L’impennata dei costi delle API di OpenAI e Anthropic non è più una notizia di secondo piano per i Chief Technology Officer statunitensi: sta diventando la leva che spinge uno spostamento concreto verso modelli cinesi. La dinamica, segnalata nelle ultime settimane da diversi operatori di mercato, merita un’analisi che vada oltre la superficie del “costo per token”: perché ciò che sta accadendo ha implicazioni profonde per chiunque progetti stack di intelligenza artificiale su scala aziendale.

Il punto di partenza è l’aumento visibile delle tariffe per i modelli di punta come GPT-4o o Claude 3.5 Sonnet. L’inference su larga scala, unita all’hardware necessario per sostenere finestre di contesto sempre più ampie, ha compresso i margini dei provider, che hanno iniziato a scaricare i costi sugli utenti finali. In parallelo, laboratori cinesi come Alibaba (Qwen), DeepSeek e Zhipu AI hanno rilasciato modelli con licenze permissive e, in alcuni casi, API a prezzi significativamente più bassi. Il dato strutturale non è tanto il prezzo in sé, ma il fatto che la forbice dei costi sta diventando talmente ampia da rendere razionale per un’azienda americana valutare alternative che fino a ieri erano relegate ai margini.

Il primo ordine di conseguenze è di natura sovrana. Utilizzare API di modelli cinesi significa instradare prompt – e spesso dati sensibili – verso server fuori dalla giurisdizione occidentale. Per le imprese soggette a GDPR o a regolamentazioni di settore, questo rappresenta un rischio concreto di non conformità. Eppure, molte realtà stanno trovando un compromesso: non si tratta di abbandonare del tutto OpenAI o Anthropic, ma di instradare i carichi meno critici su modelli cinesi, oppure – ed è questo il passaggio chiave – di portare quei modelli dentro il proprio perimetro.

È qui che la questione si sposta sul piano dell’infrastruttura. Diversi modelli cinesi sono disponibili con pesi aperti e possono essere eseguiti on-premise. In uno scenario di self-hosting, l’azienda evita del tutto i costi ricorrenti delle API, a fronte di un investimento iniziale in hardware (GPU con VRAM adeguata, storage veloce, rete interna). Il calcolo del TCO si fa più complesso: se il volume di inference è elevato, l’ammortamento dell’hardware può battere le tariffe cloud in pochi mesi. Inoltre, la quantization e i framework di serving moderni permettono di far girare modelli di grandi dimensioni anche su infrastrutture non esasperate, riducendo la barriera d’ingresso.

Questo spostamento segnala un cambiamento strutturale nel mercato dell’AI. Non stiamo assistendo soltanto a una guerra di prezzi; stiamo vedendo una riarticolazione degli incentivi che premia chi ha il controllo diretto dell’infrastruttura. I beneficiari di questo trend sono le aziende con competenze interne di MLOps e i fornitori di hardware per l’inference (da NVIDIA con le sue GPU ai chip alternativi). I provider API occidentali, invece, sono chiamati a differenziarsi oltre il modello: offrire garanzie di residenza dati, audit di sicurezza, integrazioni verticali che un modello self-hosted non può eguagliare senza investimenti aggiuntivi. Altrimenti rischiano di vedere erosa la propria base clienti proprio nella fascia che consuma più token.

L’ascesa dei modelli cinesi non è quindi una moda passeggera né una semplice ricerca del risparmio. È la spia di una maturazione del mercato, in cui le decisioni di deployment tornano a pesare quanto – se non più – della qualità del modello. E in questa partita, la sovranità dei dati e il costo totale di possesso sono i veri assi nella manica.