Quadro generale: chiusura del divario
口 dati più recenti dell’Intelligence Index di Artificial Analysis, aggiornati al 7 agosto 2026, consegnano un’istantanea chiara del nuovo equilibrio competitivo nel settore dell’intelligenza artificiale. Per la prima volta, due modelli cinesi — Kimi K3 di Moonshot e Qwen 3.8 Max di Alibaba — sono entrati stabilmente nella top 10 della classifica composita, affiancandosi di diritto ai sistemi di punta americani. Il dato non rappresenta un’eccezione isolata ma il sintomo di un trend strutturale: l’intero ecosistema cinese ha compiuto un salto qualitativo che solo diciotto mesi fa appariva impensabile, posizionandosi come forza trainante dell’innovazione nel settore.
Il divario prestazionale con i modelli statunitensi, che nel 2025 veniva quantificato in circa un anno, si è ora ridotto a una forbice compresa tra i 3 e i 9 mesi. Si tratta di un’accelerazione che ha sorpreso anche i più attenti osservatori: basti ricordare come il CEO di Anthropic, Dario Amodei, avesse previsto che i laboratori cinesi avrebbero avuto bisogno di almeno altri sei mesi per colmare il gap — una previsione smentita di fatto dal debutto di Kimi K3 a luglio. La distanza tecnologica si è assottigliata al punto che la competizione si gioca ormai su dettagli di implementazione, ottimizzazione dei costi e strategie di distribuzione, piuttosto che su un divario qualitativo percepito.
A testimoniare la densità del nuovo panorama competitivo vi è il numero di modelli che superano la soglia di eccellenza: solo 13 al mondo superano il punteggio di 50 su 63 nell’indice, e di questi solo 4 raggiungono quota 60. La presenza cinese in questa fascia ristretta è ormai stabile e consolidata, con sistemi classificati come frontier o near-frontier a costi per singola operazione eccezionalmente contenuti. Questo significa che la competizione non si gioca più solo sulla parità tecnica, ma sulla capacità di offrire prestazioni di frontiera a un prezzo accessibile, un terreno di gioco in cui i laboratori cinesi hanno dimostrato di sapersi muovere con grande abilità.
Timeline dei principali rilasci
Il trimestre aprile-agosto 2026 ha segnato un’accelerazione senza precedenti nel ritmo di rilascio dei modelli di punta cinesi. Non si è trattato di aggiornamenti incrementali, ma di una sequenza serrata di debutti che hanno progressivamente eroso il vantaggio occidentale, culminando in una generazione di sistemi competitivi con i leader americani su tutti i fronti — performance, costo e accessibilità.
DeepSeek V4 Pro (aprile)
Il 24 aprile DeepSeek ha rilasciato in preview V4 Pro, un modello da 1,6 trilioni di parametri che ha immediatamente scosso il settore. L’elemento dirompente non è stato solo il salto prestazionale, ma l’annuncio di costi operativi drasticamente ridotti rispetto alla generazione precedente. V4 Pro ha consolidato la filosofia che aveva reso celebre R1: dimostrare che l’efficienza architetturale può supplire alla potenza bruta, e che la competizione ai massimi livelli non richiede necessariamente data center giganteschi. Il modello ha fissato un nuovo punto di riferimento per il rapporto costo-prestazioni, costringendo i laboratori occidentali a rivedere le proprie strategie di prezzo. Questo rilascio ha rappresentato il primo segnale concreto che la corsa cinese non era un fenomeno passeggero, ma l’inizio di una pressione competitiva sistematica.
GLM-5.2 (giugno)
A giugno, Z.ai (ex Zhipu) ha rilasciato GLM-5.2, un modello open-weight da 753 miliardi di parametri totali (40 miliardi attivi) con licenza MIT. Il sistema si è distinto particolarmente in coding e design creativo, posizionandosi come un serio contendente per i flussi di lavoro di sviluppo software. Il dato più eclatante, però, è stato il tasso di adozione: secondo i dati Vercel, GLM-5.2 ha registrato l’adozione più rapida di qualsiasi modello tracciato nel 2026, con un incremento di 27 volte nei token giornalieri e di 80 volte nei clienti nella prima settimana dal rilascio. Numeri che testimoniano non solo la qualità del modello, ma anche la maturità dell’ecosistema di distribuzione cinese e la fame di alternative open-weight nel mercato globale. Il successo di GLM-5.2 ha avuto un impatto immediato sui mercati finanziari: il titolo Z.ai è salito oltre il +1.100% a metà luglio, sfiorando un trilione di dollari HK di capitalizzazione.
