← Tutti gli articoli
Lavoro ed economia

Il modello è gratis, l'hardware no: dove si sposta il valore quando l'intelligenza diventa una commodity

Il 30 luglio 2026 OpenAI ha tagliato dell’80% in un giorno il prezzo di uno dei suoi modelli, e non per generosità: l’aveva lanciato solo tre settimane prima. Il giorno dopo, un laboratorio cinese ha rilasciato un modello dalle prestazioni comparabili, con i pesi scaricabili gratis, a una frazione del costo.

Non è una guerra di prezzi. È il segnale che la merce ha smesso di essere merce.

Per tre anni abbiamo dato per scontata una cosa: che l’intelligenza fosse la parte difficile, quella scarsa, quella che si paga. Oggi non è più vero. L’intelligenza è diventata abbondante, replicabile e quasi gratuita, mentre il pezzo di silicio necessario a farla girare è diventato scarso, conteso e sempre più caro.

Questo ribaltamento sposta il valore da una parte all’altra della filiera. E sposta, di conseguenza, anche dove conviene investire il proprio tempo.

Primo fatto: l’intelligenza è diventata una commodity

Nel giro di due mesi sono usciti, con i pesi pubblici e scaricabili, modelli che fino a ieri sarebbero stati “di frontiera”:

ModelloLabParametriLicenza / pesiNota
GLM-5.2Z.ai (ex Zhipu), 🇨🇳743 mld (MoE)MIT51 sull’Artificial Analysis Intelligence Index — il più alto tra i modelli aperti
MiniMax M3MiniMax, 🇨🇳MoE, 1M contestoapertiPrimo aperto a unire coding di frontiera e multimodalità nativa
Kimi K3Moonshot, 🇨🇳2,8 trilioni (≈50 mld attivi)aperti1,4-1,5 TB di pesi, report tecnico di 47 pagine incluso
DeepSeek V4 FlashDeepSeek, 🇨🇳284 mldapertiBatte la versione “Pro” della stessa casa sui benchmark agentici
InklingThinking Machines, 🇺🇸975 mld (41 attivi)Apache 2.0Primo modello di Mira Murati, ex CTO di OpenAI
MAI (7 modelli)Microsoft, 🇺🇸variapertiPubblicata anche la ricetta di training, iperparametri compresi

Il punto non è il singolo modello. È il ritmo: uno a settimana, per mesi.

E il ritmo ha prodotto l’effetto che ci si aspetta quando un bene diventa abbondante, il prezzo è collassato:

  • GPT-5.6 Luna è passato da $1,00 a $0,20 per milione di token in ingresso, e da $6,00 a $1,20 in uscita. Meno 80%, tre settimane dopo il lancio.
  • DeepSeek V4 Flash sta a $0,14 in ingresso. Con la cache, a $0,0028.
  • I modelli aperti cinesi costano, in media, dal 60% al 90% in meno delle offerte di punta di OpenAI e Anthropic.

E gli sviluppatori se ne sono accorti. Un’inchiesta CNBC di luglio ha rilevato che i modelli di origine cinese hanno toccato il 46% dei token consumati dalle aziende statunitensi su OpenRouter in una singola settimana. Dodici mesi prima erano l’11% di media; nella prima metà del 2025, il 4,5%.

Quando due prodotti fanno la stessa cosa e uno costa un decimo dell’altro, non stai più vendendo un prodotto. Stai vendendo una commodity.

Secondo fatto: nessuno sta guadagnando sui token

Qui arriva la parte che cambia la prospettiva. Se l’intelligenza fosse un business sano, il crollo dei prezzi sarebbe un problema di margini. Il fatto è che il margine non c’era già prima.

I tracker che confrontano spesa e ricavi dell’AI raccontano una storia sola. Le stime sono discordanti e vanno prese per quello che sono, “stime”, ma l’ordine di grandezza è inequivocabile:

  • Amazon avrebbe bruciato centinaia di miliardi in infrastruttura AI a fronte di ricavi AI di poche decine;
  • Meta avrebbe speso oltre 200 miliardi per ricavarne unità;
  • Microsoft e Alphabet sono nello stesso quadrante.

