Regalare modelli linguistici di punta e avvicinarsi al miliardo di dollari di fatturato annuo non è una contraddizione, ma un segnale che il mercato sta cambiando pelle. Z.ai, l’azienda che sviluppa i GLM, è a un passo dal diventare la prima realtà indipendente cinese a tagliare quel traguardo, secondo Bloomberg. La cifra è una proiezione, non un bilancio già chiuso, ma la traiettoria costringe a ripensare le regole del gioco.

Chi pensa che l’open source o i modelli gratuiti siano economicamente insostenibili deve fare i conti con una startup che ha scelto proprio la strada opposta. I GLM – modelli open-source con ampia finestra di contesto e architettura bilingue cinese-inglese – sono accessibili senza costi di licenza, eppure l’azienda genera ricavi consistenti. Come? Vendendo servizi enterprise: API su cloud, fine-tuning personalizzato, soluzioni verticali per la finanza, la manifattura e la pubblica amministrazione. Non è un modello nuovo, ma la scala del possibile incasso lo rende un caso di studio per l’intero settore.

Il valore si sposta dai pesi all’infrastruttura

Quando un LLM potente è gratuito, il bene scarso non è più il modello, ma la capacità di metterlo in produzione in modo affidabile. Z.ai sembra averlo capito prima di molti, costruendo un ecosistema in cui la monetizzazione arriva dopo il download. Questo ha un corollario immediato per chi sceglie deployment on-premise: la barriera software si abbassa drasticamente. Con i GLM liberamente scaricabili, un’organizzazione può eseguire inference in locale senza preoccuparsi di costi ricorrenti per token o API call, spostando il costo totale di possesso (TCO) sull’hardware e sulle competenze interne.

Le implicazioni di secondo ordine riguardano la sovranità digitale. In Europa, dove GDPR e requisiti di data residency sono vincoli stringenti, avere modelli capaci di girare in self-hosted senza costi di accesso significa poter costruire pipeline AI che non escono mai dal perimetro aziendale. Non è una questione accessoria: se un fornitore regala il modello ma si fa pagare solo per la gestione e la customizzazione, l’utente resta padrone dei dati. È un’architettura di fiducia che le soluzioni cloud-only faticano a replicare senza garanzie contrattuali complesse.

Chi vince e chi perde in questo schema

A beneficiare direttamente sono le imprese con team tecnici solidi e infrastruttura GPU adeguata: liberate dalla spesa per le licenze, possono investire in ottimizzazione hardware, quantization e accelerazione dell’inference. Per i vendor occidentali che basano il proprio business su API proprietarie, invece, la diffusione di modelli gratuiti e performanti come i GLM è una pressione competitiva difficile da ignorare, perché erode il fossato del modello chiuso e riduce la disponibilità a pagare premium in contesti non regolati.

Chi produce hardware per AI – NVIDIA, ma anche i nuovi chip cinesi pensati per l’inference – riceve un impulso indiretto ma robusto: più modelli gratis circolano, più organizzazioni cercano GPU on-premise per sfruttarli, alimentando una domanda che va ben oltre i pochi hyperscaler. Non a caso, il mercato cinese sta spingendo acceleratori domestici che offrono buona densità di calcolo a costi ridotti, proprio per servire scenari di deployment locale e regionale.

Certo, resta la cautela: un miliardo di dollari è ancora un’aspirazione, e la concorrenza locale (da Baidu a SenseTime) non starà a guardare. Ma il segnale strutturale è forte: il binomio “modello gratis, servizi a pagamento” smette di essere una nicchia e diventa una strategia finanziariamente ambiziosa, capace di ridisegnare gli equilibri non solo in Cina, ma ovunque la sovranità dei dati e il controllo del deployment contino quanto la precisione del modello.