Quando Meta ha rilasciato i pesi di LLaMA 2 sotto licenza permissiva, molti analisti hanno gridato al suicidio commerciale: regalare tecnicia avanzata mentre i concorrenti monetizzano le API. I mercati, in quei giorni, hanno letto la scelta come un azzardo, forse una mossa disperata per restare rilevanti nell'era dei Large Language Models. Ma è proprio questa la lettura sbagliata.

La strategia di Meta non punta a vendere accesso a modelli proprietari, ma a ridisegnare le fondamenta economiche dell'inference su larga scala. Distribuire modelli aperti significa spostare il baricentro del costo e del controllo dai data center delle Big Tech verso l'infrastruttura dei clienti finali. Un'azienda che oggi esegue LLaMA 3 su server propri, con GPU acquisite una tantum, non paga ogni token a un provider esterno. Nel lungo periodo, questo modifica il TCO (TCO) e rimette nelle mani delle organizzazioni la sovranità tecnicica.

Cosa non ha colto il mercato? Il cortocircuito sta nel confondere l'assenza di un modello di business diretto con l'assenza di una strategia. Meta non compete per accaparrarsi ricavi da API, ma per indebolire l'effetto lock-in dei servizi cloud. Se l'inference diventa una commodity eseguibile ovunque, i margini di chi offre solo potenza di calcolo con intelligenza artificiale si comprimono. Per Meta, che investe miliardi in infrastruttura pubblicitaria e ha bisogno di costi marginali ridotti per elaborare contenuti generati su scala planetaria, questo scenario è tutt'altro che un danno.

C'è una lezione strutturale per chi valuta deployment self-hosted. L'ondata open-source non è semplicemente una questione di licenze: sta modificando la filiera tecnica. Framework come llama.cpp e vLLM permettono di eseguire modelli quantizzati su hardware consumer o su cluster di GPU on-premise, abbattendo la barriera della VRAM. Le aziende che finora delegavano tutto al cloud cominciano a interrogarsi: se un LLM gira su un nodo bare-metal di proprietà, il costo per query può scendere drasticamente. È un'analisi che va fatta caso per caso, ma la direzione è chiara: la commodityizzazione dei modelli spinge la domanda verso l'hardware locale.

Non si tratta di un ritorno romantico al data center aziendale, quanto di un riequilibrio. La privacy e la conformità, specie sotto GDPR, rendono l'on-premise una scelta obbligata per settori regolati. L'apertura di Meta alimenta un ecosistema in cui il fine-tuning su dati proprietari non implica più spedire informazioni sensibili a server di terzi. Qui il mercato ha davvero frainteso: anziché frammentare il valore, la mossa di Meta lo ricompone attorno a chi controlla i dati e l'hardware.

L'effetto di lungo termine potrebbe rivelarsi più dirompente di quanto le quotazioni degli hyperscaler lascino intendere. Chi investe in infrastruttura on-premise oggi lo fa con una prospettiva quinquennale; se i modelli aperti continuano a migliorare in efficienza, la scelta si rafforzerà nel tempo. Il mercato ha scambiato un sacrificio tattico per una confessione di debolezza, mentre era l'apertura di una partita completamente diversa.