quando il loro modello di intelligenza artificiale “proprio” proviene improvvisamente dalla Cina

Risparmio sui costi dell’80%: come i modelli di intelligenza artificiale cinesi stanno conquistando silenziosamente il mercato americano

Una rivoluzione segreta nella Silicon Valley: perché le startup statunitensi si affidano improvvisamente all’intelligenza artificiale cinese

Per lungo tempo, la Silicon Valley è stata considerata l’indiscusso e invincibile epicentro dello sviluppo globale dell’intelligenza artificiale. Ma, lontano dai grandi palcoscenici del marketing, è in atto un cambiamento significativo: sempre più startup statunitensi e colossi tecnologici affermati stanno adottando silenziosamente modelli open source cinesi come Qwen, Kimi e DeepSeek. La ragione di ciò non risiede in simpatie geopolitiche, bensì in una netta contrapposizione economica. Le alternative cinesi offrono ora prestazioni in termini di programmazione e automazione paragonabili ai migliori modelli occidentali, ma a una frazione del costo. Questo sviluppo sta esercitando una pressione enorme su giganti del settore come OpenAI, costringendoli a drastiche riduzioni di prezzo e sollevando interrogativi fondamentali sulla futura distribuzione del potere all’interno del settore. Il seguente articolo esamina le cifre impressionanti che si celano dietro questa silenziosa rivoluzione, utilizza esempi di aziende di spicco per illustrare come le imprese stiano adattando le proprie strategie e spiega perché la questione della sovranità dei dati giochi un ruolo cruciale in questo nuovo mercato.

Un continente cambia silenziosamente schieramento

Per due decenni, la Silicon Valley è stata considerata l’indiscusso epicentro dell’innovazione software e, solo due anni fa, l’idea che la tecnologia cinese potesse diventare il fondamento della prossima generazione di aziende sarebbe sembrata assurda. Eppure è proprio quello che sta accadendo ora, e a una velocità che sorprende persino gli osservatori di mercato più esperti. L’investitore Martin Casado di Andreessen Horowitz lo ha riassunto perfettamente in un’intervista molto citata: se oggi i team fondatori presentano i loro progetti ad a16z e si affidano a modelli di intelligenza artificiale open source, c’è circa l’80% di probabilità che si tratti di un modello cinese. È importante notare la precisazione che Casado ha poi aggiunto: questo 80% si riferisce alla percentuale di startup che utilizzano modelli open source, stimata tra il 20 e il 30% di tutte le startup di intelligenza artificiale. Estrapolando all’intero panorama delle startup, ciò significa che circa il 16-24% di tutte le aziende statunitensi di intelligenza artificiale ha modelli open source cinesi saldamente integrati nel proprio stack tecnologico. Questa distinzione potrebbe a prima vista attenuare l’impatto dell’affermazione, ma non cambia la constatazione fondamentale che una parte significativa e in rapida crescita del settore dell’innovazione americano si sta allontanando dai fornitori nazionali.

I numeri a supporto dell’affermazione: cosa mostra realmente OpenRouter

Chiunque voglia comprendere obiettivamente questo cambiamento di mercato non può ignorare i dati della piattaforma OpenRouter, considerata il più grande servizio di intermediazione indipendente per l’accesso ai modelli di intelligenza artificiale, che consente agli sviluppatori di passare da un modello all’altro di diversi fornitori. I dati di utilizzo raccolti offrono un quadro oggettivo della reale domanda di mercato, poiché non si basano su annunci o affermazioni di marketing, ma sui token effettivamente elaborati, l’unità di base con cui i modelli linguistici di intelligenza artificiale elaborano il testo. Alla fine del 2024, la quota di modelli cinesi sul volume totale di token della piattaforma era ancora intorno all’1,2%, una cifra trascurabile che ha ricevuto poca attenzione. In appena un anno e mezzo, questo rapporto è cambiato di oltre cinquanta volte. Nel febbraio 2026, i modelli cinesi hanno superato per la prima volta la soglia del 30% del volume settimanale di token tra gli utenti americani, e da allora questa cifra è rimasta al di sopra di tale soglia ogni singola settimana. Nel luglio 2026, la quota ha raggiunto il 46% nelle settimane di picco, mentre i modelli americani rappresentavano il 35,7% nello stesso periodo. Se si considerano solo i dieci modelli più utilizzati sulla piattaforma, emerge un quadro ancora più chiaro: nella settimana del 24 febbraio 2026, il 61% del volume di token scambiati tra questi dieci modelli principali era attribuibile a sviluppatori cinesi. Secondo OpenRouter, alla fine di luglio 2026, i modelli cinesi occupavano addirittura tutte e cinque le prime posizioni della classifica globale di utilizzo, con un volume totale della piattaforma che superava i 20 trilioni di token a settimana, di cui oltre il 60% elaborato da modelli cinesi.

