Venerdì scorso un blocco di 25 aziende e organizzazioni – Nvidia, Microsoft, Meta, Mistral, Palantir, IBM, Andreessen Horowitz, Hugging Face, Mozilla e la Linux Foundation, tra gli altri – ha scelto una linea pubblica netta: open weight senza freni normativi. Nella lettera “Open Weights and American AI Leadership”, riportata da Business Insider, il gruppo chiede a Washington di non restringere l’accesso ai modelli a pesi aperti, presentandoli come leva di competitività nazionale.

Non è una presa di posizione filosofica. È un segnale strutturale per chiunque progetti stack di inference fuori dal cloud pubblico. I modelli a pesi aperti, scaricabili e eseguibili su hardware proprietario, sono l’infrastruttura di fatto per deployment self-hosted, fine-tuning industriali e ambienti air-gapped dove la residenza dei dati è vincolo di compliance. La lettera arriva mentre alcune proposte normative, alimentate dai timori sui rischi dell’AI generativa, ventilano l’idea di licenze obbligatorie o audit preventivi che colpirebbero proprio la distribuzione senza restrizioni.

Per chi oggi valuta il TCO di una piattaforma LLM on-premise, il messaggio è chiaro: blindare gli open weight significa mantenere aperta la strada a un parco hardware differenziato – GPU A100, H100 o futuri acceleratori – senza essere costretti a passare per API a consumo. Nvidia firma perché ogni modello a pesi aperti messo in produzione richiede VRAM, moltiplicando la domanda di silicio per inference locale. Meta e Mistral firmano perché distribuire modelli aperti è il loro vantaggio competitivo contro i giardini chiusi di OpenAI e Anthropic (assenti dalla lettera). Mozilla e Hugging Face, dal canto loro, presidiano l’ecosistema di sviluppo e distribuzione.

La frattura con OpenAI e Anthropic è il dato più interessante. Non è solo competizione di mercato: è divergenza sui modelli di deployment. Chi punta su API centralizzate ha tutto da guadagnare da regole che rendano oneroso o illegale rilasciare pesi senza filtri. Chi invece costruisce su open weight – e chi vende il ferro per farli girare – ha l’interesse opposto. Le aziende che trattano dati sensibili (sanità, difesa, finanza) leggono la lettera come un potenziale scudo contro il vendor lock-in: se i modelli aperti restano legali, rimane praticabile la strada on-premise con controllo completo su pipeline, quantization e log di inference.

Cosa succederebbe se prevalesse la stretta regolatoria? La domanda si sposterebbe forzosamente verso API proprietarie, aumentando OpEx e riducendo il potere negoziale delle imprese. I carichi di lavoro edge e le installazioni senza connettività cloud diventerebbero un azzardo legale. La lettera non lo dice esplicitamente, ma agita lo spettro di un’AI a due velocità: modelli da vetrina per i colossi del cloud, e pochi strumenti reali per chi deve far girare inference dietro un firewall aziendale.

I firmatari non chiedono deregulation assoluta, ma di non colpire i pesi in chiaro. La mossa ha un sapore pre-emptive, perché il dibattito negli USA è aperto e alcune audizioni al Congresso hanno già evocato scenari di licenze governative. Per chi costruisce strategie di adozione LLM a medio termine, ignorare questa spaccatura sarebbe miope: il destino degli open weight deciderà in buona parte il perimetro di ciò che è tecnicamente ed economicamente fattibile on-premise.