<\/p>\n
I modelli di IA cinesi non sono pi\u00f9 semplici curiosit\u00e0 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 pi\u00f9 spesso all\u2019interno 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\u2019utilizzo dei modelli aperti.<\/span><\/p>\n L\u2019affermazione pi\u00f9 sensazionale \u00e8 che l\u201980% delle startup statunitensi li stia gi\u00e0 utilizzando. Questa cifra \u00e8 circolata nei media tecnologici, ma nessuna indagine sufficientemente trasparente sull\u2019intero panorama delle startup statunitensi l\u2019ha confermata come un dato di fatto. Il cambiamento di fondo, tuttavia, \u00e8 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.<\/span><\/p>\n Questa non \u00e8 principalmente una storia di fondatori che scelgono la Cina al posto degli Stati Uniti. La maggior parte di loro sta prendendo una decisione ingegneristica pi\u00f9 prosaica: sta indirizzando ogni carico di lavoro verso il modello che lo esegue in modo adeguato al costo pi\u00f9 basso accettabile. Per la programmazione, la sintesi, l\u2019assistenza clienti e le attivit\u00e0 ripetitive svolte dagli operatori, il modello vincente non deve necessariamente essere il pi\u00f9 avanzato disponibile. Deve essere veloce, controllabile e sufficientemente economico da preservare i margini del prodotto.<\/span><\/p>\n Questo calcolo ha aperto nuove prospettive agli sviluppatori cinesi nel campo dell\u2019intelligenza artificiale. Ha inoltre creato un problema di governance che molte startup non hanno ancora valutato appieno.<\/span><\/p>\n Durante lo sviluppo di un prodotto, i costi dei modelli possono sembrare quasi irrilevanti. Un piccolo team pu\u00f2 spendere qualche centinaio di dollari per testare i prompt, generare codice o mostrare una funzionalit\u00e0 di IA agli investitori. Una volta che il prodotto serve migliaia di utenti, i conti cambiano.<\/span><\/p>\n Un\u2019applicazione di IA pu\u00f2 richiamare un modello pi\u00f9 volte per portare a termine quella che, agli occhi del cliente, appare come un\u2019unica 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 pu\u00f2 quindi acquisire utenti e allo stesso tempo scoprire che ogni cliente in pi\u00f9 aggrava le proprie perdite.<\/span><\/p>\n \u00c8 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\u2019intera applicazione. Se una di esse produce un risultato accettabile a una frazione del costo, il passaggio pu\u00f2 essere semplice come modificare un endpoint API ed eseguire una nuova valutazione.<\/span><\/p>\n Il prezzo da solo non determina il costo finale. Un modello pi\u00f9 economico che fornisce risposte inaffidabili, richiede prompt pi\u00f9 lunghi o fallisce ripetutamente nell\u2019esecuzione di un\u2019attivit\u00e0 pu\u00f2 rivelarsi pi\u00f9 costoso se si considerano i tentativi ripetuti e la supervisione umana. La latenza, la lunghezza dell\u2019output, l\u2019infrastruttura, il monitoraggio e il tempo dedicato all\u2019ingegnerizzazione 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 \u00e8 necessario un costoso modello all\u2019avanguardia.<\/span><\/p>\n La differenza strategica non sta semplicemente nel fatto che i modelli cinesi possano essere economici, ma nel fatto che molte delle versioni pi\u00f9 importanti siano state rese disponibili con pesi scaricabili.<\/span><\/p>\n 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.<\/span><\/p>\n Questo cambia il significato dell\u2019espressione \u201cutilizzare un modello cinese\u201d. Una startup statunitense potrebbe accedere al servizio ospitato da un\u2019azienda 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 propriet\u00e0 intellettuale sottostante potrebbe comunque provenire da un laboratorio cinese, ma il rischio operativo \u00e8 diverso.<\/span><\/p>\n I modelli aperti possono inoltre ridurre la dipendenza da un unico fornitore. Un\u2019azienda che basa interamente la propria attivit\u00e0 su un\u2019unica interfaccia di programmazione delle applicazioni (API) proprietaria \u00e8 esposta a variazioni di prezzo, modelli fuori produzione, modifiche ai limiti di velocit\u00e0 e revisioni delle politiche di utilizzo. L\u2019adozione di un modello aperto garantisce un maggiore controllo, sebbene tale controllo comporti la responsabilit\u00e0 in materia di sicurezza, aggiornamenti, valutazione e infrastruttura.<\/span><\/p>\n Per le startup che vendono alle grandi aziende, questa flessibilit\u00e0 pu\u00f2 risultare pi\u00f9 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\u2019interno di una specifica regione cloud, che il sistema sia sottoponibile a revisione e che possa continuare a funzionare nel caso in cui un\u2019API commerciale non fosse pi\u00f9 disponibile.