Quadro generale: chiusura del divario
I 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 lab 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.
Licenze 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/prestazioni 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/prestazioni 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 nella 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 separate.
Da un lato, le aziende con un modello di business basato su piattaforme proprietarie e costose — in primis OpenAI e Anthropic — percepiscono l’open-weight cinese come una minaccia esistenziale immediata, che erode alla radice la capacità di monetizzare l’accesso ai modelli di frontiera. Per questi attori, il rilascio gratuito di modelli che competono con i propri sistemi di punta non è solo una questione di concorrenza: è il crollo del presupposto stesso su cui si fonda il loro valore — la scarsità dell’intelligenza artificiale avanzata. La loro risposta è stata una campagna aggressiva, giocata sul piano legale e politico, per presentare la strategia cinese come un furto sistematico di proprietà intellettuale.
Dall’altro lato, una coalizione di grandi tech e startup ha assunto una posizione diametralmente opposta, schierandosi pubblicamente contro l’ipotesi di un ban dei modelli open-weight cinesi. Questa fazione, che include attori come Meta con il suo modello Llama, ha compreso che il valore non sta più nel modello in sé ma nell’ecosistema di servizi, dati e piattaforme che ci costruisci intorno. Per loro, un divieto non solo sarebbe inutile — i pesi dei modelli sono già pubblici e irreversibilmente distribuiti — ma rappresenterebbe un autogol, rimuovendo l’unica arma competitiva (l’apertura) per contrastare l’ascesa cinese. Questa divisione ha paralizzato di fatto qualsiasi risposta coesa dell’industria, lasciando il campo alle mosse unilaterali del potere politico.
La guerra della distillazione
Al centro dello scontro tra le due fazioni c’è la cosiddetta "guerra della distillazione", la pratica di addestrare un modello più piccolo ed economico utilizzando gli output di un modello più grande e avanzato come dati di addestramento. In termini concreti, un laboratorio cinese può interrogare sistematicamente un modello chiuso come Claude Fable di Anthropic con migliaia di prompt mirati, raccogliere le risposte e usarle per addestrare un proprio modello che replica funzionalità simili a una frazione del costo computazionale. Non è una copia letterale dei pesi del modello originale, ma una compressione della sua conoscenza e delle sue capacità comportamentali in un’architettura nuova ed efficiente.
OpenAI e Anthropic hanno denunciato pubblicamente la pratica come un furto di proprietà intellettuale su scala industriale, sostenendo che i modelli cinesi come Kimi K3 siano in realtà "cloni" dei propri sistemi, addestrati sfruttando illegalmente i loro output. Le accuse hanno assunto toni di sicurezza nazionale: Dario Amodei, CEO di Anthropic, ha proposto di contrastare la distillazione con misure drastiche, inclusa l’interruzione della vendita di chip potenti alla Cina e l’imposizione di test di sicurezza obbligatori. La risposta cinese è stata di netto rifiuto: gli esperti del settore hanno respinto le accuse definendo la distillazione una pratica standard dell’industria, non dissimile da ciò che gli stessi laboratori americani fanno tra loro da anni, e sottolineando che utilizza output pubblici per creare modelli nuovi, non copia i pesi del modello originale.
La controversia, però, ha un fondo più complesso di quanto le accuse reciproche lascino intendere. Da un lato, è innegabile che la distillazione dai modelli USA abbia accelerato lo sviluppo cinese: la capacità di partire dalle conoscenze già incorporate in Claude o GPT ha permesso ai laboratori cinesi di risparmiare anni di ricerca e miliardi di dollari in addestramento. Dall’altro, la posizione americana è stata definita "schizofrenica" persino da osservatori che ne condividono le premesse: OpenAI e Anthropic hanno costruito parte dei propri modelli addestrandosi su dati pubblici, inclusi quelli generati da altri sistemi, e la distinzione tra "apprendimento legittimo" e "furto" è molto più sfumata di quanto le dichiarazioni ufficiali lascino intendere. Il vero nodo non è legale ma strategico: la distillazione ha reso il vantaggio competitivo americano strutturalmente fragile, perché se modelli derivati replicano funzionalità simili a costi ridotti di ordini di grandezza, il modello di business basato su data center giganteschi e prezzi premium rischia l’obsolescenza.
