L'intelligenza è la parte facile
Se la potenza cognitiva sta diventando una commodity, a fare la differenza è la catena di approvvigionamento necessaria a distribuirla — l'unica che non si può scaricare.
Nella notte tra il 16 e il 17 luglio Moonshot AI, un laboratorio cinese, ha pubblicato Kimi K3, il più grande modello a pesi aperti (ovvero scaricabile e utilizzabile da chiunque sulle proprie macchine: i "pesi" sono i miliardi di parametri in cui è custodito ciò che il modello ha imparato) mai annunciato. Nei test con cui l'industria misura le prestazioni, K3 sta dietro soltanto a Fable e Sol, i modelli di punta di Anthropic e OpenAI; su una classifica dedicata alla programmazione li supera entrambi.
Fable mi ha fatto sentire disorientato e ingenuamente stupido, la pubblicazione di Kimi secondo molti ha sancito l'inizio dell'era della mercificazione della cognizione. Forse. O forse l'intelligenza è la parte facile. C'è chi ha parlato di un "Moonshot moment", come DeepSeek nel gennaio 2025, quando il modello aperto di un laboratorio allora semisconosciuto costrinse Nvidia a perdere quasi 600 miliardi di dollari di capitalizzazione in una sola seduta. Stavolta il Nasdaq ha chiuso in calo dell'1,4%. C'è una ciclicità tra i progressi ottenuti dai laboratori cosiddetti di frontiera e gli inseguimenti di quelli che sviluppano modelli open source? L'intelligenza artificiale è costretta a rimanere bloccata in questo eterno giorno della marmotta tecnologico-finanziario? Staremmo meglio per campi a mangiare ciclamini? Scopriamolo assieme.
Aperti contro chiusi
I modelli chiusi (quelli di OpenAI e Anthropic, per capirci) vivono sui server di chi li ha creati: si usano pagando e la ricetta resta segreta. Gli aperti pubblicano i pesi: chiunque può scaricarli e farli girare dove preferisce. Per anni la distinzione è stata morale oltre che commerciale: OpenAI nasce nel 2015 senza scopo di lucro con la missione di aprire tutto — il nome viene da lì — e chiude i suoi modelli man mano che diventano preziosi; i laboratori cinesi trasformano l'apertura in politica industriale: se non puoi vendere l'accesso al modello migliore, regala il modello. Oggi i chiusi presidiano la frontiera delle prestazioni; gli aperti, la fascia enorme del "sufficientemente buono".
La lettura che si è imposta in poche ore dal "Moonshot moment" è la stessa del "DeepSeek moment": i cinesi regalano quello che gli americani vendono a caro prezzo, il token (l'unità di misura con cui si compra e si vende l'intelligenza artificiale) sta diventando una commodity.
Federico Nejrotti
La parte facile
La fregatura, in questo battibecco, è che, probabilmente, lo sviluppo dell'intelligenza è e sarà la parte facile da perseguire. L'intelligenza, una volta raggiunta, si replica: i pesi si scaricano, le tecniche si copiano. I modelli, ormai, si addestrano sui risultati di altri modelli. Se la potenza cognitiva sta diventando una commodity, a fare la differenza è la catena di approvvigionamento necessaria a distribuirla — l'unica che non si può scaricare.
Alcuni elementi a supporto di questa tesi, tutti dalla settimana appena passata. Il listino di K3 — 3 dollari per milione di token in ingresso, 15 in uscita — costa sei volte il suo predecessore e coincide al centesimo con quello di Claude Sonnet, il "daily driver" di Anthropic: Moonshot si è seduta al tavolo dei grandi laboratori, con un catalogo in linea con l'esistente. Domenica sera, a quattro giorni dal lancio, Moonshot ha sospeso le nuove iscrizioni: la domanda aveva saturato le sue GPU in 48 ore. E negli stessi giorni Anthropic ha reso permanente l'accesso a Fable negli abbonamenti più costosi, al 50% dei limiti d'uso, mentre il New York Times rivelava che sta negoziando con Meta l'affitto di potenza di calcolo fino a 10 miliardi di dollari in due anni, dopo un accordo analogo con SpaceX da 45 miliardi di dollari su tre anni.
Il collo di bottiglia si è spostato dall'intelligenza dei modelli a tutto il resto.
Due anni e mezzo per un trasformatore
L'esempio più chiaro di "tutto il resto" riguarda l'elettricità. L'Agenzia Internazionale dell'Energia stima che i consumi dei data center raddoppieranno entro il 2030, fino a eguagliare l'intero fabbisogno del Giappone; Gartner prevede che già entro il 2027 il 40% dei data center dedicati all'IA sarà limitato non dai chip ma dalla corrente.
