Quando il presidente cinese Xi Jinping ha preso la parola alla World AI Conference, la riaffermazione del sostegno all’open source non è stata una nota a margine, ma il perno di una strategia di lunga data: costruire un’intelligenza artificiale che sfugga ai colli di bottiglia imposti dai controlli sulle esportazioni di semiconduttori e che, allo stesso tempo, prometta ‘apertura e vantaggio reciproco’. La formula, apparentemente diplomatica, nasconde un calcolo preciso: l’open source è lo strumento con cui la Cina intende aggirare le limitazioni hardware, moltiplicare i modelli ottimizzati per girare su GPU meno potenti e portare l’inference direttamente nei data center aziendali e negli edge server, senza passare dal cloud occidentale.

Il legame con l’ecosistema on-premise è immediato. I modelli rilasciati con licenze permissive dalla galassia cinese — pensiamo a famiglie come Qwen, DeepSeek o ChatGLM, solo per citare quelli più noti — non sono semplici esercizi accademici: sono progettati per funzionare su hardware ampiamente disponibile, spesso con tecniche di quantization aggressive che ne consentono l’esecuzione su singole GPU consumer con VRAM limitata. Ciò significa che per un’impresa, valutare un deployment locale non è più una scelta eretica rispetto ai servizi API di OpenAI o Anthropic, ma un’alternativa tecnicamente concreta, con costi operativi (TCO) che, nel medio periodo, possono scendere sotto quelli di un abbonamento cloud continuativo.

L’impatto strutturale va ben oltre il singolo caso d’uso. Xi spinge sull’open source mentre gli Stati Uniti e l’Unione Europea discutono di regolamentazione e di confini tra AI “safe” e “sovereign”. La Cina, al contrario, usa l’apertura del codice come leva geopolitica: offrendo modelli di frontiera senza restrizioni di accesso all’architettura, attira sviluppatori, ricercatori e imprese di paesi in via di sviluppo che altrimenti sarebbero legate a fornitori cloud americani. È una mossa che ridisegna la geografia dell’AI: da un lato, un blocco anglosassone basato su modelli proprietari e hyperscaler; dall’altro, un blocco open che capitalizza sulla necessità di sovranità dei dati e di controllo degli asset computazionali.

Chi perde, in questo scenario, sono anzitutto i grandi vendor cloud che vedono erodere il proprio vantaggio di lock-in: se il modello gira on-premise con costi ragionevoli, l’argomento di vendita della scalabilità infinita perde smalto. Chi vince sono i system integrator, i fornitori di hardware specializzato (dai server con FPGA alle workstation multi-GPU) e, naturalmente, le aziende che operano in settori regolamentati dove i dati non possono lasciare il perimetro nazionale. Per loro, la possibilità di adottare LLM self-hosted provenienti da un ecosistema open cinese aggiunge una carta negoziale nei confronti dei vendor cloud tradizionali, accelerando la tendenza verso architetture ibride.

Certo, la partita non è senza rischi. La provenienza dei modelli solleva interrogativi sulla catena di audit e sulla trasparenza dei pesi: un’organizzazione che scarica un checkpoint da repository cinesi deve investire in verifiche di sicurezza e in procedure di hardening prima di metterlo in produzione. Ma la direzione è chiara: la Cina sta puntando sull’open source come standard di fatto per un’AI che sia contemporaneamente economica, locale e sganciata dagli equilibri commerciali definiti da Washington e Bruxelles. E per chi si occupa di deployment on-premise, il messaggio è che la prossima generazione di modelli probabilmente non passerà dal cloud, ma nascerà già pronta per girare dove i dati risiedono.