Reazioni politiche e sanzioni
Sul fronte politico, la risposta delle istituzioni americane è apparsa dettata più dall’ansia di fare qualcosa che da una strategia ponderata. Il Tesoro USA ha minacciato sanzioni contro startup come Moonshot per il presunto furto di tecnologia da Anthropic, ma la minaccia è arrivata quando i pesi di Kimi K3 erano già pubblici e scaricabili da chiunque, con oltre 930.000 download nella prima settimana. L’ordine esecutivo dell’amministrazione Trump che impone una revisione pre-rilascio dei modelli è stato accolto con scetticismo persino da chi ne condivideva le premesse, in quanto misura tardiva e di dubbia efficacia: si tenta di regolamentare un flusso di tecnologia che ha già saturato il mercato. Le misure di controllo all’export sui chip e le pressioni per fermare la distillazione rivelano un approccio difensivo, che cerca di chiudere la stalla quando i buoi sono già scappati.
La percezione prevalente, al di là delle dichiarazioni ufficiali, è che gli Stati Uniti stiano reagendo con gli strumenti del passato — controllo della catena di fornitura e protezione della proprietà intellettuale — a una partita che si gioca su un campo diverso, dove la scarsità non è più l’hardware ma l’adozione e l’ecosistema. La minaccia di sanzioni, per quanto grave, si è rivelata inefficace contro modelli già distribuiti globalmente: il caso di Kimi K3 è emblematico, con il Tesoro che ha minacciato misure punitive quando il modello era già irreversibilmente disponibile. Il risultato è un vuoto di leadership che ha paralizzato di fatto la risposta industriale americana, mentre i laboratori cinesi continuano a dettare l’agenda dell’innovazione.
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.
Confronto culturale e percezione pubblica
Il divario nella percezione pubblica dell’intelligenza artificiale tra Cina e Stati Uniti è uno degli aspetti meno analizzati ma più rivelatori della competizione tecnologica in corso. I dati disponibili dipingono un quadro di polarizzazione netta: i sondaggi condotti da KPMG International e dall’Università del Queensland su diciassette paesi mostrano che il 95% dei cittadini cinesi si dichiara ottimista sull’AI, contro il 41% degli americani che ritiene i benefici superiori ai rischi. Solo il 36% dei cinesi si dice "impaurito" dalla tecnologia, una percentuale che negli Stati Uniti sale vertiginosamente. Questo non è un dettaglio sociologico: è il riflesso di due narrazioni pubbliche costruite consapevolmente, che orientano l’adozione, gli investimenti e la regolamentazione in direzioni opposte.
Narrativa pubblica in Cina e Occidente
La differenza di tono nella comunicazione istituzionale e commerciale dei due ecosistemi è esemplare. Lo spot pubblicitario di Anthropic, andato in onda durante la Coppa del Mondo, si apre con l’immagine di una casa in fiamme e include quelle che appaiono come foto di file di lapidi al Cimitero Nazionale di Arlington. Il messaggio, intitolato "There’s hope in hard questions", tenta di rassicurare gli spettatori sulla consapevolezza dei rischi da parte dell’azienda, ma il risultato percepito è stato definito di cattivo gusto e disturbante da gran parte del pubblico. Nella stessa settimana, Friend — l’azienda del controverso pendente AI — ha lanciato uno spot con toni altrettanto cupi, con persone che lamentano le proprie difficoltà personali al dispositivo. L’estetica è quella del trailer horror, la colonna sonora è volutamente dissonante, e il messaggio implicito è che l’AI è una forza ambivalente che richiede cautela, se non timore.
