L’ondata a favore dell’intelligenza artificiale aperta ha appena ricevuto un’altra spinta. Microsoft, Meta, Nvidia e Y Combinator – insieme ad altre venti aziende – hanno siglato una petizione a difesa dei modelli open-weight, mentre Elon Musk su X ha ribadito il proprio sostegno. Il messaggio è chiaro: il fronte anti-open source, animato da pochi attori orientati al closed-source, si trova in netta inferiorità numerica e politica.

Al di là del dato mediatico, la vicenda segnala un mutamento strutturale che tocca direttamente chi decide dove e come eseguire i Large Language Models. La concentrazione di firme così diverse – dal chipmaker Nvidia agli incubatori come Y Combinator – non è un semplice endorsement di principio. È il riflesso di un ecosistema in cui l’hardware, l’infrastruttura software e il venture capital convergono su un modello di distribuzione aperto. Per i fornitori di GPU, il calcolo resta on-premise o comunque distribuito: più i pesi sono liberamente scaricabili, più server, workstation e cluster locali vanno popolati. Il dato va letto assieme alla crescita esplosiva di framework come Ollama, vLLM o LM Studio, che permettono di eseguire modelli quantizzati su hardware consumer e professionale senza passare dal cloud.

Chi spinge per regole restrittive – tipicamente aziende il cui valore è incapsulato in API proprietarie – punta a ridefinire il perimetro della compliance, magari presentando i modelli aperti come rischio sistemico. Ma quando anche i grandi hyperscaler firmano petizioni pro-apertura, il tentativo di “illegalizzare” l’AI open source diventa politicamente fragile. L’incentivo economico a mantenere un ecosistema aperto è enorme: non solo per chi compra silicio, ma per l’intera filiera delle software house, system integrator e reparti IT che costruiscono applicazioni internamente, senza cedere dati sensibili a terze parti.

Per gli addetti ai lavori che valutano deployment on-premise o ibridi, questa dinamica riduce il rischio regolatorio. Investire in stack self-hosted – con modelli aperti, spesso quantizzati a INT8 o FP16 per ottimizzare la VRAM – significa potersi affidare a tecnicie che l’industria mainstream difende in blocco. Non è un dettaglio: nelle riunioni di procurement, la sostenibilità giuridica di una scelta conta quanto i token al secondo. Il framework attuale suggerisce che i modelli open-weight non solo sopravvivranno alle pressioni lobbistiche, ma usciranno rafforzati da questa fase di consolidamento normativo.