<\/span><\/p>\n Le principali aziende statunitensi operanti nel settore dell\u2019intelligenza artificiale hanno concentrato gran parte del loro potere commerciale nei sistemi proprietari. OpenAI, Anthropic e Google vendono l\u2019accesso a modelli i cui pesi interni rimangono sotto il controllo del fornitore. Questo approccio consente di garantire rigorosi controlli di sicurezza, un\u2019infrastruttura gestita e ricavi ricorrenti. Tuttavia, offre ai clienti una minore libert\u00e0 in termini di implementazione e modifica.<\/span><\/p>\n 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 comunit\u00e0 e nuove versioni specializzate, che a loro volta rendono la famiglia di modelli sottostante pi\u00f9 facile da usare.<\/span><\/p>\n Il risultato \u00e8 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 gi\u00e0 disponibile tramite un marketplace cloud, un fornitore di servizi di inferenza, un framework di programmazione o un repository utilizzato dagli ingegneri dell\u2019azienda. In pratica, l\u2019adozione pu\u00f2 avvenire dal basso verso l\u2019alto prima ancora che il management abbia valutato il suo significato geopolitico.<\/span><\/p>\n Ecco perch\u00e9 descrivere questa tendenza come un \u201cpassaggio alla Cina\u201d da parte delle startup statunitensi \u00e8 fuorviante. Molte aziende non stanno sostituendo un fornitore americano con uno cinese in tutti i settori della loro attivit\u00e0. Stanno invece realizzando sistemi multimodello: un modello americano di fascia alta pu\u00f2 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 attivit\u00e0 sensibili dal punto di vista della privacy.<\/span><\/p>\n L'unit\u00e0 di riferimento per la concorrenza \u00e8 sempre pi\u00f9 rappresentata dal singolo incarico, piuttosto che dal contratto a livello aziendale.<\/span><\/p>\n 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 pi\u00f9 avanzati sono ormai candidati credibili per l'impiego in contesti operativi reali. Ci\u00f2 non significa per\u00f2 che superino i modelli americani in ogni categoria.<\/span><\/p>\n Nel 2025, il Centro statunitense per gli standard e l\u2019innovazione nell\u2019intelligenza artificiale ha messo a confronto diversi modelli DeepSeek con modelli di riferimento americani. \u00c8 emerso che i modelli statunitensi sono rimasti generalmente in vantaggio nelle valutazioni relative alla sicurezza informatica e all\u2019ingegneria 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\u2019ipotesi secondo cui i modelli cinesi siano invariabilmente pi\u00f9 economici: nella valutazione, un modello statunitense di dimensioni pi\u00f9 ridotte ha raggiunto prestazioni sostanzialmente simili a quelle di DeepSeek V3.1 a un costo medio inferiore.<\/span><\/p>\n Questo risultato indica un metodo di selezione pi\u00f9 efficace. Le startup non dovrebbero scegliere un modello in base alla nazionalit\u00e0, alla reputazione o a una classifica pubblica. Dovrebbero invece elaborare una valutazione interna basata sulle funzioni che il loro prodotto svolge effettivamente.<\/span><\/p>\n 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.<\/span><\/p>\n Il parametro di confronto pi\u00f9 appropriato \u00e8 il costo per attivit\u00e0 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.<\/span><\/p>\n 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 modalit\u00e0 di archiviazione, gli accessi e gli obblighi legali.<\/span><\/p>\n Una startup dovrebbe sapere dove vengono elaborati i prompt, se vengono conservati, se possono essere utilizzati per l\u2019addestramento, 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 nazionalit\u00e0, ma l\u2019esposizione geopolitica pu\u00f2 rendere le conseguenze pi\u00f9 gravi.<\/span><\/p>\n L'hosting autonomo di un modello open-weight pu\u00f2 ridurre il rischio di trasmettere dati al suo sviluppatore originale. Tuttavia, ci\u00f2 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 pu\u00f2 introdurre codice vulnerabile. Un modello collegato a database, posta elettronica, sistemi di pagamento o strumenti di sviluppo pu\u00f2 causare danni anche quando nessun dato esce dall\u2019infrastruttura aziendale.<\/span><\/p>\n I test condotti dal governo sui modelli DeepSeek hanno sollevato ulteriori preoccupazioni. I valutatori statunitensi hanno segnalato una maggiore vulnerabilit\u00e0 al \u201cjailbreaking\u201d e all\u2019esecuzione 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, anzich\u00e9 manifestarsi solo attraverso un servizio ospitato in Cina.<\/span><\/p>\n 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\u2019affidabilit\u00e0. Il rischio legato al modello deve essere valutato in base al caso d\u2019uso specifico.<\/span><\/p>\n Il rischio commerciale maggiore potrebbe non essere ci\u00f2 che fa oggi una modella cinese, ma piuttosto se una startup potr\u00e0 continuare a avvalersene domani.