Il contrasto con la comunicazione cinese non potrebbe essere più netto. Lo spot di Alibaba per Qwen3.8-Max è descritto come una "ninna nanna confortante" rispetto all’intensità dell’annuncio di Anthropic: un monitor che mostra il modello al lavoro su task di lunga durata, mentre esseri umani — che sarebbero altrimenti alla scrivania — praticano pesca, tennis e arrampicata. L’estetica richiama i video lofi di YouTube per studio e relax. Il messaggio è semplice e diretto: l’AI è liberazione dal lavoro, non minaccia esistenziale. La Cina non vende prudenza, vende emancipazione. Questo posizionamento non è casuale: riflette una strategia deliberata che vede nell’AI uno strumento di progresso collettivo, non una forza da temere e regolamentare.
Impatto sull’adozione
La divergenza nelle percezioni pubbliche ha conseguenze dirette e misurabili sull’adozione della tecnologia. Negli Stati Uniti, l’ansia diffusa — alimentata anche da una copertura mediatica che enfatizza i rischi esistenziali — si traduce in una base di utenti tiepida, che adotta l’AI con cautela e diffidenza. I sondaggi mostrano che la maggioranza degli americani è al massimo tiepida sull’influenza crescente della tecnologia sul posto di lavoro, sui social media e sulla politica. Questo clima di sospetto rallenta la penetrazione dell’AI nei flussi di lavoro quotidiani e rende più difficile per le aziende giustificare investimenti massicci in infrastrutture AI. La paura, in altri termini, è un costo implicito che grava sull’intero ecosistema americano.
In Cina, al contrario, l’atteggiamento di fiducia e ottimismo della popolazione crea un ambiente favorevole all’adozione rapida e su larga scala. Il 95% di ottimismo non è solo un dato statistico: è la condizione che permette ad Alibaba di rilasciare Qwen3.8-Max con uno spot che mostra persone in vacanza mentre l’AI lavora al posto loro, senza che nessuno sollevi obiezioni di natura etica o esistenziale. È anche la condizione che consente a Moonshot di pianificare il rilascio open-weight di Kimi K3 con targeting esplicito degli utenti USA, sapendo che la domanda c’è e che la barriera non è culturale ma solo di prezzo e accesso. L’effetto combinato è un circolo virtuoso: l’ottimismo pubblico facilita l’adozione, l’adozione genera dati e feedback che migliorano i modelli, i modelli migliori rafforzano l’ottimismo.
Implicazioni per l’ecosistema europeo
Per l’ecosistema europeo, la lezione è duplice. Da un lato, la narrativa cinese dell’AI come liberazione dal lavoro è più facilmente allineabile con gli obiettivi aziendali — automazione di task ripetitivi, efficientamento dei processi, riduzione dei costi — rispetto alla narrativa occidentale della cautela e del rischio. Dall’altro, la differenza di percezione pubblica incide sulla regolamentazione: un’opinione pubblica timorosa produce leggi restrittive, come dimostra la revisione pre-rilascio dei modelli voluta dall’amministrazione Trump, mentre un’opinione pubblica fiduciosa produce un ambiente normativo permissivo che accelera l’innovazione. La scelta di adottare modelli open-weight cinesi on-premise non è solo una decisione tecnica o economica: è anche una decisione che allinea l’azienda a un ecosistema culturale che considera l’AI uno strumento di progresso, non una minaccia da gestire. E in un mercato in cui la velocità di adozione è il vantaggio competitivo decisivo, questa differenza culturale pesa quanto quella tecnologica.
