Microsoft ha scommesso miliardi su OpenAI, integrando i suoi modelli in Azure, Office e GitHub Copilot. Oggi, secondo fonti di DIGITIMES, la stessa Microsoft starebbe guardando con interesse a DeepSeek, startup cinese diventata un punto di riferimento per LLM efficienti e open-source. Il motivo non è tecnico, ma economico: i costi di inference dei modelli GPT crescono più velocemente della capacità di monetizzarli, spingendo anche i grandi hyperscaler a cercare alternative meno dispendiose.

Una relazione sotto pressione finanziaria

L’investimento di Microsoft in OpenAI, stimato in oltre 13 miliardi di dollari, ha portato un vantaggio competitivo ma anche una dipendenza onerosa. Ogni chiamata API, ogni query di Copilot, ogni elaborazione dietro le quinte si traduce in un costo marginale che, moltiplicato per milioni di utenti, incide in modo significativo sul TCO. La scelta di guardare a DeepSeek non implica un divorzio imminente, ma introduce un elemento di competizione che serve a ridurre la pressione sulle negoziazioni interne e, nel medio termine, a diversificare l’offerta su Azure AI.

DeepSeek e l’efficienza computazionale come leva strategica

I modelli di DeepSeek – basati su architetture Mixture of Experts (MoE) e spesso rilasciati con licenze permissive – hanno guadagnato credibilità perché offrono performance competitive con un footprint computazionale contenuto. A parità di compito, richiedono meno VRAM e generano token a costi inferiori rispetto a modelli densi di pari capacità. Questo li rende candidati naturali sia per il cloud che per lo scenario più rilevante per i lettori di AI-RADAR: il deployment on-premise, dove contenere CapEx e costi energetici è obiettivo primario.

Oltre il caso Microsoft: cosa cambia per le aziende

La mossa di Microsoft è un segnale che conferma una tendenza già in atto: le grandi organizzazioni mettono in discussione la sostenibilità economica di API proprietarie quando modelli open-source, self-hosted o integrati offrono qualità analoga a costi prevedibili. Spostare l’inference su infrastruttura propria, o anche solo su cloud regionale con un modello gestito open-source, cambia radicalmente il calcolo del TCO e risponde alle esigenze di sovranità dei dati. DeepSeek, in particolare, si presta a essere quantizzato e ottimizzato per hardware consumer o server edge, abbassando la soglia di ingresso.

Prospettive e trade-off

Se Microsoft dovesse effettivamente adottare DeepSeek in produzione, il mercato assisterebbe a un riposizionamento significativo: il gigante di Redmond legittimerebbe l’adozione in azienda di LLM non OpenAI, accelerando la maturità dell’ecosistema open. Restano aperti interrogativi sulla governance dei modelli cinesi e sulla compliance in ambienti regolati – aspetti che chi schiera modelli on-premise deve valutare. Per chi sta pianificando la propria strategia AI, questa vicenda dimostra che la flessibilità nel mix di modelli e la capacità di spostare i carichi di lavoro tra cloud e infrastruttura locale diventano leve competitive imprescindibili.