Questo sviluppo non può essere liquidato come semplice rumore statistico, ma rivela piuttosto una chiara tendenza emersa nell’ultimo anno e mezzo. Allo stesso tempo, è necessario tenere in seria considerazione i limiti metodologici. Sebbene OpenRouter sia il più importante indicatore indipendente del comportamento degli sviluppatori, non rappresenta l’intero mercato globale dell’IA, ma principalmente gruppi di utenti esperti e attenti ai costi, che attribuiscono grande importanza ai pesi open source. Applicazioni consumer come ChatGPT o contratti API aziendali diretti con Anthropic sono a malapena rappresentati in queste cifre. Per questo motivo, studi come l’importante rapporto annuale di OpenRouter e a16z del 2025 dipingono un quadro leggermente più moderato, mostrando che i modelli proprietari nordamericani hanno comunque rappresentato la maggioranza dei token nell’intero anno, mentre i modelli open source cinesi si sono attestati in media intorno al 13%. La verità, quindi, si trova a metà strada tra il titolo e il via libera: la tendenza è reale, sta visibilmente accelerando, ma interessa principalmente specifici segmenti di utilizzo, in particolare lo sviluppo di software e il lavoro con agenti automatizzati, che insieme rappresentano ormai ben oltre la metà di tutti i token sulla piattaforma.

Perché la programmazione e l’automazione in particolare stanno guidando lo sconvolgimento

Un elemento chiave per comprendere questo cambiamento risiede nella natura del carico di lavoro che ora domina i sistemi di intelligenza artificiale. Fino al 2024, la programmazione rappresentava solo l’undici percento del volume totale di token su OpenRouter, mentre oggi più della metà di tutti i token elaborati è dedicata ad attività di programmazione e flussi di lavoro di agenti autonomi, in cui i modelli eseguono in modo indipendente attività a più fasi. I modelli cinesi hanno fatto enormi progressi in questo ambito perché sono specificamente ottimizzati per la programmazione e il lavoro degli agenti. Il direttore operativo di OpenRouter, Chris Clark, ha spiegato inequivocabilmente il meccanismo sottostante: i modelli aperti cinesi hanno acquisito una posizione sproporzionatamente forte proprio in quei flussi di lavoro basati su agenti che sono ampiamente utilizzati dagli sviluppatori statunitensi. In altre parole, non si tratta di una decisione ideologica, ma di una risposta pragmatica a un rapporto prezzo-prestazioni difficile da battere per attività di programmazione ripetitive e ad alto volume.

Lo shock dei prezzi che ha dato inizio a tutto

Il fulcro economico di questo sviluppo risiede in una differenza di prezzo talmente significativa da alterare radicalmente ogni calcolo effettuato da un responsabile finanziario. Un milione di token di emissione costa circa 50 dollari con un modello di fascia alta come Fable di Anthropic, mentre la stessa quantità costa circa 15 dollari con Kimi K3 di Moonshot, 4,40 dollari con GLM-5.2 di Zhipu e appena 0,87 dollari con il modello V4 Pro di DeepSeek. Queste cifre significano, in pratica, che un’azienda può pagare da cinque a sessanta volte il prezzo per la stessa operazione, a seconda del modello scelto. Per un’azienda che gestisce milioni di richieste giornaliere, questo non è un problema di poco conto, ma un fattore di costo cruciale che determina i margini di profitto e la scalabilità di interi modelli di business.

Questa dinamica dei prezzi spiega anche perché OpenAI abbia ridotto i suoi prezzi fino all’80% nel corso del 2026. Un’azienda con una valutazione di un miliardo di dollari e un enorme potere di mercato non abbassa i prezzi per benevolenza, ma a causa della pura pressione competitiva. Quando i clienti possono passare con un solo clic a un fornitore che svolge la stessa funzione a una frazione del costo, un fornitore affermato si trova di fronte alla sola scelta tra adeguare i prezzi o perdere clienti. Questo meccanismo è un esempio da manuale di economia competitiva classica: non appena un mercato si trova di fronte a beni pressoché omogenei, dove la differenza di qualità diventa marginale per l’utente medio, il prezzo scivola verso il costo marginale del fornitore più economico e credibile. Questo è esattamente ciò a cui stiamo assistendo attualmente nel mercato della modellazione linguistica.

