Quando si parla di Large Language Models il pensiero corre subito a server remoti, GPU affamate di VRAM e modelli proibitivi per chi non dispone di capitale e infrastrutture. L’annuncio di Current AI – un’organizzazione no-profit decisa a costruire «il World Wide Web dell’IA» – rompe questo schema, e lo fa partendo da un principio tanto semplice quanto radicale: un’intelligenza artificiale che non lasci indietro nessuna cultura.

I dettagli tecnici rilasciati finora sono scarni, ma le parole chiave scelte dal team parlano chiaro. “Dispositivi” e “chat” suggeriscono un’architettura che punta all’inference on-device e all’edge, lontana dalle data room delle big tech. Non è solo una scelta ingegneristica: è una dichiarazione politica. Un modello che gira localmente su smartphone o su un piccolo server self-hosted significa controllo sui dati, indipendenza da API a pagamento e, soprattutto, la possibilità di includere lingue e tradizioni che i dataset dominanti ignorano.

Qui si inserisce il valore strutturale dell’operazione. Mentre il mercato globale si spacca tra titani cloud (Microsoft, Google, Amazon) e produttori di silicio (Nvidia, AMD), Current AI mette in campo una terza via: LLM aperti, pensati per il fine-tuning comunitario e l’esecuzione su hardware modesto. Il messaggio è che la sovranità digitale non deve restare un lusso per governi o grandi aziende, ma può diventare un bene comune gestito da una non-profit. Se l’esperimento funziona, cambiano gli incentivi per chi sviluppa strumenti di quantization, per le comunità linguistiche che finanziano dataset locali e per i system integrator che vendono appliance on-premise.

Certo, le difficoltà non mancano. I modelli multilingue soffrono ancora di allucinazioni più frequenti nelle lingue a bassa risorsa, e l’inference su device consumer richiede tecniche di compressione aggressive che degradano la qualità. Tuttavia, la scelta di puntare su un’architettura distribuita e culturalmente consapevole anticipa un trend già visibile: la domanda di soluzioni air-gapped e GDPR-compliant cresce sia in Europa che in Asia, e chi sa proporre LLM gestibili senza connettività cloud avrà un vantaggio competitivo.

Per chi oggi valuta un deployment on-premise, la lezione è chiara: non serve aspettare il prossimo data center iperscalabile. Esistono trade-off noti tra TCO, latenza e accuratezza che vanno esplorati caso per caso, ma progetti come Current AI dimostrano che l’alternativa alla dipendenza da cloud esiste già, ed è fatta di modelli più piccoli, specializzati e padroneggiabili da singole comunità. La scommessa è che il web dell’IA non sarà un unico gigantesco server, ma una federazione di nodi capaci di parlare tutte le lingue del mondo.