00e8 esattamente il tipo di affermazione che merita sia attenzione sia scetticismo. Attenzione, perch\u00e9 confermerebbe che l'ecosistema nazionale cinese di chip ha superato la fase di soluzione tampone per diventare una piattaforma autentica, con conseguenze concrete sull'offerta di modelli, sui prezzi e sulla concorrenza hardware. Scetticismo, perch\u00e9 i dettagli fondamentali \u2014 fornitore, prestazioni, grado di utilizzo \u2014 restano ancora non documentati. Per gli sviluppatori, la scelta pratica rimane immutata: valutare i modelli GLM in base alle loro capacit\u00e0 effettivamente misurate e ai costi, e attendere conferme indipendenti della storia relativa all'infrastruttura direttamente da Z.ai.<\/p>\n<p><em>Fonti: news.google.com. Segnalato il 21 luglio 2026.<\/em><\/p>","protected":false},"excerpt":{"rendered":"<p>Tom&#8217;s Hardware reports that Z.ai, the developer of the GLM model family, has powered up a 1-gigawatt AI data center built entirely on Chinese chips, running multiple 10,000-chip clusters with zero Nvidia silicon.<\/p>","protected":false},"author":1,"featured_media":1640,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[604],"tags":[966,925,965,887,967,928,622],"class_list":["post-1639","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-chinese-ai","tag-ai-data-centers","tag-ai-infrastructure","tag-chinese-ai-chips","tag-glm","tag-nvidia-export-controls","tag-open-weights-models","tag-z-ai"],"_links":{"self":[{"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/posts\/1639","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/comments?post=1639"}],"version-history":[{"count":1,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/posts\/1639\/revisions"}],"predecessor-version":[{"id":1641,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/posts\/1639\/revisions\/1641"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/media\/1640"}],"wp:attachment":[{"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/media?parent=1639"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/categories?post=1639"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/tags?post=1639"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}