Perché le startup statunitensi stanno passando ai modelli di IA cinesi

I modelli di IA cinesi non sono più semplici curiosità sperimentali testate solo da ricercatori e sviluppatori attenti ai costi. I modelli prodotti da DeepSeek, Qwen di Alibaba, Moonshot AI, MiniMax, Zhipu AI e Xiaomi stanno comparendo sempre più spesso all’interno di strumenti di programmazione, agenti e applicazioni di consumo sviluppati ben oltre i confini della Cina. Su alcune piattaforme di modelli, questi rappresentano ormai una quota sostanziale dell’utilizzo dei modelli aperti.

L’affermazione più sensazionale è che l’80% delle startup statunitensi li stia già utilizzando. Questa cifra è circolata nei media tecnologici, ma nessuna indagine sufficientemente trasparente sull’intero panorama delle startup statunitensi l’ha confermata come un dato di fatto. Il cambiamento di fondo, tuttavia, è reale. I laboratori cinesi sono diventati fornitori formidabili di modelli efficienti, economici e spesso open-source proprio nel momento in cui le startup americane stanno scoprendo quanto possa essere costoso gestire prodotti di intelligenza artificiale su larga scala.

Questa non è principalmente una storia di fondatori che scelgono la Cina al posto degli Stati Uniti. La maggior parte di loro sta prendendo una decisione ingegneristica più prosaica: sta indirizzando ogni carico di lavoro verso il modello che lo esegue in modo adeguato al costo più basso accettabile. Per la programmazione, la sintesi, l’assistenza clienti e le attività ripetitive svolte dagli operatori, il modello vincente non deve necessariamente essere il più avanzato disponibile. Deve essere veloce, controllabile e sufficientemente economico da preservare i margini del prodotto.

Questo calcolo ha aperto nuove prospettive agli sviluppatori cinesi nel campo dell’intelligenza artificiale. Ha inoltre creato un problema di governance che molte startup non hanno ancora valutato appieno.

I cambiamenti economici dopo il prototipo

Durante lo sviluppo di un prodotto, i costi dei modelli possono sembrare quasi irrilevanti. Un piccolo team può spendere qualche centinaio di dollari per testare i prompt, generare codice o mostrare una funzionalità di IA agli investitori. Una volta che il prodotto serve migliaia di utenti, i conti cambiano.

Un’applicazione di IA può richiamare un modello più volte per portare a termine quella che, agli occhi del cliente, appare come un’unica operazione. Un agente potrebbe classificare una richiesta, recuperare informazioni, valutare i risultati, utilizzare uno strumento esterno, verificare il proprio lavoro e redigere una risposta. I prompt lunghi e i modelli di ragionamento aumentano ulteriormente il consumo. Una startup può quindi acquisire utenti e allo stesso tempo scoprire che ogni cliente in più aggrava le proprie perdite.

È proprio qui che i modelli cinesi hanno acquisito rilevanza commerciale. Molti hanno prezzi molto competitivi, mentre le versioni open-weight possono essere scaricate e gestite tramite fornitori di infrastrutture indipendenti. I fondatori possono testarle attraverso piattaforme di routing dei modelli senza dover ricostruire l’intera applicazione. Se una di esse produce un risultato accettabile a una frazione del costo, il passaggio può essere semplice come modificare un endpoint API ed eseguire una nuova valutazione.

Il prezzo da solo non determina il costo finale. Un modello più economico che fornisce risposte inaffidabili, richiede prompt più lunghi o fallisce ripetutamente nell’esecuzione di un’attività può rivelarsi più costoso se si considerano i tentativi ripetuti e la supervisione umana. La latenza, la lunghezza dell’output, l’infrastruttura, il monitoraggio e il tempo dedicato all’ingegnerizzazione sono tutti fattori rilevanti. Ciononostante, gli sviluppatori cinesi hanno reso il confronto tra prezzo e prestazioni scomodo per i fornitori americani, in particolare nei carichi di lavoro in cui non è necessario un costoso modello all’avanguardia.

I pesi liberi rappresentano il vantaggio più importante

La differenza strategica non sta semplicemente nel fatto che i modelli cinesi possano essere economici, ma nel fatto che molte delle versioni più importanti siano state rese disponibili con pesi scaricabili.

I modelli "open-weight" consentono a un'azienda di eseguire il software tramite il proprio provider cloud, all'interno di un ambiente privato o, laddove tecnicamente fattibile, sulla propria infrastruttura. Gli sviluppatori possono adattare un modello a un compito specifico, controllare il modo in cui vengono instradate le richieste ed evitare di inviare ogni prompt direttamente allo sviluppatore originale del modello.