Implicazioni per l’Europa e il terzo polo
Il fenomeno dei modelli open-weight cinesi ha implicazioni di portata storica per l’Europa, che si trova oggi di fronte a una finestra di opportunità senza precedenti per ridefinire il proprio ruolo nell’ecosistema globale dell’intelligenza artificiale. L’elemento centrale di questa trasformazione è il paradosso già emerso nelle sezioni precedenti: la Cina, tradizionalmente percepita come un regime di controllo e sorveglianza, è diventata di fatto il fornitore di sovranità tecnologica per i Paesi terzi, e in particolare per il continente europeo. Un’azienda che scarica Qwen, DeepSeek o Kimi K3 e lo implementa on-premise ottiene ciò che nessun modello americano può offrire: dati che non escono dal perimetro aziendale, costi marginali quasi nulli dopo il download iniziale, e nessuna dipendenza da policy esterne o infrastrutture cloud controllate da terzi. La strategia open-weight cinese, con la sua scelta di licenze permissive MIT e Apache 2.0, ha di fatto creato le condizioni per un "non-allineamento AI" che l’Europa può sfruttare come terzo polo, attingendo da entrambi i blocchi in base al contesto, esattamente come durante la Guerra Fredda i Paesi non allineati si muovevano tra i due blocchi contrapposti.
La sovranità tecnologica come vantaggio competitivo
Il concetto di sovranità tecnologica, che per anni è stato al centro del dibattito politico europeo senza trovare una declinazione pratica, trova oggi nell’open-weight cinese la sua materializzazione più concreta. I modelli cinesi, una volta scaricati, non possono essere revocati: non esiste un "kill switch" capace di richiamarli indietro, né un’infrastruttura cloud da oscurare o un’API da disattivare. Questo li distingue radicalmente dai modelli proprietari americani, che dipendono da policy esterne e da infrastrutture cloud controllate da terzi. Un’azienda italiana che adotta Qwen o DeepSeek ottiene ciò che nessun modello americano può offrire: indipendenza strutturale da decisioni prese a Washington o a Bruxelles, con dati che non escono dal perimetro aziendale. Il paradosso è evidente: il paese associato alla sorveglianza di massa diventa il garante della privacy aziendale europea. Questa inversione di paradigma ha un effetto dirompente sul mercato: i modelli chiusi occidentali, nella percezione dei decision maker europei, diventano il lusso costoso e fragile, mentre quelli cinesi rappresentano la scelta pragmatica, sovrana e sostenibile. La competizione, in questo nuovo scenario, non si gioca più sulla qualità dei modelli — ormai comparabile, come dimostrano i risultati di Kimi K3 e Qwen3.8-Max — ma sull’architettura di fiducia e dipendenza che ciascun ecosistema è in grado di costruire.
Opportunità economiche e ingegneristiche per il terzo polo
Le opportunità per l’ecosistema europeo sono di natura triplice: economica, ingegneristica e strategica. Sul piano economico, i modelli cinesi offrono prestazioni di frontiera a un costo di un ordine di grandezza inferiore rispetto ai rivali americani. Il confronto tra Qwen3.8-Max e Fable 5 — 2 dollari contro 10 per milione di token in input, 6 contro 50 per i token in output — non è un dettaglio marginale ma una differenza che ridisegna il business case di qualsiasi progetto AI. Per le startup e le PMI europee, che non dispongono dei capitali delle big tech americane, l’accesso a modelli competitivi a costo quasi zero abbatte le barriere all’ingresso e consente di competere su un piano di parità che fino a due anni fa era impensabile. La seconda opportunità è di natura ingegneristica: l’efficienza dei modelli cinesi, con la loro ottimizzazione per hardware meno pregiato e l’introduzione di tecniche come la decodifica speculativa DSpark di DeepSeek, consente di operare con infrastrutture più leggere e meno costose. Questo è particolarmente rilevante per un ecosistema come quello europeo, che non può contare su data center giganteschi e deve invece puntare sull’ottimizzazione delle risorse disponibili. La terza opportunità è di natura strategica: la pluralità di modelli disponibili — cinesi, americani, europei — consente di costruire architetture multi-modello che selezionano il sistema migliore per ogni task, riducendo la dipendenza da un unico fornitore e aumentando la robustezza sistemica. La varietà necessaria, come suggerisce la legge di Ashby, è la condizione per la resilienza: un ecosistema che dipende da un solo fornitore è fragile per definizione, mentre uno che può attingere da più fonti è strutturalmente più solido.
