I modelli di intelligenza artificiale cinesi si stanno avvicinando a quelli statunitensi, e all’apparenza a una frazione del costo. Il che solleva una domanda sui soldi già spesi: che rendimento daranno le infrastrutture americane, e reggono le valutazioni delle società tecnologiche costruite su di esse?
Michael Strobaek e Filippo Pallotti, rispettivamente responsabile globale degli investimenti e macro strategist di Banque Lombard Odier, danno una risposta in due tempi.
“I modelli cinesi open-weight metteranno probabilmente sotto pressione il potere di prezzo e i margini di profitto degli sviluppatori statunitensi, ma riteniamo che non rappresentino una minaccia di fondo per il più ampio ecosistema dell’intelligenza artificiale guidato dagli Stati Uniti”.
Chi vende i modelli soffrirà. Chi vende tutto il resto no.
Perché quel risparmio non è tutto merito loro
Prima di accettare il confronto sui prezzi, il documento invita a guardare come quei modelli sono stati costruiti.
Molte affermazioni sul vantaggio di costo cinese, sostengono gli autori, sottovalutano il peso della distillazione: la pratica di addestrare un modello in parte sugli output di un sistema americano più avanzato.
Detto in modo diretto, una porzione di quel risparmio esiste perché qualcun altro ha già sostenuto la spesa a monte.
Prezzo per token e costo per risultato
C’è poi un secondo motivo per cui il divario appare più ampio di quanto sia.
“Un prezzo per token basso di un modello cinese non significa necessariamente un basso costo per risultato, una volta che quel modello viene effettivamente utilizzato”.
Il ragionamento è semplice. Un modello meno capace può avere bisogno di più token, più potenza di calcolo, più energia e più tempo per portare a termine lo stesso lavoro.
I parametri utili, secondo il documento, sono quindi il costo per attività completata e il tempo per attività. Misurati così, molti modelli statunitensi reggono il confronto.
Il paradosso di Jevons
Sul perché prezzi più bassi non affossino il sistema americano, gli autori richiamano un principio economico dell’Ottocento.
Quando una tecnologia diventa più economica, spesso se ne consuma di più. Applicato all’intelligenza artificiale significa che un costo per attività più basso incoraggia più attività, ragionamenti più lunghi e un maggior numero di agenti autonomi.
A guadagnarci è chi possiede infrastrutture cloud, reti globali e dati proprietari. Cose che non dipendono da quale modello si stia usando.
Dove il premio resta giustificato
I modelli americani di punta conservano un vantaggio complessivo, e il documento indica dove.
I concorrenti cinesi li eguagliano su alcuni parametri di riferimento, ma restano indietro sui test più impegnativi in ambito informatico, scientifico e sulle attività autonome di lungo periodo, quelle che un sistema deve completare da solo attraverso molti passaggi successivi.
Per applicazioni come la ricerca scientifica, disporre della migliore intelligenza disponibile continua a generare un vantaggio. Ed è su quel terreno che gli sviluppatori di frontiera mantengono un potere di prezzo.
Il documento cita esplicitamente Anthropic e OpenAI, aggiungendo però che sui casi d’uso meno avanzati i margini resteranno sotto pressione.
La lezione delle restrizioni
C’è un episodio recente che gli autori usano come esempio del rischio opposto.
Le limitazioni temporanee imposte dagli Stati Uniti all’accesso estero ai modelli Fable 5 e Mythos 5 di Anthropic hanno messo in evidenza quanto sia rischioso dipendere dalla tecnologia di un solo Paese.
Le iniziative di intelligenza artificiale sovrana fuori dagli Stati Uniti procedono però lentamente, perché costruire da zero una filiera competitiva resta molto costoso. E in assenza di alternative i grandi utilizzatori stranieri, per ragioni di governance e sicurezza, tendono comunque a preferire i modelli americani a quelli cinesi.
Il vantaggio che nessuno guarda
La Cina ha prodotto circa 10,6 petawattora di elettricità nel 2025, più del doppio degli Stati Uniti. E sta ampliando sia la generazione sia le linee di trasmissione a lunga distanza a un ritmo superiore.
Il parametro che conta, spiegano gli autori, si chiama speed-to-power: quanto tempo serve perché un nuovo sito destinato ai data center ottenga un allacciamento elettrico ampio e affidabile.
Un data center cinese richiede fra uno e tre anni per essere costruito e alimentato. Negli Stati Uniti un allacciamento importante, con il relativo potenziamento della rete, richiede fra cinque e dieci anni.
Nel caso peggiore sono nove anni di differenza. Ritardi di quella portata possono rallentare l’espansione americana e costringere a produrre corrente in loco, con i costi che ne conseguono.
Ma i chip restano americani
Il quadro, però, non è a senso unico.
L’ecosistema statunitense mantiene un vantaggio marcato sugli acceleratori avanzati, cioè i chip specializzati per l’intelligenza artificiale, sulle memorie ad alta banda che li alimentano di dati e sui collegamenti veloci che permettono a molti processori di lavorare come un unico sistema.
I controlli statunitensi sulle esportazioni di chip e di macchinari per produrli dovrebbero preservare quel vantaggio nel breve periodo, e potrebbero essere inaspriti se le innovazioni cinesi aumentassero le preoccupazioni a Washington.
Nel frattempo la Cina lavora sulle proprie capacità produttive, compresa la litografia, e sperimenta architetture alternative.
Il risultato attuale è che gli Stati Uniti conservano un margine ampio sulla capacità di calcolo installata. Un vantaggio che oggi compensa la superiorità energetica cinese, ma che secondo il documento potrebbe non bastare se Pechino colmasse il divario su chip e competenze.
Due sistemi, non un vincitore
La conclusione respinge l’idea di una gara con un solo traguardo.
“Anziché convergere verso un unico vincitore, ci aspettiamo che i due ecosistemi si sviluppino in parallelo, alimentando innovazione e investimenti in tutto il panorama globale dell’intelligenza artificiale, con qualche volatilità man mano che l’uno guadagna temporaneamente a spese dell’altro”.
Nessuno dei due Paesi, sostengono gli autori, accetterà la superiorità dell’altro né sui modelli di frontiera né sull’adozione. E questa competizione continuerà a produrre effetti positivi sulla crescita di entrambi.
L’indicazione per chi investe
L’ultima riga del documento è quella che interessa a chi deve allocare capitale.
“La creazione di valore andrà probabilmente ai proprietari delle infrastrutture, dei chip, dei dati e delle reti di distribuzione, e non esclusivamente agli sviluppatori dei modelli di frontiera. È per questo che manteniamo una visione positiva sugli hyperscaler e sulle società dei semiconduttori rispetto ai fornitori specializzati unicamente nei modelli”.
Avviso. Le informazioni contenute in questo articolo riportano le valutazioni espresse da Banque Lombard Odier in una propria pubblicazione periodica. Non costituiscono consulenza finanziaria né sollecitazione all’investimento. I rendimenti passati non sono indicativi di quelli futuri e ogni decisione va assunta sulla base della propria situazione, se necessario con l’assistenza di un consulente abilitato.
Immagine del post generata con l’AI.
