Quello che le diplomazie chiamano “dialogo globale sulla governance” spesso produce dichiarazioni di principio destinate a restare sulla carta. Ma quando la Cina, dal podio dell’ONU, definisce i modelli AI open source “un patrimonio condiviso per tutta l’umanità” e cita espressamente DeepSeek e Qwen come strumenti che hanno “ridotto significativamente barriere e costi di adozione”, non è solo retorica. È un segnale nitido per chi, lontano dai riflettori, deve decidere dove far girare i propri modelli: nel cloud di qualcun altro o su ferro proprio, in casa, sotto il proprio controllo. Ed è un segnale che si capisce solo se si guarda al di là del testo diplomatico, mettendo a fuoco le implicazioni strutturali per l’infrastruttura on-premise e la sovranità dei dati.

La dichiarazione – riportata su Reddit ma proveniente dal primo dialogo globale delle Nazioni Unite sulla governance dell’intelligenza artificiale – ha un perimetro preciso: la Cina si impegna a promuovere l’AI open source per industria, università e ricerca, puntando su cooperazione internazionale, innovazione e un ecosistema inclusivo. DeepSeek e Qwen vengono indicati come prove concrete di quanto l’open source possa democratizzare l’accesso. Sono modelli che, per architettura e strategie di quantization, possono funzionare su hardware non estremo, spostando l’asticella di ciò che è possibile fare senza ricorrere a cluster di GPU cloud con costi a consumo.

Per chi valuta deployment on-premise, questo passaggio ha un peso immediato. Non parliamo di un auspicio astratto ma di modelli già scaricabili, testabili, quantizzati fino a INT4 o INT8, con finestre di contesto sufficienti per carichi aziendali. Modelli nati in Cina, certo, ma rilasciati con licenze aperte che non vincolano a un provider specifico. Il che significa una prima, tangibile via di fuga dalla dipendenza da API proprietarie e dalla latenza – anche normativa – che ne deriva. Quando i dati devono restare fisicamente in un perimetro noto, per GDPR o per policy interne, avere LLM capaci di girare on-premise senza costi di licenza a token diventa un fattore dirimente nel calcolo del TCO.

Ma è l’analisi di secondo e terzo ordine a rendere questa notizia tutt’altro che aneddotica. Il primo effetto collaterale riguarda gli equilibri di mercato: se i modelli open source cinesi si ritagliano uno spazio come alternativa performante a costi di inference bassi, si erode il vantaggio competitivo di chi vende AI esclusivamente come servizio cloud. Non è un caso che i grandi hyperscaler occidentali stiano integrando sempre più modelli aperti nei loro cataloghi, ma è altrettanto vero che chi li usa on-premise non genera revenue ricorsive per quelle piattaforme.

Il secondo effetto è sulla geopolitica dell’hardware. Promuovere modelli che girano su GPU consumer o su server con capacità di calcolo modeste è anche un modo per aggirare i colli di bottiglia imposti dai controlli all’export sui chip avanzati. Mentre l’accesso agli acceleratori di punta resta condizionato da restrizioni commerciali, un ecosistema di strumenti ottimizzati per girare con meno VRAM e su silicon più datato amplia la platea di potenziali adottanti. È qui che la narrazione del “bene comune” si salda a un disegno molto concreto: costruire un’alternativa tecnicica che non dipenda né da silicio statunitense di ultima generazione né da contratti cloud miliardari.

Il terzo effetto riguarda chi fa ricerca e innovazione in contesti di risorse limitate – università, startup, istituzioni pubbliche. L’abbattimento delle barriere di adozione non è solo un costo in meno: è la possibilità di fare fine-tuning su dati proprietari senza spedirli fuori, di iterare su modelli base senza trattative commerciali, di mantenere il controllo sull’intera pipeline. Per questi attori, l’open source sostenuto dalla Cina non è una bandiera ideologica ma un’ancora di sopravvivenza operativa.

Certo, restano nodi aperti. L’origine cinese di questi modelli può sollevare perplessità in ambiti regolati o nella pubblica amministrazione occidentale, dove la supply chain del software è scrutinata quanto quella dell’hardware. Ma il punto strutturale è un altro: la partita non si gioca più solo sulla qualità del singolo modello, ma su chi controlla l’infrastruttura di esecuzione. E in questa partita, la dichiarazione ONU della Cina è molto più di una dichiarazione. È il manifesto di un ecosistema in cui il deployment on-premise non è un’alternativa di nicchia ma il campo su cui si costruirà la prossima ondata di adozione industriale dell’AI.