La Silicon Valley copia i compiti della Cina, la prossima sfida è l'applicazione dell'IA

Titolo originale: "La Silicon Valley copia i compiti della Cina, la prossima sfida è l'applicazione dell'IA"
Autore originale: Dongcha Beating

La Silicon Valley ha iniziato a copiare i compiti della Cina.

Recentemente, negli Stati Uniti è emersa una serie di modelli open-source a basso costo, con l'obiettivo di raggiungere le capacità dei modelli open-source cinesi, mantenendo anche prezzi competitivi.

Il Thinking Machines Lab di Mira Murati ha rilasciato il primo modello, Inkling, il mese scorso. Nella descrizione ufficiale sono state scritte due cose: l'architettura di base si ispira a DeepSeek-V3 e i dati di addestramento sono stati generati da Kimi K2.5.

Il gruppo più costoso della Silicon Valley utilizza la struttura dei modelli open-source cinesi, alimentando i dati generati dai modelli cinesi. Due anni fa, sarebbe successo il contrario.

All'inizio di quest'anno, Trinity-Large-Thinking di Arcee AI ha ottenuto 91.9 punti su PinchBench, solo 1.4 punti in meno rispetto a Opus 4.6 di Anthropic, ma a un prezzo pari al 4% di quest'ultimo.

Il CEO di Arcee AI, Mark McQuade, ha dichiarato: "Stiamo lavorando per far sì che gli Stati Uniti raggiungano e superino la Cina."

Ora la Silicon Valley non copia solo i modelli, ma anche i prezzi stabiliti dalle aziende cinesi.

Le architetture possono essere imitate, i metodi di addestramento possono essere replicati e i dati possono essere generati in massa da altri modelli. Una volta che i pesi sono rilasciati, gli sviluppatori possono continuare a sviluppare. La questione del prezzo è più semplice: basta che una azienda riduca i costi, e le altre seguiranno.

Negli ultimi tre anni, le aziende di modelli grandi hanno costruito grattacieli grazie ai parametri, alla potenza di calcolo e alla chiusura del codice, ma ora questo edificio sta per crollare.

Sedici giorni

La mattina del 17 luglio, Moonlight ha rilasciato Kimi K3. Con un totale di 28 trilioni di parametri e un contesto di 1 milione di token, è il modello open-source più grande al mondo.

Nella classifica di Frontend Code Arena, K3 ha ottenuto 1679 punti, seguito da Claude Fable 5 e GPT-5.6 Sol. È la prima volta che un modello open-source supera un modello closed-source. In sette categorie di programmazione front-end, ha conquistato sei primi posti.

Musk ha commentato il risultato con un "Impressionante".

L'API di K3 non è economica, costa 100 yuan per ogni milione di token generati. Tuttavia, nei test orizzontali di SuperCLUE, il suo punteggio di compito è superiore del 18% rispetto al secondo classificato, e il costo medio per completare lo stesso set di compiti è inferiore del 16%.

Il costo di un modello non si misura solo in base al prezzo per milione di token, ma in base a quanto costa completare un compito dall'inizio alla fine. Questi due valori si stanno allontanando sempre di più, rendendo il prezzo stesso sempre meno significativo.

Due notti dopo, Moonlight ha sospeso gli abbonamenti per nuovi utenti C-end. Il volume delle richieste nelle 48 ore ha superato di gran lunga le previsioni, e la potenza di calcolo non era sufficiente.

Il 27 luglio, K3 ha rilasciato i pesi completi, insieme al rapporto tecnico e alle infrastrutture di supporto.

Subito dopo è toccato a DeepSeek.

Il mercato stava aspettando il rilascio ufficiale della versione V4. Alla fine di aprile, DeepSeek ha rilasciato in anteprima V4-Pro e V4-Flash, entrambi supportano un contesto di 1 milione di token, e l'azienda ha definito questo "l'era della fruizione del contesto da un milione di token". Dopo due o tre mesi di silenzio, il 2 agosto è stata ufficialmente rilasciata V4 Flash con pesi aperti. Con un totale di 284 miliardi di parametri, attiva solo 13 miliardi per inferenza singola, il punteggio nei test di programmazione DeepSWE è passato da 7.3 a 54.4.

Anche il prezzo è stato aggressivo. A maggio, V4-Pro è stato ridotto a un quarto del prezzo originale, il che era già il quarto cambiamento di prezzo in un mese per DeepSeek. Quando Flash è stato ufficialmente lanciato, tutti sono rimasti sorpresi dal suo rapporto qualità-prezzo.

