Non è una dichiarazione di circostanza. Il CEO di Hugging Face ha scelto un momento preciso — subito dopo l'uscita di Jensen Huang — per ribadire che la battaglia per l'AI open source non si ferma. La mossa riporta al centro l'acquisizione da 12,9 miliardi di dollari di Nvidia e le domande che solleva su quanto resterà aperto l'ecosistema.

Dietro la promessa c'è una lettura industriale più profonda. Hugging Face è diventata negli anni la piazza di scambio dei Large Language Models: modelli, dataset e tooling passano da lì. Quando il CEO parla di 'continuare a lottare', non difende solo una filosofia: difende un'infrastruttura distribuita in cui le aziende possono scaricare modelli, fare fine-tuning e metterli in Inference senza passare necessariamente per API proprietarie. Questo è il punto strutturale: l'open source nell'AI non è solo trasparenza, è una leva di negoziazione per chi vuole self-hosted e controllo dei dati.

L'uscita di Huang aggiunge un elemento di tensione. Nvidia resta il fornitore dominante di GPU per addestramento e Inference; la sua eventuale integrazione tra hardware e software proprietario rischia di restringere gli spazi per chi vuole stack neutrali. Una maxi-acquisizione da 12,9 miliardi di dollari, qualunque sia il perimetro esatto, segnala una direzione: consolidare il controllo sulla filiera, non solo vendere silicio. Per le aziende che valutano deployment on-premise, il messaggio è duplice. Da un lato i modelli aperti permettono di evitare il lock-in dei servizi cloud e di mantenere i dati dentro i propri confini, con benefici su sovranità e compliance. Dall'altro l'hardware necessario per far girare quei modelli resta in gran parte nelle mani di pochi vendor, e il costo reale si misura in TCO, VRAM e consumi energetici.

Chi vince e chi perde? I fornitori di API cloud proprietarie vedono nell'open source il concorrente più pericoloso, perché sposta il valore dal servizio al modello e al dato. Le aziende con requisiti di sovranità dei dati hanno un interesse immediato a sostenere modelli self-hosted e framework aperti: per loro la posta in gioco non è la performance assoluta, ma la possibilità di governare pipeline e dati senza mediazioni. Nvidia, dal canto suo, continua a beneficiare della domanda di calcolo: anche i modelli open source devono girare su GPU. Il vero scontro, nei prossimi anni, sarà sul software di orchestrazione e serving, non solo sui pesi dei modelli.

Per chi osserva il deployment on-premise, i trade-off si giocano su questo crinale: modelli aperti, controllo dei dati e costi di esercizio da una parte; acceleratori, compatibilità e software di sistema dall'altra. AI-RADAR offre framework analitici su /llm-onpremise per valutare questi equilibri senza semplificazioni. La promessa di Hugging Face è un segnale: l'open source non è un parcheggio temporaneo in attesa che i vendor chiudano l'ecosistema, ma una postura negoziale. Resta da capire se basterà a impedire che l'hardware diventi l'unico vero padrone dello stack.