Generarla, però, è il meno: un data center di nuova taglia assorbe quanto una città media, ma tutto in un punto solo e senza interruzioni. Per portargli la corrente servono linee, sottostazioni e soprattutto trasformatori, le macchine che alzano e abbassano la tensione lungo il percorso — ed è lì che si accumula la fila: un grande trasformatore ordinato oggi arriva in media dopo un periodo che va dai due anni e mezzo ai cinque, mentre un data center si costruisce in meno di diciotto mesi. L'allaccio alla rete ha code di 4-7 anni; dei 16 gigawatt annunciati negli Stati Uniti per il 2026, secondo i dati di Sightline Climate ripresi da Bloomberg, meno di un terzo è in cantiere e il 30-50% slitterà o non si farà — una stima che i critici considerano gonfiata dagli annunci speculativi, pur concordando sul collo di bottiglia.
Tre aziende al mondo producono le turbine
Chi non vuole aspettare la rete si costruisce la corrente in casa, con le turbine a gas. Solo che le turbine le producono tre aziende al mondo — GE Vernova, Siemens Energy, Mitsubishi — e anche lì c'è la fila: consegne fino a otto anni, il portafoglio ordini di GE Vernova passato da 62 a 100 gigawatt in sei mesi, oltre 400 miliardi di dollari di centrali che secondo Bloomberg rischiano di saltare perché le macchine per costruirle non esistono.
E quando trasformatore e turbina arrivano, serve chi li monta: il lavoro elettrico vale il 45-70% del costo di un data center, nel prossimo decennio agli Stati Uniti serviranno oltre 300.000 nuovi elettricisti, e formarne uno richiede dai quattro ai cinque anni di apprendistato.
Ogni via di fuga da una coda finisce in un'altra coda. E le code non si smaltiscono, perché l'uso dei modelli è diventato un carico continuo: l'inferenza (il lavoro che il modello fa quando gli chiediamo qualcosa) è ormai la voce dominante del calcolo, destinata a valerne circa i tre quarti entro il 2030, e non si può programmare di notte: deve esserci sempre.
Il 17 luglio il registro pubblico dei disservizi segna un'ora e un quarto di errori diffusi su Fable; la mattina del 20, il giorno in cui l'accesso diventa permanente, un guasto al conteggio fa pagare a consumo anche gli abbonati; la sera dello stesso giorno la pagina di stato di Anthropic ammette ancora "errori elevati sulle richieste a Fable 5 e Mythos 5". Da inizio anno, secondo lo stesso registro, i disservizi sull'ecosistema Claude sono più di centotrenta.
L'obiezione ovvia è che modelli più efficienti allevieranno la pressione. Finora è successo il contrario: dopo lo shock DeepSeek la corsa non si è sgonfiata, e Meta da sola mette a bilancio tra i 125 e i 145 miliardi di dollari di investimenti in un anno — più i modelli diventano efficienti, più se ne usa: è il paradosso di Jevons. E Bloomberg nota che un modello enorme come K3, più che ridurre il fabbisogno di calcolo, sposta la pressione su un altro anello della catena: le memorie.
Chi può, allora, fa sistema sull'intera catena o si compra l'accesso di chi la possiede. Chi non può punta sui modelli aperti: su OpenRouter, uno dei principali snodi del traffico, i modelli cinesi processano il 58% dei token, dal 10% di inizio 2025. Ai laboratori americani resta la frontiera, che infatti si difende non sul mercato ma in sede regolatoria: secondo Axios, i laboratori o i loro alleati si presentano alla Casa Bianca con una proposta di divieto dei modelli cinesi ogni tre-cinque mesi.
L'infrastruttura occupa spazio
Vista dall'Europa, che non ha né laboratori di frontiera né i capitali dei consorzi americani, questa partita è paradossalmente un invito. I modelli aperti azzerano il biglietto d'ingresso sull'intelligenza: si scaricano. Corrente, reti e data center sono l'unico anello della catena che si può ancora costruire e governare in casa. È una scelta politica; in Italia nessuno, per ora, la sta raccontando così.
A Torino, nel quartiere Lucento, l'area ex Bonafous alle spalle della ThyssenKrupp era destinata a uno studentato; ospiterà invece un data center di Asja Energy, uno dei cinque in programma tra la città e la cintura. Il 16 luglio, la sera in cui Moonshot pubblicava K3, gli abitanti del quartiere proiettavano in strada video-inchieste su cosa significhi vivere accanto a un impianto che produce rumore e calore ventiquattro ore al giorno e consuma energia e acqua — i più grandi arrivano a berne 19 milioni di litri al giorno.
In Piemonte le richieste per nuovi data center sono più di settanta, e la Regione prepara uno "stop selettivo" perché sa di non poterle accogliere tutte. Cosa succede quando un quartiere non vuole l'infrastruttura su cui gira l'intelligenza di tutti gli altri?
Questo blog è anche una newsletter. Arriva ogni tanto, non più di una a settimana. Iscriviti.