Kimi K3 (luglio)
Il 16 luglio Moonshot AI ha rilasciato Kimi K3, il più grande modello open-source mai pubblicato: 2,8 trilioni di parametri in architettura MoE, multimodale (testo, visione e video) con contesto di 1 milione di token. I risultati dei test pubblicati dall’azienda lo collocano immediatamente dietro i modelli americani più avanzati, con un piano di rilascio dei pesi aperti e un targeting esplicito degli utenti USA. L’impatto è stato immediato e dirompente: oltre 930.000 download nella prima settimana (+200%), con un incremento del 387% negli Stati Uniti. Il debutto ha avuto effetti anche sui mercati finanziari, facendo crollare le azioni di Z.ai del 40% in due giorni — un segnale della competizione interna tra laboratori cinesi, oltre che della pressione sui rivali americani. I pesi sono stati resi pubblici il 27 luglio, completando il quadro di una strategia open-weight aggressiva e deliberata.
Qwen3.8-Max e Qwen3.8-27B (luglio-agosto)
In risposta al debutto di Kimi K3, Alibaba ha lanciato a fine luglio Qwen3.8-Max, un modello multimodale da circa 2,4 trilioni di parametri che ha ottenuto 58 punti nell’Intelligence Index di Artificial Analysis, posizionandosi al decimo posto assoluto. Il modello si distingue per la specializzazione in task agentici a lungo orizzonte: in un test interno ha lavorato in autonomia per circa 125 ore consecutive — quasi cinque giorni — replicando un esperimento scientifico complesso a partire dal solo testo del paper. Sui benchmark, Qwen3.8-Max è alla pari con GPT-5.6 Sol e Fable 5 di Anthropic, superandoli in ragionamento visivo e uso agentico del computer. Il costo, però, è di un ordine di grandezza inferiore: 2 dollari per milione di token in input contro i 10 di Fable 5, e 6 contro 50 per i token in output.
Il 14 agosto Alibaba ha compiuto una mossa ulteriormente aggressiva con Qwen3.8-27B, un modello open-weight gratuito che gira su una singola GPU gaming, battendo rivali più grandi su coding e reasoning. Questo rilascio ha un significato strategico che va oltre la performance: democratizza l’accesso all’AI di frontiera, consentendo a sviluppatori e piccole aziende di eseguire localmente modelli competitivi senza infrastrutture costose. È la materializzazione più compiuta della filosofia "matita sovietica" dell’AI cinese — non lo strumento più costoso, ma quello che risolve il problema con eleganza e pragmatismo.
GLM-5.3 (agosto)
Ad agosto, Z.ai ha annunciato GLM-5.3, con capacità di coding vicine a Claude Fable 5 di Anthropic e pesi open previsti entro due settimane dall’annuncio. Il modello è stato sviluppato in un nuovo data center equipaggiato con almeno 10.000 chip cinesi, un dato che conferma la capacità dell’ecosistema nazionale di supplire alle restrizioni all’export USA. L’ARR di Z.ai ha raggiunto 1 miliardo di dollari a luglio, con una capitalizzazione scesa da 137 a circa 80 miliardi dopo il picco — ma comunque dieci volte superiore ai valori dell’IPO di gennaio. GLM-5.3 rappresenta l’ultimo tassello di una strategia che combina aggressività commerciale, innovazione tecnica e indipendenza dalla supply chain americana.
Strategia open-weight come arma geopolitica
La distribuzione gratuita dei pesi dei modelli di punta non è una scelta commerciale tra le altre, ma il perno di una strategia geopolitica deliberata e coerente, che negli ultimi quattro mesi ha dimostrato tutta la sua efficacia. Laddove gli Stati Uniti hanno costruito la propria supremazia sull’export control dei chip e sulla protezione dei modelli proprietari, la Cina ha rovesciato il tavolo: invece di difendere i propri sistemi, li regala. L’obiettivo non è la generosità, ma la creazione di un ecosistema alternativo che renda irrilevanti le sanzioni e che leghi a sé, strutturalmente, il mercato globale dell’intelligenza artificiale.
