Non ha ancora un prodotto, ma ha già raccolto 300 milioni di dollari. Andrew Dai, ricercatore che ha trascorso oltre un decennio a costruire alcuni dei sistemi di AI più influenti del mondo — compreso il lavoro poi confluito in ChatGPT — ha convinto gli investitori a valutare la sua nuova società a una cifra pre-seed da record. La scommessa? Che l’intelligenza artificiale visiva sia la prossima frontiera, dopo il dominio dei modelli linguistici.

Dai non è il primo a puntare oltre il testo, ma il tempismo e l’assegno segnalano qualcosa di più strutturale. Mentre il mercato satura di LLM generici, il valore si sposta verso modelli in grado di interpretare immagini, video e flussi provenienti da telecamere, sensori industriali o dispositivi medici. Non è una semplice estensione multimodale: è un cambio di gravità dei dati. I sistemi visivi generano volumi enormi, spesso regolati da vincoli di residenza fisica e riservatezza che mal si conciliano con l’invio in cloud.

A ben vedere, la mossa di Dai è un segnale per chi architetta infrastrutture. L’AI visiva sposta il baricentro del deployment verso l’on-premise e l’edge. In fabbrica, un modello che ispeziona componenti non può permettersi la latenza di una chiamata API remota, né il rischio di esporre dati proprietari. In sanità, le immagini diagnostiche sono coperte da normative come il GDPR e richiedono ambienti controllati. Il cloud resta centrale per l’addestramento dei modelli, ma l’inference su larga scala richiede hardware locale — GPU o acceleratori specializzati — gestito direttamente dall’organizzazione.

La valutazione pre-seed di 300 milioni prima di un prodotto evidenzia una dinamica ormai consolidata: gli investitori non finanziano più solo il software, ma la capacità di risolvere problemi che hanno un vincolo fisico. Visual AI incarna questa tensione. I dati visivi sono pesanti, le architetture di training necessitano di VRAM elevata e bandwidth di memoria significativa, mentre l’inference spesso deve avvenire in ambienti air-gapped o con reti a bassa latenza. Non a caso, chi sta costruendo modelli visivi all’avanguardia sta parallelamente investendo in strumenti per l’ottimizzazione su hardware specifico — quantization, pruning, serving runtime distribuiti.

Per le imprese che osservano questo spazio, la storia di Dai non è una semplice curiosità finanziaria. Indica che il prossimo ciclo di valore nell’AI si giocherà sulla capacità di portare l’elaborazione visiva dove i dati nascono, non solo in un data center remoto. E questo impone scelte di infrastruttura molto diverse da quelle adottate per un chatbot. Chi ha già investito in stack on-premise per LLM potrebbe doverli ripensare per gestire pipeline di video analytics, streaming di telecamere e training incrementale su dati locali. La frontiera dell’AI cambia forma, e con essa l’hardware che la sostiene.