Per anni il ragionamento e' stato quasi automatico: se un'azienda voleva l'IA piu' potente, guardava a OpenAI o Anthropic. Nell'estate 2026 quella certezza si e' incrinata. Secondo una ricognizione della CNBC, un numero crescente di imprese statunitensi — comprese aziende tecnologiche di primo piano — sta integrando modelli aperti cinesi come quelli di DeepSeek, della famiglia Qwen di Alibaba e di Moonshot AI. La ragione principale e' tanto banale quanto potente: i costi.
Mentre i prezzi dei modelli proprietari di frontiera sono aumentati, i laboratori cinesi hanno rilasciato modelli con pesi scaricabili gratuitamente, molto capaci soprattutto su programmazione e compiti agentici. Il risultato e' uno spostamento silenzioso ma concreto: non nei titoli dei giornali, ma nelle scelte di architettura di chi costruisce prodotti basati sull'IA.
Perche' le imprese guardano a Oriente: e' una questione di costi
Il calcolo che spinge molte aziende e' semplice. Un modello aperto scaricabile puo' essere eseguito sulla propria infrastruttura o su fornitori cloud a basso costo, senza pagare a ogni chiamata la tariffa di un'API proprietaria. Per carichi di lavoro ad alto volume — un assistente che gestisce milioni di richieste, una pipeline che elabora enormi quantita' di documenti — la differenza sul conto di fine mese diventa enorme.
A questo si aggiunge il controllo: eseguire il modello in casa significa tenere i dati dentro il proprio perimetro, personalizzare il comportamento con il fine-tuning e non dipendere dalle scelte di prezzo o di disponibilita' di un fornitore esterno. Sono argomenti che pesano soprattutto per le aziende con requisiti stringenti di privacy o con team tecnici in grado di gestire l'infrastruttura.
DeepSeek, Qwen e Kimi: la sfida sul terreno di GPT e Claude
La forza dell'offerta cinese non e' solo il prezzo, ma la qualita' raggiunta. Nell'ultimo periodo si sono susseguiti rilasci che hanno scalato le classifiche dei modelli aperti: Kimi K3 di Moonshot AI, presentato come uno dei sistemi piu' forti per programmazione e compiti agentici a orizzonte lungo; i modelli GLM di Zhipu; le nuove versioni di DeepSeek, che hanno perfino sperimentato prezzi differenziati per fascia oraria; la famiglia Qwen di Alibaba, ormai punto di riferimento per chi cerca modelli aperti versatili.
Molti di questi modelli adottano l'architettura mixture-of-experts, che consente prestazioni elevate con costi di calcolo contenuti. Su Hugging Face i modelli cinesi figurano stabilmente tra i piu' scaricati, segno di un'adozione che parte dalla comunita' degli sviluppatori e risale fino alle aziende.
Il nodo dei dati, della fiducia e delle regole
L'adozione non e' priva di tensioni. Restano le preoccupazioni legate alla provenienza dei modelli, alla censura di alcuni temi, alla sicurezza della catena di fornitura e al quadro geopolitico tra Stati Uniti e Cina. Alcune aziende scelgono di eseguire i modelli cinesi solo in ambienti isolati e controllati, proprio per contenere i rischi. Il fatto che i pesi siano aperti e ispezionabili e' spesso citato come elemento di rassicurazione, ma non elimina il dibattito.
Sul piano normativo, chi opera in Europa dovra' comunque fare i conti con l'AI Act, indipendentemente dall'origine del modello: gli obblighi di trasparenza e, per gli usi ad alto rischio, di conformita' valgono per il sistema, non per la nazionalita' di chi lo ha addestrato.
Cosa cambia per chi sviluppa in Italia
Per un'azienda o uno sviluppatore italiano, la lezione e' pratica: oggi esiste una gamma di modelli aperti di qualita' che permette di costruire prodotti seri senza dipendere esclusivamente dalle API americane. La scelta non e' ideologica ma di ingegneria: contano il costo per richiesta, la latenza, la facilita' di esecuzione in locale o su cloud europei e la conformita' alle regole. Vale la pena testare piu' modelli — proprietari e aperti, occidentali e cinesi — e misurare i risultati sul proprio caso d'uso, invece di affidarsi a un unico fornitore per abitudine. Il mercato dell'IA, per la prima volta da anni, offre davvero alternative.