Pesi gratuiti per aggirare le restrizioni USA
Il primo effetto strategico è il contrasto diretto alle restrizioni all’esportazione. I controlli americani sono concepiti per impedire alla Cina l’accesso ai chip più avanzati e alle tecnologie critiche: il presupposto implicito è che senza hardware di punta e senza l’accesso ai modelli chiusi occidentali, l’ecosistema cinese non possa competere. Il rilascio dei pesi — il codice addestrato del modello, scaricabile e implementabile da chiunque — rende questa premessa obsoleta. Una volta pubblicati, i pesi non possono essere revocati, bloccati o sanzionati: non esiste un "kill switch" capace di richiamarli indietro, né un’infrastruttura cloud da oscurare. Le misure di controllo all’export e la revisione pre-rilascio dei modelli voluta dall’amministrazione Trump si rivelano provvedimenti tardivi e sostanzialmente inefficaci: mirano a controllare modelli che sono già pubblici e distribuiti in tutto il mondo.
La strategia cinese ha di fatto neutralizzato lo strumento normativo americano più potente — il controllo del flusso tecnologico — rendendolo inapplicabile al bene che più conta nel settore. Il caso di Kimi K3 è emblematico: nonostante le pressioni di Washington e le accuse di distillazione da Claude Fable di Anthropic, Moonshot ha rilasciato i pesi open il 27 luglio, rendendo il modello irreversibilmente disponibile. Il Tesoro USA ha minacciato sanzioni per presunto furto di proprietà intellettuale, ma la minaccia arriva quando il modello è già scaricabile da chiunque, con oltre 930.000 download nella prima settimana. La stessa dinamica si è ripetuta con Qwen3.8-27B di Alibaba, rilasciato il 14 agosto: un modello gratuito che gira su una singola GPU gaming, materializzazione compiuta della filosofia "matita sovietica" dell’AI cinese.
Il ritmo open source dettato dai cinesi
Negli ultimi due anni, le aziende cinesi hanno dettato il ritmo nell’open source, un ritmo che i laboratori occidentali non hanno eguagliato. Il trimestre aprile-agosto 2026 ha consolidato questa leadership con una sequenza serrata di rilasci che hanno progressivamente eroso il vantaggio americano. Non si è trattato di iniziative isolate, ma di un sistema industriale maturo che comprende DeepSeek, Alibaba, Moonshot, Z.ai, MiniMax e molti altri attori. Questa pluralità garantisce continuità, ridondanza e capacità di innovazione distribuita: se un laboratorio viene colpito da sanzioni o restrizioni, gli altri continuano a operare.
Il dato più tangibile di questa leadership è la popolarità dei modelli cinesi tra gli sviluppatori internazionali: i 5 modelli più scaricati su OpenRouter nell’ultimo mese erano tutti cinesi, e DeepSeek è il primo provider singolo per volume con il 16,3% del traffico. Il superamento di Llama di Meta nei download su GitHub, già avvenuto nei mesi precedenti, si è consolidato e ampliato. Questo significa che chi adotta Qwen, DeepSeek o Kimi per i propri sistemi critici costruisce un legame strutturale con la tecnologia cinese che nessuna sanzione potrà recidere. La risposta americana — Meta e Nvidia hanno lanciato nuovi modelli open per rafforzare l’ecosistema USA, e Google è entrato nella guerra dei prezzi con Gemini 3.7 Flash — appare reattiva e in difesa: i cinesi stanno dettando l’agenda, e gli occidentali si limitano a inseguire.
La licenza MIT e Apache 2.0 come scelta politica
La scelta delle licenze non è un dettaglio tecnico ma una decisione politica consapevole. I modelli cinesi di punta vengono rilasciati con licenze permissive — MIT e Apache 2.0 — che consentono un utilizzo libero, anche commerciale, senza obblighi di condivisione delle modifiche. GLM-5.2 di Z.ai, per esempio, è distribuito con licenza MIT, la stessa che ha favorito l’adozione di alcuni dei framework open source più diffusi al mondo. Questa scelta elimina ogni barriera legale all’adozione e rende i modelli cinesi la scelta di default per chiunque voglia integrare l’AI nei propri sistemi senza vincoli.
