La notizia è ancora un titolo di agenzia, ma la sostanza è già un manifesto. Meta ha annunciato l’ingresso nella corsa all’intelligenza artificiale visiva, un segmento dominato da modelli generativi per immagini e video che promettono di trasformare contenuti, pubblicità e creatività digitale. Quasi in contemporanea, filtra da ByteDance un numero che getta benzina sul fuoco: Seedance, la piattaforma di AI visiva della società cinese, avrebbe raggiunto margini lordi del 90 per cento. Una percentuale da far impallidire qualsiasi SaaS, che non è solo un trionfo commerciale ma la spia di un mutamento tettonico nel modo in cui si costruiscono e si monetizzano questi servizi.

Perché la radice di una marginalità così elevata non sta in un pricing aggressivo o in un brevetto magico, ma nell’integrazione verticale tra hardware e software. ByteDance, costretta dalle regole di sovranità dei dati e dalle tensioni geopolitiche a sviluppare datacenter autosufficienti e spesso chip custom, ha di fatto edificato una macchina da inference ottimizzata fino all’ultimo watt. In un servizio come la generazione video – dove ogni secondo di output può richiedere il dispendio energetico di un’intera GPU per ore – abbattere il costo per token (o per frame) è la leva decisiva. Chi riesce a farlo sul proprio ferro, tagliando gli intermediari del cloud pubblico e disegnando acceleratori su misura per carichi visivi, può spuntare margini che nel mondo dei modelli linguistici sono ancora un miraggio.

La notizia, se confermata, ribalta molte narrative dominanti. Da anni si dibatte se l’AI generativa sia un gioco a somma zero per colpa dei costi di inference incontrollabili. Seedance suggerisce il contrario: quando il controllo dell’infrastruttura è totale, il costo marginale di una generazione diventa irrisorio, trasformando un servizio potenzialmente oneroso in una macchina da profitti quasi puri. E il caso ByteDance non è isolato: anche Apple, con l’Apple Neural Engine, e Google con le TPU hanno mostrato che l’efficienza computazionale si traduce in margini difendibili.

Ora tocca a Meta. L’azienda di Mark Zuckerberg non parte da zero: ha già in produzione chip MTIA per il training dei modelli, ma l’inference visiva su scala planetaria – si pensi a Instagram, Facebook o agli occhiali Ray-Ban Meta – richiede una classe di acceleratori e uno stack software completamente diversi. Entrare in questo mercato significherà, quasi certamente, accelerare il programma hardware interno per non lasciare a NVIDIA o ad altri il costo più alto della filiera. Il parallelo con ByteDance è istruttivo: se Seedance fa il 90% di margine, è perché ha verticalizzato tutto, dal silicio al servizio. Meta dovrà fare altrettanto, o rischierà di restare prigioniera di costi di inference che erodono qualsiasi vantaggio di scala.

Questo scenario disegna un futuro in cui la generazione visiva diventa una commodity accessibile, ma solo per chi possiede i mezzi di produzione fisici. Per il resto dell’industria – startup, PMI, enti pubblici – la lezione è altrettanto chiara: nessun fornitore cloud generalista potrà offrire un’efficienza paragonabile a lungo termine, perché il suo modello di business prevede un margine sull’hardware affittato. Di conseguenza, per progetti ad alto volume, la scelta tra cloud e on-premise si trasforma in un obbligo strategico: o si internalizza l’hardware, con tutte le complessità del caso, o si accettano margini risicati e dipendenza da terzi. Per chi valuta il deploy on-premise di LLM e modelli visivi, strumenti come quelli analizzati su AI-RADAR nella sezione dedicata ai framework di valutazione diventano essenziali per calibrare gli investimenti.

La partita, insomma, non si gioca più sul modello più creativo o sul dataset più vasto. Si gioca sui datacenter, sulle pipeline di inference e sul design dei chip. E chi non lo capisce, resterà a guardare.