L’architettura multi-modello come risposta razionale
Il passaggio dalla competizione binaria tra USA e Cina a un ecosistema multi-polare trova nell’architettura multi-modello la sua traduzione operativa più efficace. Il modello a quattro livelli "Local-First, Cloud-Exception" rappresenta la risposta più solida alla volatilità del mercato: edge con Qwen-3B quantizzato per la compilazione guidata e la trascrizione vocale su tablet offline; on-premise con Qwen-14B/32B per il parsing e la normalizzazione; sovereign cloud su VPS UE con modelli 70B+ per la RAG normativa; e API americane premium solo per dati anonimizzati e rifinitura linguistica. Questa architettura garantisce la sovranità dei dati, la continuità operativa e la flessibilità necessaria per adattarsi a un mercato in rapida evoluzione. Lo scenario raccomandato è quello "ibrido", che combina un routing intelligente: Qwen-14B on-premise per il parsing Excel (80% del volume), Claude API per i report ARPA (15%), Mistral con RAG per la normativa (5%). In caso di kill switch USA, solo il 15% delle funzionalità degraderebbe, mentre Qwen e Mistral continuerebbero a funzionare. La matrice decisionale ponderata conferma questa scelta: 7,8/10 per lo scenario ibrido, contro 7,4/10 per i soli modelli cinesi e 5,3/10 per i soli modelli americani.
Il vero rischio per l’Europa, in questo scenario, non è la Cina ma la dipendenza dal provider di inferenza. Qwen on-premise significa sovranità, GPT via Azure significa dipendenza da Microsoft. La scelta dell’architettura è quindi più importante della scelta del modello. Un’azienda che costruisce la propria infrastruttura su modelli open-weight cinesi on-premise ottiene una doppia assicurazione: la prima contro le restrizioni americane (che non possono toccare pesi già scaricati), la seconda contro le restrizioni cinesi (che non possono revocare modelli già distribuiti). È una posizione di forza che nessun singolo fornitore può minacciare. La pluralità di mezzi non è solo la chiave del miglioramento: è la condizione per la sopravvivenza in un mercato che sta diventando sempre più biforcato. Chi non costruisce oggi la propria indipendenza tecnologica, la cercherà invano domani.
Rischi e incognite aperte
La rapida ascesa dei laboratori cinesi non è priva di vulnerabilità strutturali, che si manifestano su almeno quattro fronti distinti: la volatilità dei mercati finanziari, la sostenibilità economica del modello low-cost, le restrizioni all’accesso all’hardware più avanzato e le incognite legate alla natura stessa dell’open-weight.
Volatilità di mercato
Il primo segnale di fragilità è la turbolenza che ha caratterizzato i mercati finanziari in seguito ai movimenti competitivi tra i laboratori. Il caso più eclatante è il crollo delle azioni di Z.ai del 40% in due giorni dopo il debutto di Kimi K3 di Moonshot a luglio, un evento che ha dimostrato quanto la valutazione dei laboratori cinesi sia sensibile al posizionamento relativo nella corsa all’innovazione. La capitalizzazione di Z.ai, che aveva sfiorato il trilione di dollari HK a metà luglio, si è assestata intorno agli 80 miliardi di dollari, con oscillazioni che hanno colpito anche altri operatori: MiniMax ha registrato un calo del 16% in una sola seduta per profit-taking. Questa volatilità non è un fenomeno marginale ma la manifestazione di una competizione interna che si è spostata dai laboratori ai listini: la corsa alle IPO di Moonshot, Z.ai e DeepSeek espone i laboratori alla disciplina dei mercati, dove il sentiment può cambiare rapidamente e dove la pressione per la crescita dei ricavi diventa un vincolo operativo quotidiano. La capacità di mantenere il ritmo di innovazione serrato che ha caratterizzato i quattro mesi analizzati sarà messa alla prova dalla necessità di rispondere agli azionisti.
