I modelli di intelligenza artificiale cinesi stanno riducendo il divario in termini di performance rispetto ai loro concorrenti statunitensi, spesso apparentemente a una frazione del costo. Questo sta sollevando interrogativi sui rendimenti degli investimenti statunitensi nelle infrastrutture per l’IA e sulle valutazioni di molte delle principali società tecnologiche americane.
A prima vista, alcuni modelli cinesi sembrano offrire capacità quasi all’avanguardia utilizzando meno risorse e a un costo inferiore per gli utenti finali. Alcuni sono inoltre open-weight, ossia i loro parametri sottostanti possono essere scaricati ed eseguiti su reti locali, riducendo le preoccupazioni relative alla privacy dei dati. Perché, dunque, gli utenti aziendali dovrebbero continuare a pagare un sovrapprezzo per i modelli statunitensi di frontiera? Queste preoccupazioni si sono intensificate mentre le società tecnologiche statunitensi continuano a destinare ingenti capitali alle infrastrutture per l’IA e gli investitori si interrogano sulla capacità del settore di generare rendimenti in linea con la spesa sostenuta.
Tuttavia, questa interpretazione non coglie il quadro più ampio. Sebbene i modelli cinesi open-weight siano probabilmente destinati a esercitare pressione sul potere di determinazione dei prezzi e sui margini di profitto dei fornitori statunitensi di modelli, riteniamo che non rappresentino una minaccia fondamentale per il più ampio ecosistema dell’IA guidato dagli Stati Uniti. Modelli di IA più economici e più performanti dovrebbero accelerare l’adozione della tecnologia, ampliando la domanda lungo i segmenti dell’infrastruttura, dei semiconduttori, del cloud e delle applicazioni della catena del valore, dove è probabile che si concentri gran parte della creazione di valore nel lungo periodo.
Indice degli argomenti
I vantaggi di costo della Cina sono meno marcati di quanto sembrino
Innanzitutto, la crescente percezione secondo cui la Cina stia sviluppando un’IA equivalente o migliore a una frazione del prezzo è fuorviante. Molte delle affermazioni relative ai vantaggi di costo dei modelli cinesi in termini di investimenti in conto capitale (capex) sottovalutano l’impatto della distillation, ovvero dell’addestramento di un modello in parte sulla base degli output prodotti da un sistema statunitense più avanzato. Ancora più importante, un prezzo per token contenuto per un modello cinese non implica necessariamente un costo per risultato altrettanto basso una volta che il modello viene effettivamente utilizzato. Un modello meno performante potrebbe aver bisogno di più token, maggiore potenza di calcolo, più energia e più tempo per completare lo stesso lavoro. Il costo per attività completata (cost-per-completed task) e il tempo per attività (time-per-task) rappresentano pertanto parametri di riferimento più utili. Sulla base di queste metriche, molti modelli statunitensi risultano competitivi rispetto ai concorrenti cinesi (si veda il grafico 1).
Anche gli sviluppatori statunitensi, inoltre, non stanno a guardare. Hanno ridotto drasticamente i prezzi e alcuni di loro – tra cui Meta, Nvidia e OpenAI – stanno fornendo a loro volta modelli open-weight, con altri in arrivo.
Diffusione della tecnologia vs modelli di frontiera
Se i modelli economici o implementati localmente dovessero diventare lo standard per molte applicazioni di IA, questo comprometterebbe significativamente le valutazioni dell’intero ecosistema statunitense dell’IA? Non lo riteniamo, per tre ragioni.
Primo, prezzi più bassi per l’IA dovrebbero espandere la domanda di IA. Si tratta di una versione del «paradosso di Jevons»: quando una tecnologia diventa più economica, le persone spesso ne fanno un uso maggiore. Nel caso dell’IA, un costo per attività più basso dovrebbe incoraggiare un numero maggiore di attività, processi di ragionamento più lunghi e agenti più autonomi. L’ecosistema guidato dagli Stati Uniti potrebbe quindi continuare a prosperare grazie alla sua solida posizione nell’infrastruttura cloud, nelle reti globali e nei dati proprietari, nessuno dei quali dipende in misura significativa dal particolare modello di IA utilizzato.
Secondo, i modelli di frontiera potrebbero continuare a giustificare un premio. I modelli statunitensi più avanzati mantengono ancora un vantaggio complessivo in termini di capacità. I modelli cinesi li eguagliano in alcuni benchmark, ma rimangono differenze nei test più impegnativi in ambito cyber, scientifico e negli scenari agentic di lungo orizzonte: attività complesse e articolate in più fasi che i sistemi di IA devono portare a termine autonomamente nel tempo. Per alcune applicazioni, come la ricerca scientifica, disporre della migliore intelligenza disponibile continuerà a generare un vantaggio e, di conseguenza, un certo potere di determinazione dei prezzi per i fornitori dei modelli più avanzati. Capacità di questo tipo, se disponibili su larga scala, possono plausibilmente essere monetizzate, anche in modo significativo, giustificando valutazioni positive per alcuni sviluppatori statunitensi di modelli di frontiera, come Anthropic e OpenAI, sebbene i margini delle applicazioni meno all’avanguardia siano destinati a subire pressioni.