Questo cambia il significato dell’espressione “utilizzare un modello cinese”. Una startup statunitense potrebbe accedere al servizio ospitato da un’azienda cinese, nel qual caso sorgono immediatamente questioni relative al trattamento dei dati e alla giurisdizione. In alternativa, potrebbe scaricare i pesi e implementare il modello tramite un provider cloud americano senza trasmettere i dati dei clienti alla Cina. La proprietà intellettuale sottostante potrebbe comunque provenire da un laboratorio cinese, ma il rischio operativo è diverso.

I modelli aperti possono inoltre ridurre la dipendenza da un unico fornitore. Un’azienda che basa interamente la propria attività su un’unica interfaccia di programmazione delle applicazioni (API) proprietaria è esposta a variazioni di prezzo, modelli fuori produzione, modifiche ai limiti di velocità e revisioni delle politiche di utilizzo. L’adozione di un modello aperto garantisce un maggiore controllo, sebbene tale controllo comporti la responsabilità in materia di sicurezza, aggiornamenti, valutazione e infrastruttura.

Per le startup che vendono alle grandi aziende, questa flessibilità può risultare più convincente di un risultato eccellente nei benchmark. A un cliente potrebbe non interessare quale laboratorio abbia prodotto il modello di base. Potrebbe invece interessargli molto che i propri dati rimangano all’interno di una specifica regione cloud, che il sistema sia sottoponibile a revisione e che possa continuare a funzionare nel caso in cui un’API commerciale non fosse più disponibile.

La Cina ha puntato alla fetta di mercato che gli Stati Uniti hanno lasciato libera

Le principali aziende statunitensi operanti nel settore dell’intelligenza artificiale hanno concentrato gran parte del loro potere commerciale nei sistemi proprietari. OpenAI, Anthropic e Google vendono l’accesso a modelli i cui pesi interni rimangono sotto il controllo del fornitore. Questo approccio consente di garantire rigorosi controlli di sicurezza, un’infrastruttura gestita e ricavi ricorrenti. Tuttavia, offre ai clienti una minore libertà in termini di implementazione e modifica.

La strategia cinese basata su modelli aperti ha giocato su un piano diverso. Rilasciando potenti famiglie di modelli in diverse dimensioni, i laboratori cinesi hanno incoraggiato gli sviluppatori a scaricarli, ottimizzarli, tradurli e integrarli. La loro adozione genera feedback, strumenti sviluppati dalla comunità e nuove versioni specializzate, che a loro volta rendono la famiglia di modelli sottostante più facile da usare.

Il risultato è un vantaggio in termini di distribuzione. Un fondatore non deve necessariamente entrare in contatto con Qwen o DeepSeek attraverso una partnership formale con Alibaba o DeepSeek. Il modello potrebbe essere già disponibile tramite un marketplace cloud, un fornitore di servizi di inferenza, un framework di programmazione o un repository utilizzato dagli ingegneri dell’azienda. In pratica, l’adozione può avvenire dal basso verso l’alto prima ancora che il management abbia valutato il suo significato geopolitico.

Ecco perché descrivere questa tendenza come un “passaggio alla Cina” da parte delle startup statunitensi è fuorviante. Molte aziende non stanno sostituendo un fornitore americano con uno cinese in tutti i settori della loro attività. Stanno invece realizzando sistemi multimodello: un modello americano di fascia alta può occuparsi di ragionamenti complessi, mentre un modello cinese meno costoso esegue operazioni di classificazione o generazione di codice. Un altro modello aperto potrebbe essere eseguito localmente per attività sensibili dal punto di vista della privacy.

L'unità di riferimento per la concorrenza è sempre più rappresentata dal singolo incarico, piuttosto che dal contratto a livello aziendale.

Le prestazioni sono ottime, ma non uniformemente superiori

Gli sviluppatori di modelli cinesi hanno rapidamente ridotto il divario prestazionale in settori quali la matematica, la programmazione e la cultura generale. I loro modelli più avanzati sono ormai candidati credibili per l'impiego in contesti operativi reali. Ciò non significa però che superino i modelli americani in ogni categoria.