"Il prezzo riflette la qualità" era la regola del passato. Ora i modelli cinesi stanno diventando sempre più competitivi, ma i prezzi stanno diminuendo. I concorrenti stranieri sono ovviamente scontenti, ma non possono fare nulla. Gli utenti hanno già visto prodotti economici e di alta qualità, e nessuno vuole tornare a pagare prezzi esorbitanti.

Successivamente, Alibaba ha annunciato che rilascerà i pesi di Qwen3.8-Max la settimana prossima. La serie Max, che era sempre stata considerata un flagship closed-source, inizia ora ad aprirsi. Il suo prezzo internazionale è circa il 40% di Opus 5 per l'input e solo il 24% per l'output.

Questi eventi si sono verificati in soli 16 giorni.

In passato, le aziende di modelli si basavano su prezzi elevati per la scarsità, dicendo: "Solo io posso farlo, quindi devi pagare il mio prezzo." Anche se ci sono solo pochi punti di differenza in classifica, i prezzi possono variare di decine di volte.

Kimi, DeepSeek e Qwen hanno percorsi tecnologici diversi, ma stanno facendo la stessa cosa: stanno aumentando le capacità, aprendo i pesi e abbassando i prezzi, e poi integrando rapidamente nei prodotti.

Vogliono copiare i compiti, ma nessuno paga

Negli Stati Uniti, alcune persone hanno compreso questa tendenza.

Entro la fine del 2025, Arcee AI ha praticamente investito tutti i suoi fondi. In 33 giorni, 2048 schede B300, 20 milioni di dollari, con solo 30 dipendenti in tutta l'azienda. Il Trinity Large prodotto ha un totale di 400 miliardi di parametri, attivando 13 miliardi per inferenza singola, con quasi la metà dei dati di addestramento sintetici. A luglio di quest'anno, Arcee ha firmato un accordo di collaborazione con il Dipartimento dell'Energia degli Stati Uniti per sviluppare un modello per la ricerca scientifica.

Hanno tutto: team, risultati, costi, ordini governativi. Ma la porta del finanziamento è chiusa.

Fino ad oggi, Arcee ha raccolto solo 50 milioni di dollari, con una valutazione di 240 milioni di dollari. In questo settore dei modelli grandi, questa somma non è sufficiente nemmeno per entrare nel ristorante, figuriamoci per avere una stanza riservata.

Il CEO Mark McQuade ha dichiarato: "Quasi tutti i VC di primo piano ci hanno rifiutato."

I modelli open-source americani non hanno ancora affrontato direttamente la Cina, ma sono stati bloccati dai loro stessi comitati di investimento.

Nel primo trimestre del 2026, le startup AI globali hanno raccolto 255,5 miliardi di dollari, con quasi due terzi concentrati in tre transazioni: 122 miliardi per OpenAI, 30 miliardi per Anthropic e 20 miliardi per xAI. Quasi tutto il denaro è andato a aziende closed-source.

Joe Floyd, partner di Emergence Capital e investitore iniziale di Arcee, ha dichiarato che ha sentito motivazioni simili da molti VC per rifiutare:

"Non voglio che questo modello abbia successo. Non voglio investire, perché danneggerà i miei investimenti in Anthropic e OpenAI."

Coloro che sono disposti a spendere per modelli open-source sono in realtà i venditori di chip.

A marzo di quest'anno, NVIDIA ha rivelato nei documenti SEC che intende investire 26 miliardi di dollari nei prossimi cinque anni per supportare i pesi open-source. Reflection AI, Poolside e Thinking Machines Lab hanno ricevuto i suoi fondi.

Jensen Huang lo sa meglio di chiunque altro. I modelli closed-source guadagnano dai ricavi delle API, mentre i modelli open-source consumano risorse. Più i modelli sono economici, più gli sviluppatori ne richiedono, e più NVIDIA vende le sue schede.

La sera del 24 luglio, Jensen Huang ha registrato un account su X, e il suo primo tweet è stato la condivisione di una lettera aperta intitolata "Pesi open-source e la leadership degli Stati Uniti nel campo dell'IA". Nella lettera si afferma che se gli Stati Uniti possono continuare a guidare questo settore, non si deve solo guardare se hanno i modelli più avanzati, ma anche se hanno un ecosistema in grado di diffondersi in tutti i settori.