Sostenibilità finanziaria del modello low-cost
La seconda incognita riguarda la sostenibilità economica del modello di business basato su prezzi estremamente bassi. La guerra dei prezzi interna, che ha permesso ai modelli cinesi di conquistare quote di mercato globali, ha compresso i margini a livelli difficilmente sostenibili nel lungo periodo. La decisione di DeepSeek di aumentare i prezzi API fino a 4 volte per V4 Flash e Pro — dopo aver raccolto 50 miliardi di yuan (~7,4 miliardi di dollari) a giugno — è il riconoscimento che la fase di penetrazione aggressiva ha esaurito la propria funzione. Il passaggio al revenue sharing da parte di Alibaba e Moonshot, con percentuali fino al 30% per chi rivende sopra i 20 milioni di dollari annui, rappresenta un tentativo di trasformare l’open-weight in un flusso di entrate ricorrenti, ma introduce anche un nuovo livello di complessità contrattuale e un potenziale conflitto con la filosofia di apertura che ha reso i modelli cinesi la scelta di default per gli sviluppatori. La transizione dalla fase "gratis e low-cost" alla monetizzazione è in corso, ma la sua riuscita non è scontata: i laboratori devono dimostrare di poter generare profitti senza perdere la base di utenti che ha alimentato la loro crescita.
Restrizioni sui chip e dipendenza hardware
Il terzo fronte di rischio è rappresentato dalle restrizioni USA sull’esportazione di chip avanzati, che restano un vincolo strutturale per l’intero ecosistema cinese. La risposta finora è stata l’ottimizzazione per hardware meno pregiato e per chip nazionali Huawei/SMIC, che ha permesso a laboratori come Z.ai di completare un data center con almeno 10.000 chip cinesi e a DeepSeek di costruire i propri chip. Questa strategia ha dimostrato di funzionare: l’efficienza architetturale ha supplito alla potenza bruta, e il vantaggio competitivo nei costi è in parte il risultato di questa necessità. Tuttavia, la domanda di scalabilità rimane aperta: l’efficienza può compensare l’accesso limitato all’hardware di punta fino a un certo punto, e la prossima generazione di modelli — con trilioni di parametri e task agentici sempre più lunghi — potrebbe richiedere un salto computazionale che i chip nazionali non sono ancora in grado di sostenere. Se le restrizioni USA dovessero inasprirsi o se la produzione di chip domestici non riuscisse a tenere il passo con la domanda, il vantaggio competitivo cinese potrebbe ridursi.
Rischi di backdoor e revoca dell’open-weight
Infine, la natura stessa dell’open-weight cinese presenta incognite specifiche. Il rischio di una backdoor nella libreria di inferenza — un codice malevolo che trasmette dati all’esterno — è reale e richiede audit approfonditi del codice prima dell’implementazione in produzione. La documentazione tecnica dei modelli cinesi è meno trasparente di quella dei rivali occidentali, e la possibilità di un audit indipendente è limitata. Sul fronte opposto, la revocabilità dell’apertura resta una questione aperta: i pesi già scaricati non sono richiamabili, ma l’ecosistema che ci si costruisce intorno — competenze, tooling, integrazioni, flussi di dati — crea una dipendenza che nel tempo potrebbe diventare difficile da sciogliere. Se la Cina decidesse di chiudere i rubinetti dell’open-weight per i modelli di punta, le aziende che hanno costruito la propria infrastruttura su Qwen o DeepSeek si troverebbero in una posizione di vulnerabilità simile a quella che oggi affligge chi dipende dalle API americane: la differenza è che i pesi già scaricati continuerebbero a funzionare, ma l’innovazione successiva sarebbe preclusa.