Nel 2025, il Centro statunitense per gli standard e l’innovazione nell’intelligenza artificiale ha messo a confronto diversi modelli DeepSeek con modelli di riferimento americani. È emerso che i modelli statunitensi sono rimasti generalmente in vantaggio nelle valutazioni relative alla sicurezza informatica e all’ingegneria del software, mentre il divario era minore nei settori della scienza, della cultura generale e della matematica. La sua analisi dei costi ha inoltre messo in discussione l’ipotesi secondo cui i modelli cinesi siano invariabilmente più economici: nella valutazione, un modello statunitense di dimensioni più ridotte ha raggiunto prestazioni sostanzialmente simili a quelle di DeepSeek V3.1 a un costo medio inferiore.

Questo risultato indica un metodo di selezione più efficace. Le startup non dovrebbero scegliere un modello in base alla nazionalità, alla reputazione o a una classifica pubblica. Dovrebbero invece elaborare una valutazione interna basata sulle funzioni che il loro prodotto svolge effettivamente.

Un'azienda che si occupa di assistenza clienti deve valutare l'accuratezza dei fatti, il tono, le decisioni relative all'escalation e la resistenza all'inserimento di suggerimenti. Un'azienda di programmazione deve sapere se il software generato supera i test e se presenta difetti di sicurezza. Un agente di intelligenza artificiale deve essere valutato nell'ambito di flussi di lavoro completi, non solo in base al fatto che la sua prima risposta appaia convincente.

Il parametro di confronto più appropriato è il costo per attività portata a termine con successo. I prezzi dei token e i punteggi dei benchmark sono elementi che concorrono a tale calcolo, non ne costituiscono un sostituto.

La questione della sicurezza dipende dal modo in cui viene utilizzato il modello

L'adozione dell'intelligenza artificiale in Cina ha suscitato legittime preoccupazioni riguardo al trattamento dei dati. Tali preoccupazioni sono particolarmente acute quando un'azienda invia informazioni riservate direttamente a un servizio ospitato esternamente, senza averne adeguatamente verificato le modalità di archiviazione, gli accessi e gli obblighi legali.

Una startup dovrebbe sapere dove vengono elaborati i prompt, se vengono conservati, se possono essere utilizzati per l’addestramento, quali subappaltatori hanno accesso ad essi e cosa succede ai dati cancellati. La stessa diligenza dovrebbe essere applicata a ogni fornitore di IA, indipendentemente dalla nazionalità, ma l’esposizione geopolitica può rendere le conseguenze più gravi.

L'hosting autonomo di un modello open-weight può ridurre il rischio di trasmettere dati al suo sviluppatore originale. Tuttavia, ciò non elimina gli altri rischi associati al modello. I pesi scaricati possono presentare comportamenti indesiderati, misure di sicurezza inadeguate o distorsioni sistematiche. La catena di fornitura del software associata può introdurre codice vulnerabile. Un modello collegato a database, posta elettronica, sistemi di pagamento o strumenti di sviluppo può causare danni anche quando nessun dato esce dall’infrastruttura aziendale.

I test condotti dal governo sui modelli DeepSeek hanno sollevato ulteriori preoccupazioni. I valutatori statunitensi hanno segnalato una maggiore vulnerabilità al “jailbreaking” e all’esecuzione di istruzioni dannose rispetto ai sistemi di riferimento americani da loro testati. Hanno inoltre riscontrato che la censura politica e le narrazioni del Partito Comunista Cinese persistevano nei modelli scaricati ed eseguiti in modo indipendente, anziché manifestarsi solo attraverso un servizio ospitato in Cina.

Per un assistente alla programmazione, la censura politica potrebbe avere una rilevanza operativa limitata. Per un prodotto giornalistico, una piattaforma dedicata alle politiche pubbliche, un servizio educativo o uno strumento di ricerca, invece, potrebbe comprometterne l’affidabilità. Il rischio legato al modello deve essere valutato in base al caso d’uso specifico.

La normativa potrebbe trasformare un risparmio in un costo di migrazione

Il rischio commerciale maggiore potrebbe non essere ciò che fa oggi una modella cinese, ma piuttosto se una startup potrà continuare a avvalersene domani.

I legislatori e i funzionari statunitensi hanno preso in considerazione l’introduzione di restrizioni sull’intelligenza artificiale sviluppata in Cina negli ambienti governativi, mentre DeepSeek è stata sottoposta a un attento esame da parte di governi e autorità di regolamentazione in diverse giurisdizioni. Le aziende private non sono necessariamente soggette alle misure rivolte agli enti pubblici, ma le startup che vendono a enti governativi, al settore della difesa, alle infrastrutture critiche o a settori fortemente regolamentati dovrebbero aspettarsi controlli più rigorosi sulla catena di approvvigionamento.