Successivamente, quasi 200 fondatori di startup americane hanno firmato una lettera al governo Trump, opponendosi al divieto dei modelli open-source cinesi. La cosa più interessante di questa lettera è che non contiene frasi di elogio. Non hanno difeso la Cina, né hanno sventolato la bandiera del liberalismo, ma hanno semplicemente affermato che i modelli cinesi economici sono diventati strumenti di produzione. Se venissero bloccati, tornerebbero a dover acquistare costose API americane.

McQuade ha anche dichiarato in un'intervista che la diffusione su larga scala è solo una questione di tempo.

La domanda generata dal prezzo basso

La Silicon Valley sta ancora discutendo se dovrebbero o meno sviluppare pesi open-source, mentre la Cina ha già iniziato a superare il prossimo ostacolo.

Le parole "anno dell'applicazione dell'IA" sono state ripetute molte volte negli ultimi tre anni. Ma per determinare se una tecnologia è realmente entrata in fase applicativa, si devono considerare due aspetti: gli utenti sono disposti a pagare e le aziende l'hanno integrata nei loro affari.

Quest'anno, sia Claude Code che Cursor hanno superato i 10 miliardi di dollari di entrate annuali, con una penetrazione degli strumenti di programmazione AI tra gli sviluppatori individuali che si avvicina al 50%.

Le aziende stanno cambiando ancora di più. Secondo un'indagine del Dune Intelligence, il tasso di adozione degli AI Agent da parte delle aziende cinesi è passato dal 17.3% alla fine del 2024 al 40.3% a metà del 2026.

Li Yanhong ha proposto un nuovo indicatore chiamato DAA, numero di agenti attivi giornalieri. In passato, le aziende internet contavano quante persone aprivano i prodotti ogni giorno, mentre in futuro dovranno contare quanti agenti lavorano ogni giorno e quanti risultati reali producono.

La curva di utilizzo è ancora più sorprendente. Secondo le statistiche della CCTV, il volume medio giornaliero di chiamate di token in Cina è passato da circa 100 miliardi all'inizio del 2024 a 140 trilioni alla fine di marzo di quest'anno, aumentando di oltre mille volte in poco più di due anni.

I modelli stanno diventando sempre più economici, ma la potenza di calcolo sta diventando sempre più scarsa. A marzo di quest'anno, Tencent Cloud, Alibaba Cloud e Baidu Smart Cloud hanno aumentato i prezzi della potenza di calcolo in dieci giorni, con un aumento di circa il 30%. Con l'esplosione degli agenti nella prima metà dell'anno, il prezzo di affitto della potenza di calcolo per l'inferenza è aumentato di oltre il 40%.

Il motivo è che il modo in cui le persone utilizzano l'IA è cambiato. In passato, si facevano domande e si ricevevano risposte, senza spendere molti token. Ora, un agente deve completare il lavoro, portando con sé il contesto, regolando diversi strumenti, controllando e, se sbaglia, ricominciando da capo. Il prezzo unitario è diminuito, ma il consumo è aumentato esponenzialmente.

La riduzione dei prezzi non ha ristretto il mercato, ma ha portato a galla una domanda che in passato non era quantificabile.

Nel 1981, IBM ha aperto l'architettura PC, e le macchine compatibili sono rapidamente entrate nel mercato, facendo scendere i prezzi dell'hardware. Alla fine, a guadagnare davvero sono stati non i produttori di macchine, ma i software come Lotus 1-2-3, WordPerfect e, in seguito, Microsoft.

Oggi, questo percorso si sta ripetendo in modo quasi identico. Le aziende si concentrano ancora sulle capacità di base, mentre le aziende sopra stanno già cercando di conquistare utenti, ingressi e flussi di lavoro.

Le aziende americane possono studiare l'architettura di DeepSeek, utilizzare i dati generati da Kimi e spendere 20 milioni di dollari per addestrare un modello open-source di buon livello. Tuttavia, l'applicazione non è così facile da replicare.

Non ci sono pesi scaricabili per l'applicazione, né benchmark. Ciò che determina se può funzionare o meno è l'esperienza accumulata da un'azienda in anni di lavoro.

In passato, le grandi aziende erano abituate a trattare i modelli come prodotti indipendenti, aspettando che gli utenti aprissero appositamente una finestra di chat. Ora i modelli iniziano a integrarsi in DingTalk, Feishu e WeChat aziendale, con l'Agent che si inserisce direttamente nelle organizzazioni e nei processi esistenti.