Quando le aziende ricalcolano i propri conti: esempi specifici di aziende

I dati di mercato astratti acquistano un reale potere persuasivo solo quando si osserva come le aziende concrete ristrutturano i propri processi interni. La piattaforma di trading di criptovalute Coinbase ne offre l’esempio più lampante nel 2026. Nell’estate del 2026, il CEO Brian Armstrong ha pubblicato approfondimenti dettagliati sulla strategia di riduzione dei costi interni della sua azienda, spiegando di aver quasi dimezzato la spesa per l’intelligenza artificiale, aumentando al contempo il volume di utilizzo. La leva chiave è stata la sostituzione dei modelli predefiniti in un gateway interno per l’IA con Zhipu GLM 5.2 e Moonshot Kimi 2.7 Code, due modelli open source cinesi che gestiscono attività di routine come revisioni del codice, riepiloghi e stesura, mentre modelli più costosi e di fascia alta come Anthropic Opus sono rimasti riservati alle attività di pianificazione più complesse. Vale la pena notare che questo cambiamento non è stata l’unica misura di riduzione dei costi. Coinbase ha contemporaneamente aumentato il tasso di successo della cache del suo strumento interno di intelligenza artificiale dal 5 al 60%, il che di per sé spiega una parte significativa dei risparmi, poiché le query ripetute possono ora essere gestite quasi gratuitamente dalla cache anziché attivare ogni volta una nuova e costosa query al modello. Questo esempio dimostra che il passaggio a modelli cinesi raramente è una decisione isolata, ma piuttosto parte di una strategia più ampia per un’allocazione intelligente delle risorse, in cui la scelta del modello è solo una delle diverse leve.

Anche Cursor, una piattaforma di sviluppo e uno degli strumenti più apprezzati per lo sviluppo di software basato sull’intelligenza artificiale, si è trovata in una situazione rivelatrice nel marzo 2026. L’azienda ha presentato il suo nuovo modello, Composer 2, come un progetto interno, vantando prestazioni di codifica di altissimo livello. Tuttavia, poche ore dopo il rilascio, alcuni sviluppatori attenti hanno scoperto un identificatore interno del modello nei dati di risposta tecnica dell’API che faceva inequivocabilmente riferimento a Kimi K2.5, il modello open source di Moonshot AI. Cursor è stata quindi costretta ad ammettere pubblicamente che Composer 2 era effettivamente basato sull’architettura di Kimi K2.5, sebbene l’azienda abbia sottolineato che circa tre quarti della potenza di calcolo totale utilizzata per la messa a punto del modello finale proveniva dal proprio addestramento, e solo circa un quarto era basato sulla fondazione originale di Kimi. Il co-fondatore Aman Sanger ha riconosciuto autocriticamente di aver commesso un errore non menzionando la fondazione Kimi nell’annuncio iniziale. Questo episodio illustra uno schema più ampio: molte innovazioni nel campo dell’intelligenza artificiale, apparentemente americane, si basano in realtà su modelli cinesi, senza che ciò venga comunicato all’esterno. Gli osservatori a volte descrivono, con una certa presunzione, come una sorta di occultamento silenzioso della reale origine tecnologica.

Oltre a questi esempi di spicco, numerose altre aziende hanno ristrutturato la propria infrastruttura di intelligenza artificiale per allinearla ai modelli aperti cinesi. Tra queste, il servizio di consegna di cibo DoorDash, che esternalizza le attività di programmazione più semplici a Kimi, mantenendo le decisioni critiche affidate a modelli più costosi e avanzati, e aziende come Snowflake e la startup di intelligenza artificiale Lindy, che perseguono strategie simili di ottimizzazione dei costi. Secondo quanto riportato pubblicamente, la società di software Siemens si affida all’addestramento di Qwen con i propri dati industriali per sviluppare sistemi di assistenza specifici per settore, anziché costruire da zero modelli di base completamente nuovi: una scelta economicamente logica, visti gli ingenti costi di addestramento di nuovi modelli linguistici.