Un modello che consente di risparmiare durante lo sviluppo del prodotto può rivelarsi costoso se, in seguito, un cliente aziendale ne vieta l'uso. L'azienda potrebbe dover sostituire il modello, ripetere i test di sicurezza, riscrivere i prompt, modificare l'infrastruttura e dimostrare che le informazioni protette non sono mai state esposte.

Ciò non giustifica il rifiuto di ogni modello cinese. Giustifica invece una progettazione orientata alla portabilità. Le applicazioni dovrebbero separare, ove possibile, l’accesso al modello dalla logica di business di base. I prompt, gli strumenti e le valutazioni non dovrebbero essere così strettamente legati a un unico modello da rendere la migrazione una crisi per il prodotto.

Anche i contratti richiedono attenzione. Il termine “open source” viene spesso utilizzato in modo approssimativo nel campo dell’IA. Un modello può fornire pesi scaricabili senza concedere tutti i diritti associati al software open source convenzionale. L’uso commerciale, la modifica, la ridistribuzione, le restrizioni relative all’uso accettabile e i requisiti di attribuzione devono essere verificati in base alla licenza allegata alla versione esatta del modello che viene implementata.

Le startup hanno bisogno di una politica modello, non di una norma basata sulla nazionalità

La risposta adeguata non è un divieto generalizzato né la ricerca indiscriminata del modello più economico. Le startup hanno bisogno di un processo di approvvigionamento standardizzabile.

Ogni modello preso in considerazione per la produzione dovrebbe essere valutato in base alle prestazioni operative, al costo operativo totale, alla latenza, alla gestione dei dati, alla sicurezza, ai termini di licenza, alla stabilità del fornitore e all’esposizione normativa. L’azienda dovrebbe indicare se sta richiamando l’API dello sviluppatore originale, se utilizza un intermediario o se ospita i pesi in modo indipendente. Si tratta infatti di modalità di funzionamento sostanzialmente diverse.

Le informazioni sensibili devono essere classificate prima di essere inserite in qualsiasi modello. I dati dei clienti, il codice sorgente riservato, le informazioni sanitarie, i dati finanziari e i segreti commerciali potrebbero richiedere ambienti di implementazione più rigorosi o potrebbero risultare del tutto inadatti a un determinato servizio. Le startup dovrebbero inoltre testare i modelli per verificare la presenza di attacchi di tipo “prompt injection”, fughe di dati, uso improprio di strumenti e malfunzionamenti in presenza di input ostili.

Un'architettura multimodello può limitare il rischio di concentrazione, ma non deve trasformarsi in un insieme disordinato di servizi scelti in modo indipendente dai tecnici. È necessario che qualcuno tenga un inventario dei modelli in uso, delle loro versioni, delle sedi di hosting, delle licenze e delle categorie di dati approvate.

È fondamentale che ogni modello di produzione preveda un piano di uscita. L’azienda dovrebbe sapere in quanto tempo potrebbe effettuare la migrazione, quale livello di qualità andrebbe perso e se sia già stato testato un sostituto.

Si tratta tanto di una battaglia per la distribuzione quanto di una corsa all’intelligenza artificiale

I laboratori cinesi non hanno bisogno di soppiantare OpenAI, Anthropic o Google all’avanguardia per cambiare l’economia dell’intelligenza artificiale. Possono esercitare la loro influenza diventando lo strato aperto predefinito alla base di migliaia di applicazioni.

Sembra che sia questa la sfida più importante. I modelli proprietari americani potrebbero continuare a imporre prezzi elevati per lavori impegnativi, mentre i modelli cinesi a peso libero si occuperanno dei compiti ad alto volume, per i quali prestazioni adeguate e costi contenuti contano più delle capacità assolute. Le startup combineranno entrambe le soluzioni quando la situazione economica lo consentirà.

La questione per i fondatori non è quindi se l'utilizzo di un modello di IA cinese sia di per sé una scelta intelligente o avventata, bensì se l'azienda comprenda cosa sta implementando, perché lo ha scelto e quale grado di dipendenza sta creando.

Le aziende che ne trarranno vantaggio non saranno quelle che ogni mese si limiteranno a inseguire il vincitore del benchmark più economico. Saranno invece quelle in grado di spostare i carichi di lavoro da un modello all’altro, misurare il costo reale del lavoro completato e mantenere il controllo sui propri dati e sull’architettura dei propri prodotti. In un mercato in cui la leadership tecnica può cambiare nel giro di poche settimane, la capacità più preziosa potrebbe essere proprio la libertà di cambiare nuovamente.