La scelta delle licenze permissive ha un effetto moltiplicatore: chi adotta un modello cinese open-weight può modificarlo, specializzarlo e rivenderlo senza dover rendere pubbliche le proprie modifiche. Questo crea un ecosistema di servizi e integrazioni attorno ai modelli cinesi che cresce autonomamente, senza bisogno di investimenti diretti da parte dei laboratori cinesi. È un volano che amplifica la diffusione e consolida la dipendenza strutturale dall’ecosistema cinese. Alibaba ha compreso perfettamente questa dinamica, introducendo un modello di business basato sul revenue sharing per i grandi utenti: chi rivende i modelli Qwen sopra i 20 milioni di dollari annui condivide fino al 30% dei ricavi con Alibaba. Una strategia che trasforma l’open-weight da costo in flusso di entrate, mantenendo al contempo la diffusione capillare.
Il risultato combinato di queste scelte è un’inversione di paradigma: la Cina, tradizionalmente percepita come un regime di controllo, si presenta oggi come il fornitore di sovranità tecnologica per i Paesi terzi — e in particolare per l’Europa. Un’azienda che scarica Qwen o DeepSeek e lo implementa on-premise ottiene ciò che nessun modello americano può offrire: dati che non escono dal perimetro aziendale, costi marginali quasi nulli, e nessuna dipendenza da policy esterne o infrastrutture cloud. Il paradosso è evidente: il paese associato alla sorveglianza di massa diventa il garante della privacy aziendale europea. La strategia open-weight, in definitiva, trasforma il vantaggio competitivo americano in un passivo: i modelli chiusi occidentali, nella percezione del mercato, diventano il lusso costoso e fragile, mentre quelli cinesi rappresentano la scelta pragmatica, sovrana e sostenibile. Una competizione che non si gioca più sulla qualità dei modelli — ormai comparabile — ma sull’architettura di fiducia e dipendenza che ciascun ecosistema è in grado di costruire.
Vantaggio competitivo nei costi
Il passaggio dalla metrica del prezzo per token a quella del costo per task rappresenta uno dei cambiamenti più significativi nel panorama competitivo dell’AI degli ultimi mesi. Mentre i laboratori occidentali hanno storicamente comunicato i propri listini in dollari per milione di token — una misura che favorisce il confronto diretto tra API proprietarie — l’ecosistema cinese ha spostato l’attenzione su ciò che realmente conta per le aziende: quanto costa ottenere un risultato concreto. Questa ricalibratura non è neutrale: avvantaggia i modelli progettati per essere efficienti nell’esecuzione di task reali, non quelli ottimizzati per brillare nei benchmark. E su questo terreno, i laboratori cinesi hanno costruito un vantaggio che i rivali americani faticano a colmare.
Il caso più eclatante è DeepSeek V4 Flash, che secondo l’analisi di Artificial Analysis offre il miglior rapporto costo/performance tra 179 modelli valutati: un punteggio di 52 nell’Intelligence Index a soli 3 centesimi per task, con una risposta in circa 19 secondi. Il dato diventa ancora più significativo se confrontato con i tempi di risposta dei modelli americani di fascia alta: GPT-5.6 Luna impiega oltre 135 secondi per il solo primo token. La differenza non è marginale ma di ordini di grandezza: un’azienda che deve processare milioni di task al giorno può ottenere con V4 Flash risultati paragonabili a quelli dei modelli di punta americani a una frazione del costo e con una latenza drasticamente inferiore.
Il confronto con i modelli USA evidenzia una struttura di costi ormai incomparabile. Qwen3.8-Max costa 2 dollari per milione di token in input contro i 10 dollari di Fable 5 di Anthropic, e 6 contro 50 per i token in output. Ma è il costo per task, non il prezzo per token, a rivelare la portata del divario: i modelli cinesi sono progettati per risolvere un compito con meno chiamate, meno token e meno potenza computazionale, il che moltiplica il vantaggio economico. La pressione competitiva risultante è tangibile: Uber ha esaurito il budget AI 2026 già ad aprile, e Amazon ha visto un progetto basato su Claude Sonnet sforare del 860% rispetto alle previsioni, con un costo di circa 1,8 milioni di dollari. Episodi che raccontano di un ecosistema americano in cui l’adozione dell’AI di frontiera si scontra con una struttura di costi insostenibile, mentre le alternative cinesi offrono prestazioni comparabili a un prezzo che le rende adottabili su scala industriale.
