Milano, 28 luglio 2026 – Il 24 luglio Jensen Huang ha aperto un profilo su X e lo ha usato per rilanciare una lettera ai decisori americani, “Open Weights and American AI Leadership”, firmata da venticinque fra imprese e organizzazioni: Nvidia, Microsoft, Meta, IBM, Dell, Palantir, Perplexity, CrowdStrike, Hugging Face, Mozilla, la Linux Foundation, Andreessen Horowitz, Y Combinator, e una sola europea, la francese Mistral. La tesi è che il primato americano si misuri sull’ampiezza dell’ecosistema aperto più che sulla potenza del singolo modello di frontiera. L’elenco dei firmatari spiega la tesi meglio della tesi stessa: ci sono i produttori di chip e di server, il cloud, la sicurezza, le applicazioni, il capitale di rischio. Restano fuori OpenAI, Anthropic e Google, cioè le tre imprese il cui conto economico dipende dalla vendita del modello.
Siamo davanti a una manovra classica di economia industriale: rendere gratuito il complemento del proprio prodotto. IBM la eseguì nel 2001 mettendo un miliardo di dollari su Linux (nessun ricavo dal sistema operativo, ricavi crescenti su server, servizi e consulenza, ed erosione del margine di chi vendeva Unix). Google la ripeté con Android. Nvidia oggi ha un problema di struttura della domanda prima che di tecnologia: con i modelli chiusi i suoi acquirenti sono quattro hyperscaler che comprano a volume, negoziano da posizione di forza e stanno già progettando silicio proprio (TPU, Trainium, Maia, MTIA); con i pesi scaricabili gli acquirenti diventano ogni banca, ogni ospedale, ogni impresa manifatturiera, nessuno dei quali ha potere contrattuale. La quota di Nvidia negli acceleratori per data center, stimata sopra il novanta per cento, oggi dipende da quattro compratori capaci di trattare il prezzo e di sostituirla con silicio proprio; con i pesi aperti dipenderebbe da migliaia di compratori che non possono fare né l’una né l’altra cosa.
La Cina esegue la stessa manovra dal lato opposto del vincolo. Esclusa dalle litografie più avanzate, regala ciò che comunque venderebbe poco in Occidente per ragioni di fiducia e di regolazione: Qwen di Alibaba, DeepSeek, Kimi di Moonshot, che lo stesso Huang ha definito eccellenti proprio mentre a Washington si discute di limitarne l’uso. Il ritorno dell’operazione non è monetario ma cognitivo: gli ingegneri imparano su ciò che possono smontare, gli strumenti e le abitudini si sedimentano intorno a ciò che è scaricabile, e lo standard finisce per formarsi attorno a ciò che sta nelle mani di tutti.
Qui comincia la parte che riguarda noi. Se il livello del modello si “commoditizza”, il valore migra verso tre strati: il calcolo, i dati proprietari con i domini applicativi, la distribuzione. Sul primo l’Europa arriva tardi e costosa; sul terzo è marginale; sul secondo possiede l’unico giacimento che nessuno può scaricare da un repository, cioè vent’anni di dati di processo dentro le imprese di media tecnologia e media dimensione. Un modello aperto da 7-30 miliardi di parametri gira oggi su due schede in azienda, e la specializzazione su dati propri costa decine di migliaia di euro, non decine di milioni. La discesa del costo del modello generale è una notizia favorevole per chi possiede i dati particolari.
Il caso più istruttivo è quello che sembra un caso finanziario. ASML, cioè una impresa di macchine, è oggi il primo azionista di Mistral: un miliardo e trecento milioni di euro per circa l’undici per cento, su una valutazione di 11,7 miliardi (settembre 2025; si tratta di un nuovo aumento a valutazione circa doppia, con ricavi ricorrenti intorno ai 400 milioni di dollari). Un costruttore di beni strumentali ha comprato l’intelligenza del proprio processo invece di affittarla. È esattamente ciò che una impresa di macchinari di Brescia, un gruppo ceramico di Sassuolo o un capofila del tessile di Prato possono fare su scala mille volte inferiore, con un consorzio di filiera al posto di una partecipazione azionaria.