Gli iperscalari nel loro insieme viaggiano verso i 700-900 miliardi di dollari di capex nel solo 2026, in crescita di oltre un terzo sull’anno precedente.

La divergenza tra investimento e ricavo nell’AI corre oggi intorno al 46%. Nel 2001, all’apice dell’eccesso delle telecomunicazioni — quello che precedette una correzione brutale e pluriennale — era al 32%.

C’è però un gruppo che, in quella tabella, sta dalla parte del più. Uno solo:

Chi vende l’hardware.

Nvidia e Micron. Non chi addestra i modelli, non chi vende gli abbonamenti, non chi costruisce le app. Chi produce gli acceleratori e la memoria.

Questa singola riga di bilancio spiega, retroattivamente, quasi tutto il resto.

Perché tutti hanno improvvisamente iniziato a regalare i modelli

Il 24 luglio 2026, venticinque aziende americane hanno firmato una lettera indirizzata a Washington: “Open Weights and American AI Leadership”, per chiedere di non introdurre “restrizioni premature” sui modelli scaricabili, in un momento in cui l’amministrazione stava valutando un bando ai modelli cinesi.

I firmatari: Nvidia, Microsoft, Meta, IBM, Dell, Palantir, Andreessen Horowitz, Hugging Face, Y Combinator, Mozilla, Mistral, Replit, Perplexity, la Linux Foundation. Assenti, inizialmente, i due che stanno preparando quotazioni miliardarie: OpenAI e Anthropic. (OpenAI ha poi aggiunto il proprio nome due giorni dopo.)

Vale la pena leggere quella lista guardando i modelli di business, non le dichiarazioni d’intenti:

  • Nvidia rilascia modelli aperti e ne è il più grande sponsor. Nvidia non vende token: vende schede. Ogni modello aperto in più è una ragione in più per comprare hardware.
  • Microsoft pubblica sette modelli e perfino la ricetta per addestrarli. Microsoft non vende token: vende Azure.
  • Meta ha aperto Llama da anni. Meta non vende token: vende pubblicità, e ha bisogno che l’ecosistema non sia in mano a un concorrente.
  • I laboratori cinesi regalano modelli di frontiera. La Cina non ha (ancora) il monopolio del calcolo: ha però le fabbriche, e sta costruendo la propria filiera di chip. Huawei punta a circa 600.000 Ascend 910C nel 2026, e ci sono già modelli da un trilione di parametri pre-addestrati interamente su cluster domestici.

Il pattern è vecchio come l’informatica: quando non riesci a monetizzare uno strato, lo commoditizzi per vendere quello sotto. È quello che ha fatto Google con Android, IBM con Linux, Netscape con il browser.

Solo che stavolta lo strato sotto non è un servizio cloud. È un oggetto fisico. Ed è qui che la storia diventa scomoda.

Il paradosso: il software si svaluta, l’hardware raddoppia

Mentre i modelli diventano gratis, la RAM è diventata un bene di lusso.

Samsung, SK Hynix e Micron controllano oltre il 95% della produzione mondiale di DRAM, e hanno deliberatamente dirottato capacità produttiva verso l’HBM per gli acceleratori AI. Risultato: i prezzi della DRAM sono saliti di circa il 90% in un trimestre, Gartner ha stimato picchi nell’ordine del 130%, e SK Hynix ha avvertito che la carenza potrebbe protrarsi oltre il 2030.

Le conseguenze sono già sugli scaffali:

  • Dell, HP e Lenovo hanno alzato i prezzi dei PC del 15-20%.
  • Il 25 giugno 2026 Apple ha aumentato i prezzi, con effetto immediato, su tutti gli iPad, i Mac, gli HomePod, Vision Pro e Apple TV.
  • Il 28 luglio Apple ha lanciato Apple Upgrade: un programma di leasing, garantito da Klarna, che permette di noleggiare iPhone, iPad, Watch e Mac su 24-36 mesi anziché comprarli.