La transizione di DeepSeek verso un aumento dei prezzi API — fino a 4 volte per V4 Flash e Pro — non va letta come un’ammissione di debolezza, ma come il segnale che la guerra dei prezzi a oltranza non è più necessaria: il vantaggio competitivo è ormai talmente consolidato che anche dopo l’aumento, il prezzo blended di V4 Pro resta inferiore a quello di GLM-5.2, e il rapporto costo/performance rimane il migliore del mercato. La mossa segna il passaggio dalla fase di conquista del mercato a quella di monetizzazione, ma il posizionamento di prezzo resta aggressivo rispetto agli standard occidentali.
Impatto su Silicon Valley e reazioni USA
La reazione a catena innescata a Silicon Valley negli ultimi quattro mesi ha assunto la forma di una spaccatura profonda e, in parte, paralizzante. L’arrivo di modelli cinesi open-weight con prestazioni di frontiera ha colto le big tech americane in un momento di vulnerabilità strategica, costringendo ogni attore a una presa di posizione che riflette interessi di business divergenti. La prima conseguenza tangibile è stata l’emergere di due fazioni nettamente separadas. D’un lato, le aziende con un modello di business basato su piattaforme proprietarie e costose — in primis OpenAI e Anthropic — percevono l’open-weight cinese come una minaccia esistenziale immediata, che erode la capacità di monetizzare l’accesso ai modelli de frontiera. Dall’altro, una coalizione de grandes tech e startup, que incluye a Meta con su modelo Llama, ha asumido una posición diametralmente opuesta, schierandose públicamente contra la idea de un bando de los modelos open-weight chinos. Esta facción comprende que su valor no reside en el modelo en sí, sino en el ecosistema de servicios, datos y plataformas que se construye alrededor; un veto no solo sería inútil — los pesos ya son públicos e irreversibles — sino que eliminaría su única arma competitiva frente al avance chino.
Esta división ha tenido un efecto concreto: la respuesta industrial estadounidense ha quedado paralizada, incapaz de presentar un frente unido. Mientras los laboratorios de modelos propietarios presionan por medidas restrictivas y por una narrativa de seguridad nacional, los actores con intereses en el open source se oponen frontalmente, argumentando que la apertura es la única vía para competir en un mercado donde la escasez ya no es el hardware sino la adopción y el ecosistema. El resultado es un vacío de liderazgo que ha dejado el campo libre a las iniciativas unilaterales del poder político, que han respondido con instrumentos del pasado — control de exportaciones, protección de la propiedad intelectual, revisión previa a la publicación — a una partida que se juega en un terreno diferente.
En el centro de esta confrontación se encuentra la llamada "guerra de la destilación". La práctica, que consiste en entrenar un modelo más pequeño y económico utilizando las salidas de un modelo cerrado más grande como datos de entrenamiento, ha sido denunciada por OpenAI y Anthropic como un robo de propiedad intelectual a escala industrial. Washington ha hecho suyas estas acusaciones: el Tesoro de EE.UU. ha amenazado con sanciones contra startups como Moonshot por el presunto robo de tecnología de Anthropic, y Dario Amodei, CEO de Anthropic, ha propuesto medidas drásticas, incluyendo el cese de la venta de chips potentes a China y la imposición de pruebas de seguridad obligatorias. La respuesta china ha sido un rechazo neto: los expertos del sector definen la destilación como una práctica estándar de la industria, no disímil de lo que los propios laboratorios estadounidenses hacen entre sí desde hace años, y subrayan que utiliza salidas públicas para crear modelos nuevos, no copia los pesos del modelo original.
La controversia, sin embargo, tiene un fondo más complejo que el de un simple litigio legal. La destilación ha acelerado el desarrollo chino de manera innegable, permitiendo a los laboratorios ahorrar años de investigación y miles de millones de dólares en entrenamiento. Pero la posición estadounidense ha sido calificada de "esquizofrénica" incluso por observadores que comparten sus premisas: OpenAI y Anthropic han construido parte de sus propios modelos entrenándose sobre datos públicos, incluidos los generados por otros sistemas, y la distinción entre "aprendizaje legítimo" y "robo" es mucho más difusa de lo que sugieren los comunicados oficiales. El verdadero núcleo no es legal sino estratégico: la destilación ha hecho estructuralmente frágil la ventaja competitiva estadounidense, porque si los modelos derivados replican funcionalidades similares a costes reducidos en órdenes de magnitud, el modelo de negocio basado en enormes centros de datos y precios premium corre el riesgo de volverse obsoleto. La amenaza de sanciones, por tanto, llega tarde: cuando el Tesoro actuó, los pesos de Kimi K3 ya eran públicos y descargables por cualquiera, con más de 930.000 descargas en la primera semana.