Terzo, le preoccupazioni legate alla sicurezza e alla sovranità indicano l’emergere di un mercato ibrido, in cui sia i modelli statunitensi sia quelli cinesi avranno un ruolo. Le brevi restrizioni imposte dagli Stati Uniti all’accesso estero ai modelli Fable 5 e Mythos 5 di Anthropic hanno evidenziato i rischi legati alla dipendenza da tecnologie provenienti da un singolo Paese. Tuttavia, le iniziative di «IA sovrana» al di fuori degli Stati Uniti stanno avanzando lentamente, perché costruire da zero un ecosistema di IA competitivo rimane estremamente costoso. Allo stesso tempo, in assenza di alternative, i grandi utilizzatori esteri di servizi di IA e cloud potrebbero continuare a preferire i modelli statunitensi a quelli cinesi per ragioni legate alla governance e alla sicurezza.
In altre parole, è plausibile che la domanda di IA evolva verso un utilizzo diffuso di modelli più economici, compresi sistemi open-weight implementati localmente per numerose applicazioni. Questo renderebbe più difficile per i fornitori di modelli di frontiera, come OpenAI o Anthropic, mantenere prezzi, margini e valutazioni a premio. Ciò non significa, tuttavia, che gli utenti abbandoneranno l’ecosistema statunitense dell’IA per passare esclusivamente ad alternative cinesi. Ci aspettiamo che i due sistemi coesistano, con le aziende che utilizzeranno modelli locali o open-weight, provenienti dalla Cina o dagli Stati Uniti, per carichi di lavoro sensibili o ad alto volume, facendo invece affidamento
sui modelli di frontiera ospitati quando una capacità superiore o una gestione più semplice prevarranno sui rischi legati all’utilizzo di un fornitore terzo.
La prossima fase della competizione tra Stati Uniti e Cina
L’ecosistema dell’IA guidato dagli Stati Uniti dispone di un vantaggio significativo in termini di acceleratori avanzati – i chip specializzati utilizzati per l’IA – nonché di memoria ad alta larghezza di banda (high-bandwidth memory), che alimenta rapidamente questi chip con i dati, e di collegamenti ad alta velocità che consentono a numerosi chip di operare come un unico sistema. I controlli statunitensi sulle esportazioni di chip all’avanguardia e delle apparecchiature per la loro produzione dovrebbero contribuire a preservare questi vantaggi nel breve periodo. Le restrizioni potrebbero inasprirsi ulteriormente qualora nuove innovazioni cinesi aumentassero le preoccupazioni a Washington.
Il modo in cui la Cina riuscirà ad aggirare queste restrizioni sarà una delle questioni più importanti per l’IA negli anni a venire. Nel breve periodo, il Paese potrebbe rimanere vincolato dalla carenza di capacità di calcolo avanzata. Continuerà a sviluppare capacità nazionali di produzione di chip, comprese le tecnologie di litografia, incoraggiando al contempo una maggiore cooperazione tra le proprie società tecnologiche ed esplorando architetture alternative per i chip.
La Cina dispone tuttavia di un vantaggio fondamentale nella produzione di elettricità. Nel 2025 il Paese ha generato circa 10,6 petawattora (PWh), più del doppio rispetto agli Stati Uniti, e sta aumentando sia la capacità di generazione sia quella di trasmissione su lunga distanza a un ritmo più rapido. In questo contesto, la questione più importante è la «speed-to-power», ovvero la rapidità con cui un nuovo sito per un data center può ottenere un collegamento di rete affidabile e di grande capacità. Un data center cinese può richiedere da uno a tre anni per essere costruito e alimentato, rispetto ai cinque-dieci anni necessari negli Stati Uniti per un importante collegamento alla rete e per il potenziamento della trasmissione. Tali ritardi potrebbero quindi rallentare l’implementazione dell’IA negli Stati Uniti e costringere a ricorrere a costose forme di generazione elettrica in loco.
Per ora, tuttavia, gli Stati Uniti mantengono un ampio vantaggio in termini di capacità di calcolo installata per l’IA, grazie al loro vantaggio nell’hardware. Attualmente questo vantaggio compensa ampiamente la maggiore disponibilità di elettricità della Cina, anche se singoli progetti statunitensi devono affrontare colli di bottiglia nei collegamenti alla rete. Il vantaggio della Cina in termini di energia rimane quindi una fonte di opportunità strategica, che potrebbe diventare decisiva se il Paese riuscisse a colmare il divario in termini di chip e talenti.
Il ciclo dell’IA continuerà in entrambe le superpotenze
Il quadro «frontiera vs. adozione» (frontier-versus-adoption) rimane valido. Gli Stati Uniti mantengono il primato nelle capacità dell’IA di frontiera, mentre la Cina è ben posizionata per accelerare l’adozione attraverso modelli a costi inferiori e un’implementazione su larga scala. Ma la competizione è tutt’altro che conclusa. Gli sviluppatori statunitensi stanno reagendo attraverso riduzioni dei prezzi e offerte di modelli open-weight, mentre la Cina cerca di colmare il divario nelle capacità di frontiera.
Nessuno dei due Paesi accetterà la leadership dell’altro né nei modelli di frontiera né nell’adozione dell’IA. Anziché convergere verso un unico vincitore, ci aspettiamo che i due ecosistemi evolvano in parallelo, alimentando un’innovazione e investimenti continui nel panorama globale dell’IA, con una certa volatilità man mano che uno dei due acquisisce temporaneamente un vantaggio a scapito dell’altro. Questa competizione continuerà a generare slancio economico, con effetti positivi sulla crescita in entrambi i Paesi.
Per gli investitori, è probabile che la creazione di valore si concentri sui proprietari delle infrastrutture per l’IA, dei chip, dei dati e delle reti di distribuzione, piuttosto che esclusivamente sugli sviluppatori dei modelli di frontiera. È per questo che manteniamo una view positiva sugli hyperscaler e sulle società di semiconduttori rispetto ai fornitori specializzati esclusivamente nei modelli.
Partecipa alla community