Fermiamoci un attimo su quest’ultimo punto, perché è quello che mi interessa di più.

Abbiamo passato quindici anni ad affittare il software: streaming, cloud, SaaS, abbonamenti. Ne ho scritto per esteso quando ho deciso di tornare a possedere i miei dati con un server di casa. Ora la stessa logica arriva sull’oggetto fisico. Non più solo “non possiedi i film che guardi”: presto, potenzialmente, “non possiedi il computer su cui lavori”.

Se la traiettoria è quella, macchine da AI locale sempre più costose, vendute a rata, allora la domanda “voglio essere proprietario o affittuario del mio hardware?” smette di essere filosofica e diventa una voce di budget.

Terzo fatto: far girare un modello di frontiera in casa è diventato realmente possibile

Ed è qui che la notizia, per una volta, è buona.

Fino a un anno fa “AI locale” significava modellini da 7 miliardi di parametri che sbagliavano le tabelline. Oggi significa un’altra cosa, per due motivi tecnici precisi.

1. Le architetture Mixture-of-Experts hanno rotto l’equazione tra dimensione e costo. Kimi K3 ha 2,8 trilioni di parametri totali ma ne attiva circa 50 miliardi per token: solo 16 esperti su 896 si accendono ogni volta. Il modello è enorme da conservare, ma relativamente economico da eseguire.

2. Lo streaming da SSD ha rotto il muro della RAM. Invece di caricare tutto il modello in memoria, lo si trasferisce a blocchi dal disco: si esegue un layer, si carica il successivo. La RAM smette di essere una soglia binaria, “ci sta o non ci sta”, e diventa un cursore di velocità.

L’esempio migliore di questa seconda idea porta una firma italiana. Salvatore Sanfilippo — antirez, il creatore di Redis, ha rilasciato ds4 (DwarfStar 4): un motore di inferenza open source (MIT) scritto in C puro, che fa girare DeepSeek V4 Flash in locale su 96-128 GB di RAM grazie a una quantizzazione asimmetrica a 2 bit, e su macchine più piccole tramite streaming da SSD. Supporta Metal, CUDA e ROCm, espone API compatibili con OpenAI e Anthropic, fa tool calling e decodifica speculativa. Ha superato le diecimila stelle su GitHub in pochi giorni.

Un modello quasi-frontiera da 284 miliardi di parametri. Su un portatile. Senza mandare un byte a nessuno.

Sull’altro lato dello spettro, il mercato si sta attrezzando: la DGX Station for Windows di Nvidia mette sulla scrivania un GB300 Grace Blackwell Ultra con 748 GB di memoria coerente (252 GB HBM3e + 496 GB LPDDR5X) e 20 petaflops FP4, abbastanza per modelli da un trilione di parametri, in locale, senza cloud. Arriva sul mercato tramite Dell, HP, ASUS e altri nel quarto trimestre 2026.

E si parla, voce di corridoio riportata da Bloomberg, non confermata da Apple, di un futuro M7 Ultra con fino a 1,5 TB di memoria unificata, con prestazioni AI in classe Blackwell. Orizzonte 2028, e subordinato al rientro della crisi delle memorie.

Quarto fatto: il modello non è più la variabile che conta

C’è un dato che, secondo me, è il più sottovalutato di tutto il 2026.

OpenAI ha pubblicato i risultati di GPT-5.6 Sol su ARC-AGI-3, un benchmark di giochi 2D in cui l’agente deve dedurre le regole da solo. Con l’harness ufficiale, il modello faceva 13,3%. Attivando due impostazioni dell’API, retained reasoning (non buttare via il ragionamento tra un’azione e l’altra) e compaction (riassumere il contesto vecchio invece di troncarlo), lo stesso identico modello è arrivato al 38,3%. Usando sei volte meno token in uscita.

Nessun riaddestramento. Nessun modello nuovo. Solo una gestione decente della memoria di lavoro.

Tre volte le prestazioni, a un sesto del costo, cambiando l’impalcatura intorno al modello.