Frente a esta presión, la respuesta de los grandes actores estadounidenses ha sido reactiva y defensiva. Meta y Nvidia han lanzado nuevos modelos open en un intento de reforzar el ecosistema estadounidense y contrarrestar el liderazgo chino en el open source. Google, por su parte, ha entrado en la guerra de precios con Gemini 3.7 Flash, un movimiento que habría sido impensable hace apenas un año y que constituye un reconocimiento explícito de que los laboratorios chinos están marcando la agenda. Estas iniciativas, sin embargo, adolecen de un problema de fondo: son respuestas tácticas a un desafío estratégico. Los laboratorios occidentales no han igualado el ritmo de publicación de los chinos, que en los últimos dos años han dominado el open source con licencias MIT/Apache 2.0, y sus modelos open siguen siendo percibidos como inferiores en eficiencia y coste por task. La evidencia más contundente de este desfase es la popularidad de los modelos chinos entre los desarrolladores: los 5 modelos más descargados en OpenRouter en el último mes eran todos chinos, y DeepSeek es el primer proveedor individual por volumen, con el 16,3% del tráfico. La respuesta estadounidense, en definitiva, se asemeja más a un intento de contener una marea que a una estrategia para cambiar el curso del río.
Transizione da gratis a monetizzazione
La fase di espansione gratuita e a basso costo che ha caratterizzato i laboratori cinesi nei mesi precedenti si è conclusa ad agosto 2026, lasciando il posto a una transizione strategica verso la sostenibilità economica. I segnali sono inequivocabili e provengono dai tre attori principali dell’ecosistema: DeepSeek ha annunciato il primo aumento significativo dei prezzi API, Alibaba e Moonshot hanno introdotto meccanismi di revenue sharing, e tutti i laboratori di punta stanno accelerando verso le IPO. La guerra dei prezzi a oltranza, che aveva permesso ai modelli cinesi di conquistare quote di mercato globali, non è più sostenibile: i modelli sono ormai utilizzati da decine di milioni di persone in tutto il mondo, e la priorità si è spostata dalla conquista del mercato alla trasformazione della tecnologia in flussi di ricavo stabili.
DeepSeek alza i prezzi
Il segnale più esplicito del cambio di paradigma è arrivato da DeepSeek, il laboratorio che più di ogni altro aveva incarnato la filosofia del low-cost. Dopo aver raccolto 50 miliardi di yuan (~7,4 miliardi di dollari) a giugno, l’azienda ha annunciato il primo grande aumento dei prezzi API, fino a 4 volte per i modelli V4 Flash e Pro. La mossa non va letta come un’ammissione di debolezza competitiva, ma come il riconoscimento che la fase di penetrazione aggressiva del mercato ha esaurito la sua funzione. Il vantaggio tecnologico è ormai talmente consolidato che DeepSeek può permettersi di alzare i prezzi senza perdere la propria posizione dominante: anche dopo l’aumento, il prezzo blended di V4 Pro resta inferiore a quello di GLM-5.2, e il rapporto costo/performance di V4 Flash rimane il migliore del mercato, con un punteggio di 52 nell’Intelligence Index a soli 3 centesimi per task.
La decisione di DeepSeek ha un significato che va oltre la singola azienda: segnala all’intero ecosistema che la competizione si è spostata dal prezzo alla qualità del servizio e alla capacità di generare profitti. Il laboratorio sta inoltre diversificando le proprie fonti di ricavo, con investimenti significativi in infrastrutture proprietarie — inclusa la costruzione di chip dedicati e un data center nella Mongolia Interna — e una partecipazione di 20,8 milioni di dollari in Unitree, azienda specializzata in robot umanoidi, in vista dell’IPO. La raccolta di capitali prosegue senza sosta: è in preparazione un nuovo round da fino a 8 miliardi di dollari a una valutazione che supera i 74 miliardi, un dato che testimonia la fiducia degli investitori nella capacità del laboratorio di monetizzare il proprio vantaggio tecnologico.