<\/span><\/p>\n I legislatori e i funzionari statunitensi hanno preso in considerazione l\u2019introduzione di restrizioni sull\u2019intelligenza artificiale sviluppata in Cina negli ambienti governativi, mentre DeepSeek \u00e8 stata sottoposta a un attento esame da parte di governi e autorit\u00e0 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 pi\u00f9 rigorosi sulla catena di approvvigionamento.<\/span><\/p>\n Un modello che consente di risparmiare durante lo sviluppo del prodotto pu\u00f2 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.<\/span><\/p>\n Ci\u00f2 non giustifica il rifiuto di ogni modello cinese. Giustifica invece una progettazione orientata alla portabilit\u00e0. Le applicazioni dovrebbero separare, ove possibile, l\u2019accesso al modello dalla logica di business di base. I prompt, gli strumenti e le valutazioni non dovrebbero essere cos\u00ec strettamente legati a un unico modello da rendere la migrazione una crisi per il prodotto.<\/span><\/p>\n Anche i contratti richiedono attenzione. Il termine \u201copen source\u201d viene spesso utilizzato in modo approssimativo nel campo dell\u2019IA. Un modello pu\u00f2 fornire pesi scaricabili senza concedere tutti i diritti associati al software open source convenzionale. L\u2019uso commerciale, la modifica, la ridistribuzione, le restrizioni relative all\u2019uso accettabile e i requisiti di attribuzione devono essere verificati in base alla licenza allegata alla versione esatta del modello che viene implementata.<\/span><\/p>\n La risposta adeguata non \u00e8 un divieto generalizzato n\u00e9 la ricerca indiscriminata del modello pi\u00f9 economico. Le startup hanno bisogno di un processo di approvvigionamento standardizzabile.<\/span><\/p>\n 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 stabilit\u00e0 del fornitore e all\u2019esposizione normativa. L\u2019azienda dovrebbe indicare se sta richiamando l\u2019API dello sviluppatore originale, se utilizza un intermediario o se ospita i pesi in modo indipendente. Si tratta infatti di modalit\u00e0 di funzionamento sostanzialmente diverse.<\/span><\/p>\n 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 pi\u00f9 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 \u201cprompt injection\u201d, fughe di dati, uso improprio di strumenti e malfunzionamenti in presenza di input ostili.<\/span><\/p>\n Un'architettura multimodello pu\u00f2 limitare il rischio di concentrazione, ma non deve trasformarsi in un insieme disordinato di servizi scelti in modo indipendente dai tecnici. \u00c8 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.<\/span><\/p>\n \u00c8 fondamentale che ogni modello di produzione preveda un piano di uscita. L\u2019azienda dovrebbe sapere in quanto tempo potrebbe effettuare la migrazione, quale livello di qualit\u00e0 andrebbe perso e se sia gi\u00e0 stato testato un sostituto.<\/span><\/p>\n I laboratori cinesi non hanno bisogno di soppiantare OpenAI, Anthropic o Google all\u2019avanguardia per cambiare l\u2019economia dell\u2019intelligenza artificiale. Possono esercitare la loro influenza diventando lo strato aperto predefinito alla base di migliaia di applicazioni.<\/span><\/p>\n Sembra che sia questa la sfida pi\u00f9 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 pi\u00f9 delle capacit\u00e0 assolute. Le startup combineranno entrambe le soluzioni quando la situazione economica lo consentir\u00e0.<\/span><\/p>\n La questione per i fondatori non \u00e8 quindi se l'utilizzo di un modello di IA cinese sia di per s\u00e9 una scelta intelligente o avventata, bens\u00ec se l'azienda comprenda cosa sta implementando, perch\u00e9 lo ha scelto e quale grado di dipendenza sta creando.<\/span><\/p>\n Le aziende che ne trarranno vantaggio non saranno quelle che ogni mese si limiteranno a inseguire il vincitore del benchmark pi\u00f9 economico. Saranno invece quelle in grado di spostare i carichi di lavoro da un modello all\u2019altro, misurare il costo reale del lavoro completato e mantenere il controllo sui propri dati e sull\u2019architettura dei propri prodotti. In un mercato in cui la leadership tecnica pu\u00f2 cambiare nel giro di poche settimane, la capacit\u00e0 pi\u00f9 preziosa potrebbe essere proprio la libert\u00e0 di cambiare nuovamente.<\/span><\/p>\n I cambiamenti economici dopo il prototipo<\/span><\/h2>\n
I pesi liberi rappresentano il vantaggio pi\u00f9 importante<\/span><\/h2>\n
La Cina ha puntato alla fetta di mercato che gli Stati Uniti hanno lasciato libera<\/span><\/h2>\n
Le prestazioni sono ottime, ma non uniformemente superiori<\/span><\/h2>\n
La questione della sicurezza dipende dal modo in cui viene utilizzato il modello<\/span><\/h2>\n
La normativa potrebbe trasformare un risparmio in un costo di migrazione<\/span><\/h2>\n
Le startup hanno bisogno di una politica modello, non di una norma basata sulla nazionalit\u00e0<\/span><\/h2>\n
Si tratta tanto di una battaglia per la distribuzione quanto di una corsa all\u2019intelligenza artificiale<\/span><\/h2>\n
\n