L’analogia con Airbus, che ho evocato in un precedente intervento, è utile ma va usata per la parte giusta. Airbus Industrie nasce nel dicembre 1970 come consorzio di interesse economico fra Aérospatiale e Deutsche Airbus, con l’ingresso successivo di spagnoli e britannici; l’A300 entra in servizio nel 1974 e il pareggio industriale arriva con l’A320, diciotto anni dopo la fondazione; nel 2024 il gruppo consegna 766 aerei contro i 348 di Boeing, con circa 150.000 dipendenti. Ha funzionato per ragioni che stanno dal lato della domanda più che da quello della ricerca: anticipi rimborsabili sui programmi, compagnie di bandiera che compravano, una certificazione unica che creava mercato interno. Il ciclo di vita di un aereo è di trent’anni, quello di un modello linguistico è di diciotto mesi: replicare Airbus costruendo un campione europeo del modello di frontiera significherebbe copiare la parte deperibile del precedente. La parte durevole è l’aggregazione della domanda.
Il confronto con i tempi europei attuali è sfavorevole proprio su questo. InvestAI, annunciata nel febbraio 2025, mobilita 200 miliardi di euro (150 dalla AI Champions Initiative e 50 dalla Commissione), di cui 20 destinati a quattro o cinque gigafactory da centomila chip ciascuna. Il regolamento che dà base giuridica all’operazione è entrato in vigore soltanto nel gennaio 2026 (Reg. 2026/150, con il contributo europeo fissato al diciassette per cento della spesa in conto capitale), la gara è attesa per l’estate 2026 e il primo cantiere per il 2027: capacità operativa fra il 2028 e il 2029, mentre le tredici AI factory oggi attive in sette Paesi si fermano attorno ai 25.000 chip per sito. Gli standard, però, si formano adesso, nel biennio in cui un ingegnere di trent’anni decide su quale famiglia di modelli imparerà a lavorare per i prossimi quindici.
Una politica industriale seria su questo punto costa meno di un cantiere e vale di più. Consiste nel garantire la domanda anziché sussidiare l’offerta: appalti pubblici che pre-impegnano acquisti su modelli aperti addestrati su dati europei, in sanità, catasto, giustizia amministrativa, previsione dei carichi di rete. Consiste nel dare certezza di responsabilità: un’impresa che specializza un modello aperto sui propri dati deve sapere in anticipo, e non a valle di una controversia, chi risponde di che cosa nel quadro dell’AI Act. Consiste nell’aprire alle medie imprese l’accesso a calcolo a prezzi prevedibili nelle AI factory già finanziate, con contratti pluriennali e non con bandi competitivi da cento pagine. E consiste nel finanziare l’unico asset scarso che resta, cioè la costruzione dei dati etichettati di filiera: il cluster ceramico, il distretto della meccanica strumentale, la filiera agroalimentare valgono, come base informativa, molto più di un modello generalista in più.
Le imprese, dal canto loro, hanno una decisione da prendere entro questo ciclo di investimento e non entro il prossimo piano triennale. Chi mette i dati di processo nel servizio in abbonamento di un fornitore extraeuropeo compra velocità e paga in vantaggio competitivo; chi porta il modello dentro il proprio perimetro paga in ingegneria e compra durata. Le due strade convivono, con proporzioni diverse a seconda che il dato sia commodity o sia il mestiere. La scelta che si sta compiendo in questi mesi, in silenzio e in modo distribuito, riguarda su quali fondamenta l’industria europea farà girare la propria conoscenza produttiva nei prossimi dieci anni. Chi regala la base decide lo standard: la lettera dei venticinque lo dice con parole più eleganti, e la Cina lo pratica senza dirlo. Il giacimento che l’Europa possiede sta nelle sue fabbriche, ed è l’unico che non si scarica.
*Giuseppe Russo è direttore del Centro Einaudi.
#Adessonews seleziona nella rete articoli di particolare interesse.
Se vuoi leggere l’articolo completo clicca sul seguente link
Source link