Revenue sharing: il nuovo modello di business di Alibaba e Moonshot
Parallelamente all’aumento dei prezzi di DeepSeek, Alibaba e Moonshot hanno introdotto un modello di business innovativo che trasforma l’open-weight da costo in flusso di entrate: il revenue sharing. L’approccio è identico nella sostanza: chi rivende i modelli cinesi sopra una soglia di ricavi annui condivide una percentuale con il laboratorio che ha sviluppato il modello. Moonshot applica fino al 30% di revenue share per chi rivende Kimi K3 sopra i 20 milioni di dollari annui, mentre Alibaba ha adottato un meccanismo analogo per la famiglia Qwen. Questa strategia consente di mantenere la diffusione capillare dei pesi aperti — che resta il perno della strategia geopolitica cinese — ma introduce un meccanismo di monetizzazione che premia i laboratori in proporzione al successo commerciale dei loro modelli.
Il revenue sharing rappresenta una soluzione elegante a un dilemma strutturale: come coniugare l’apertura dei pesi, che ha reso i modelli cinesi la scelta di default per sviluppatori e aziende di tutto il mondo, con la necessità di generare ricavi sostenibili. Invece di chiudere i modelli o imporre licenze restrittive, i laboratori cinesi hanno scelto di tassare il successo: chi costruisce un business sopra i loro modelli condivide i profitti, ma chi li usa per scopi interni o per progetti di piccola scala continua a beneficiare dell’accesso gratuito. È un modello che trasforma la dipendenza dall’ecosistema cinese in un flusso di entrate ricorrenti, e che si adatta perfettamente alla natura commoditizzata che l’AI di frontiera sta assumendo.
Il passaggio al revenue sharing ha implicazioni anche per il posizionamento competitivo dei laboratori cinesi. Mentre le API proprietarie americane continuano a vendere l’accesso al modello, i laboratori cinesi vendono l’ecosistema: non il singolo modello, ma la capacità di costruire business sopra di esso. Questo sposta la competizione dal prezzo per token al valore generato dall’adozione, un terreno su cui i modelli cinesi — con la loro efficienza, il costo per task drasticamente inferiore e la flessibilità dell’open-weight — partono con un vantaggio strutturale.
La corsa alle IPO
La transizione verso la monetizzazione è accompagnata da una corsa accelerata verso i mercati finanziari. Moonshot sta chiudendo un round a una valutazione fino a 50 miliardi di dollari entro fine mese, smantellando la struttura offshore per preparare un’IPO a Hong Kong entro fine anno. Z.ai ha già completato la propria quotazione a gennaio, raggiungendo una capitalizzazione che ha sfiorato il trilione di dollari HK a metà luglio prima di assestarsi intorno agli 80 miliardi di dollari, comunque dieci volte superiore ai valori dell’IPO. DeepSeek, come accennato, sta preparando un nuovo round da fino a 8 miliardi di dollari a una valutazione di oltre 74 miliardi, con l’IPO all’orizzonte.
La corsa alle IPO ha un duplice significato strategico. Da un lato, rappresenta la necessità di raccogliere capitali per sostenere la prossima fase di sviluppo: l’addestramento di modelli sempre più grandi, la costruzione di infrastrutture proprietarie e l’espansione internazionale richiedono risorse finanziarie che i ricavi operativi — per quanto in crescita — non sono ancora in grado di garantire. Dall’altro, la quotazione in borsa è il meccanismo attraverso cui i laboratori cinesi trasformano il proprio vantaggio tecnologico in valore finanziario, consolidando la propria posizione come attori industriali maturi e non più come startup in fase di crescita. La competizione tra i laboratori cinesi, che si è manifestata in modo eclatante con il crollo delle azioni Z.ai del 40% dopo il debutto di Kimi K3, si sposta così anche sui mercati finanziari, aggiungendo un ulteriore livello di pressione competitiva.
Il quadro che emerge è quello di un ecosistema in rapida maturazione. I laboratori cinesi hanno vinto la prima fase della competizione globale — quella della conquista del mercato attraverso l’open-weight e il low-cost — e stanno ora affrontando la seconda fase, quella della sostenibilità economica e della creazione di valore per gli azionisti. La transizione non è priva di rischi: la volatilità dei titoli è elevata, la guerra dei prezzi interna ha compresso i margini, e le restrizioni USA sui chip continuano a rappresentare un vincolo strutturale. Ma i segnali sono chiari: l’era dei modelli cinesi gratuiti a oltranza si è conclusa, e al suo posto emerge un sistema industriale che intende competere con gli Stati Uniti non solo sul piano tecnologico ma anche su quello finanziario.