Questo è il messaggio vero. Se l’intelligenza grezza è una commodity che chiunque può scaricare, il vantaggio competitivo si sposta su tutto ciò che le sta intorno: come gestisci il contesto, quali strumenti le dai, come orchestri i cicli di lavoro, dove tieni i dati, su quale hardware la fai girare.

Alibaba ha spinto questa logica al limite: sostiene che Qwen3.8-Max (2,4 trilioni di parametri, 95 miliardi attivi) abbia lavorato 16 giorni di fila in autonomia, partendo da un repository vuoto e costruendosi da sé la propria impalcatura — 265 commit, 127 pull request, 151 issue.

Su questo però conviene tenere la guardia alta, e lo dico volentieri perché è il tipo di annuncio che va preso con le pinze. Al momento in cui scrivo, i pesi di Qwen3.8-Max non sono stati pubblicati: l’annuncio parlava di open weights, ma su Hugging Face non c’è nulla e la licenza non è stata dichiarata. Un commentatore l’ha sintetizzata bene: “un business model ad API che indossa la giacca dell’open source per la foto di lancio”.

È un promemoria utile: “aperto” è diventato un termine di marketing, e va verificato caso per caso. Pesi scaricabili non significa licenza permissiva, e una licenza permissiva non significa dati di training tracciabili.

Cosa significa, concretamente, per chi lavora

Mettiamo insieme i pezzi. L’intelligenza costa quasi zero e si scarica. L’hardware costa sempre di più ed è conteso. Il valore sta nell’impalcatura e nella collocazione dei dati.

Se questo quadro regge, c’è una competenza che vale la pena costruire adesso: saper far girare, integrare e mettere in sicurezza modelli su infrastruttura che il cliente controlla.

Non è una scommessa ideologica. È una scommessa regolatoria e contrattuale, e i numeri la sostengono:

  • Il 2 agosto 2026 è scattata la piena applicabilità dell’AI Act europeo. Sommata al GDPR, la domanda “dove finiscono fisicamente questi dati?” ha smesso di essere una curiosità e ha iniziato a essere una condizione di firma.
  • Il mercato del cloud sovrano vale circa 80 miliardi di dollari nel 2026, in crescita del 35,6% annuo. GAIA-X conta oltre 400 fornitori certificati in Europa.
  • Il 44% delle organizzazioni indica privacy e sicurezza dei dati come principale ostacolo all’adozione degli LLM (rilevazione Kong).
  • Le proiezioni BLS 2024-2034 danno i data scientist a +34% (≈23.400 posizioni l’anno) e gli analisti di sicurezza informatica a +29% (≈16.000 l’anno).
  • In ambienti regolamentati la preferenza è esplicita: a un evento del settore finanziario svizzero, quasi la metà dei responsabili ha dichiarato di volere elaborazione e archiviazione AI esclusivamente entro i confini nazionali.

Una banca, un ospedale, uno studio legale, un reparto ricerca e sviluppo: non possono spedire i loro dati più sensibili a un server di cui non conoscono la giurisdizione. Non per paranoia, ma per contratto.

E qui c’è un vuoto di offerta reale. Quasi tutti sanno usare ChatGPT o Claude. Molti meno sanno fare il deploy di un modello, dimensionarlo sull’hardware disponibile, quantizzarlo senza rovinarlo, costruirci sopra un RAG che legga i documenti aziendali senza farli uscire dal perimetro, e monitorarlo.

La buona notizia è che la barriera d’ingresso è più bassa di quanto sembri. Se sai usare Docker, hai già metà del percorso. ds4, Ollama, llama.cpp e vLLM sono a un docker run di distanza, e il salto da “faccio girare un modellino” a “faccio girare un modello serio” oggi è una questione di RAM e di pazienza, non di dottorato.

La terza via: non spostare il modello, togli il dato

C’è però un problema pratico che rende la scelta meno binaria di come l’ho presentata finora.

Uno studio legale di sei persone, un commercialista, un piccolo poliambulatorio: hanno esattamente il problema di riservatezza di una banca, ma non hanno né il budget per una workstation da diecimila euro né qualcuno che la amministri. E i modelli abbastanza piccoli da girare su un portatile normale non hanno la capacità di ragionamento necessaria per analizzare un contratto o una perizia.

Sembra un vicolo cieco. Ma è tale solo se si accetta la premessa implicita: o mandi il documento al modello, o porti il modello dal documento.

Esiste una terza opzione, ed è quella che trovo concettualmente più elegante di tutto il quadro descritto finora: lasciare il ragionamento nel cloud e togliere il dato sensibile prima che parta.

È l’idea dietro rizzo-pii, progetto open source (MIT) di Simone Rizzo — lo stesso analista da cui è partita buona parte di questa riflessione. Il funzionamento è in quattro passaggi:

  1. Rilevamento locale. Un modello di classificazione di token da 0,3 miliardi di parametri gira sul computer dell’utente e individua le entità sensibili nel testo.
  2. Sostituzione deterministica. Ogni entità viene rimpiazzata da un segnaposto tipizzato e stabile — [FULLNAME_1], [CF_1], [IBAN_1]. La stabilità è il dettaglio che fa funzionare tutto: se lo stesso nome compare dieci volte, riceve dieci volte lo stesso segnaposto, così il modello remoto continua a capire chi fa cosa a chi. La corrispondenza vera finisce in un dizionario cifrato che resta sul disco locale.
  3. Invio del testo pseudonimizzato. A ChatGPT, Claude o Gemini arriva un documento con la struttura intatta e le identità rimosse.
  4. Ripristino locale. La risposta torna con i segnaposto, e l’applicazione locale li risostituisce con i valori reali.

I numeri tecnici sono quelli che rendono la cosa praticabile davvero: circa 0,5-1,2 GB di RAM, CPU a 64 bit, nessuna GPU, nessuna chiave API, nessuna connessione di rete. Gira su un portatile da ufficio.

E c’è una scelta progettuale che merita attenzione, perché è il tipo di dettaglio che distingue uno strumento pensato per l’uso reale da una demo. Il modello riconosce 22 categorie, di cui cinque specifiche per il contesto italiano che i rilevatori anglofoni lasciano sistematicamente in chiaro: codice fiscale, partita IVA, dati catastali (foglio, particella, subalterno), identificativi di atto e sigle provinciali. Soprattutto, per gli identificativi con struttura matematica nota il modello neurale non ha l’ultima parola: un verificatore deterministico controlla il checksum — Luhn per le carte, modulo 97 per IBAN, algoritmo ufficiale per CF e partita IVA — e se il codice è matematicamente valido, l’esito dell’algoritmo sovrascrive la predizione della rete.

È la soluzione al fallimento tipico dei riconoscitori puramente neurali: spezzare un codice lungo a metà e lasciare in chiaro la seconda porzione. Sulla validazione: 7.000 frasi reali da testi giuridici e amministrativi italiani, il risultato è Micro-F1 0,989, con 1,000 su tutte e cinque le categorie italiane.

Una precisazione giuridica che conviene non saltare

Qui però serve rigore, perché è il punto in cui è facile raccontarsi una storia comoda.

Quello che fa rizzo-pii è pseudonimizzazione, non anonimizzazione. La distinzione non è accademica: è l’Articolo 4, punto 5 del GDPR. Poiché il dizionario locale permette di re-identificare gli interessati, il testo pseudonimizzato resta giuridicamente un dato personale ai sensi del Considerando 26.

Tre conseguenze operative:

  • La titolarità del trattamento resta tua. Lo strumento riduce drasticamente la superficie di rischio, non trasferisce la responsabilità a nessuno.
  • Il dizionario di mappatura diventa esso stesso un asset critico. Se finisce per sbaglio in una cartella sincronizzata su un cloud non cifrato, hai ricreato il problema che stavi risolvendo, concentrato in un unico file.
  • I documenti così trattati non si pubblicano come open data, a meno di distruggere definitivamente il dizionario e verificare che il contesto residuo non consenta la re-identificazione indiretta.

Detto questo, il compromesso resta ottimo: si conserva la capacità di ragionamento dello stato dell’arte, si elimina il trasferimento delle identità a terzi, e il costo d’ingresso è un computer da ufficio invece di una workstation da diecimila euro.

È anche, credo, il modello architetturale destinato a diffondersi di più: componenti locali piccoli e specializzati che fanno da filtro di conformità davanti a un modello remoto grande e generalista. Non “tutto in cloud”, non “tutto in casa”, ma un confine disegnato con criterio e disegnato esattamente dove passa il dato che non può uscire.

Onestamente: perché l’AI locale, oggi, è ancora scomoda

Non voglio venderla meglio di com’è. Se decidi di andare in questa direzione, questo è il conto da pagare:

Sono più lenti. Un modello che gira in streaming da SSD su un portatile non compete con un data center. Va bene per lavoro asincrono, molto meno per una chat interattiva.

Sono un po’ più stupidi. La quantizzazione a 2-3 bit costa qualcosa in qualità. Non tantissimo, ma qualcosa. E i modelli aperti restano mediamente un gradino sotto ai migliori chiusi: 51 contro 56 sull’indice di Artificial Analysis è un divario reale, anche se molto più piccolo di un anno fa.

Costano in anticipo. L’AI locale sposta la spesa da costo variabile (paghi i token) a costo fisso (compri la macchina). Su volumi bassi il cloud resta più economico, punto. E in piena crisi delle memorie il momento per comprare RAM è pessimo.

Richiedono manutenzione. Aggiornamenti, backup, sicurezza, monitoraggio. Non è “installo e dimentico”.

Per questo la risposta sensata non è “tutto locale”. È ibrida, e con un criterio chiaro su tre livelli:

  • Cloud per il lavoro pesante, esplorativo, non sensibile. Dove serve potenza bruta e i dati non scottano.
  • Locale per ciò che non deve uscire dal perimetro, per i carichi prevedibili e ripetitivi, e per tutto quello su cui non vuoi che un fornitore possa cambiare prezzo, condizioni o disponibilità da un giorno all’altro.
  • Filtro locale davanti al cloud per il caso più comune di tutti: quando ti serve il ragionamento migliore disponibile, ma su documenti che contengono nomi, codici fiscali e IBAN.

Il punto non è mai stato “cloud cattivo, locale buono”. Il punto è decidere consapevolmente cosa affittare e cosa possedere, invece di affittare tutto per inerzia.

Conclusione

Per tre anni la domanda è stata: quale modello è il più intelligente?

Quella domanda si sta esaurendo. Non perché l’abbiamo risolta, ma perché la risposta è diventata “più o meno tutti, e comunque cambia ogni settimana”. Quando la parte difficile diventa gratis, il valore migra: verso l’hardware, verso l’impalcatura, verso la giurisdizione in cui vivono i dati.

Trovo interessante che le estremità di questa storia si tocchino. Da un lato Nvidia costruisce una macchina da 748 GB per mettere un supercomputer su una scrivania. Dall’altro due progetti italiani, entrambi regalati: un motore in C che fa girare un modello da 284 miliardi di parametri su un portatile, e un modello da 0,3 miliardi che sta in mezzo giga di RAM e impedisce a un codice fiscale di finire su un server americano.

Stanno dicendo la stessa cosa, dai due lati opposti della scala: il controllo sta tornando a casa. In un caso spostando il calcolo, nell’altro trattenendo il dato.

Io ci ho già fatto una scommessa, in piccolo, un server in salotto, i miei dati sui miei dischi, e sempre più modelli che girano lì sopra. Non perché il cloud sia il nemico, ma perché mi sembra sensato che almeno una parte della mia infrastruttura digitale non dipenda dal listino prezzi di qualcun altro.

Se l’AI diventerà davvero l’infrastruttura di tutto, la domanda che conta non sarà “quanto è intelligente?”.

Sarà: di chi è la macchina su cui gira?

Fonti e approfondimenti

Spunto iniziale

Modelli e prezzi

Politica industriale e mercato

Hardware e memorie

Inferenza locale e harness

Pseudonimizzazione locale

Regolamentazione, sovranità e lavoro