Negli Stati Uniti, un Agent per ufficio potrebbe svilupparsi attraverso Gmail, Slack e Salesforce. In Cina, entrerà prima in DingTalk, Feishu e WeChat aziendale, per poi connettersi a software di contabilità, catene di approvvigionamento, sistemi di fabbrica e piattaforme governative. Anche se entrambe le parti utilizzano lo stesso modello, i prodotti finali non saranno gli stessi.

Dopo la riduzione dei prezzi

Dal 2022 al 2025, gli Stati Uniti hanno intensificato le restrizioni sui chip verso la Cina. H100 non viene venduto, B300 non viene venduto, e anche i processi avanzati e le attrezzature di produzione sono stati regolati. Le aziende cinesi, in queste condizioni, hanno creato il modello open-source più grande al mondo.

Nel 2026, gli Stati Uniti iniziano a discutere di limitare i pesi dei modelli cinesi. OpenAI e Anthropic hanno già espresso preoccupazioni alle autorità di regolamentazione, e il Congresso sta studiando se i pesi dei modelli possono continuare a muoversi oltre confine.

La lama non è ancora caduta, ma i membri del settore si lamentano già.

Il divieto sui chip limita l'offerta delle aziende cinesi, mentre il divieto sui modelli colpisce prima i costi delle startup americane. Nella lettera congiunta è scritto chiaramente che il divieto non fermerà la diffusione, ma costringerà gli sviluppatori a scaricare tutti i modelli disponibili prima che venga chiuso.

I chip sono tangibili, possono bloccare ordini, logistica e fabbriche di terzi. I pesi, una volta che sono fuori, possono essere scaricati, duplicati, quantizzati, sintonizzati e distillati all'infinito.

E non si può controllare il prezzo.

Gli Stati Uniti rimangono leader nei modelli closed-source più avanzati. OpenAI e Anthropic sono ancora in prima fila, e l'addestramento dei modelli di punta dipende ancora dalle schede di Nvidia, e questo non cambierà nel breve termine.

Ma quando si tratta di applicazione, la vittoria o la sconfitta raramente dipendono da un singolo modello più forte. Si tratta di quanto sia economico il modello, se l'azienda ha un ingresso digitale pronto e se gli sviluppatori possono davvero integrarsi nei processi aziendali.

Guardando indietro agli ultimi trent'anni, la Cina ha vinto molte volte, ma il modo in cui ha vinto è stato sostanzialmente lo stesso.

Pagamenti mobili, e-commerce, consegne, streaming live, sono tutti modi per integrare tecnologie inventate altrove nella vita quotidiana di oltre un miliardo di persone, creando così affari di dimensioni straordinarie. La base sottostante è stata a lungo fornita da altri. I transistor provengono dai Bell Labs, l'x86 appartiene a Intel, il TCP/IP è stato finanziato dal governo degli Stati Uniti, e Windows, Android e iOS sono nati sulla costa occidentale. Anche i framework di deep learning più utilizzati, TensorFlow e PyTorch, provengono rispettivamente da Google e Meta.

"L'invenzione è americana, la scala è cinese", questa frase è stata ripetuta per trent'anni, con poche eccezioni reali.

Ora, l'eccezione è emersa.

La documentazione tecnica di Thinking Machines Lab è molto chiara. Una delle nuove aziende più promettenti e ricche della Silicon Valley ha fatto riferimento all'architettura di un'azienda cinese per la base del modello, e ha utilizzato i dati generati da un altro modello cinese per l'addestramento.

In passato, la Silicon Valley acquistava capacità dalla Cina, reclutava talenti o cercava mercati. Ora, inizia a seguire direttamente le linee tecnologiche verificate dalle aziende cinesi.

L'ammirazione della Silicon Valley ha certamente delle radici. Negli ultimi decenni, la maggior parte delle tecnologie di base più importanti dell'industria informatica è effettivamente emersa da lì. Dai chip nelle macchine, agli IDE che i programmatori aprono ogni giorno, la Silicon Valley è stata a lungo in cima alla catena tecnologica.

Ma nel mondo della tecnologia, alla fine ciò che conta sono i risultati. Chi può proporre nuove architetture, chi può abbattere i costi, chi può far sì che i concorrenti inizino a imitare, ha il diritto di ridefinire l'upstream.

Ora, i nomi delle aziende cinesi iniziano a comparire in questa lista.

È probabile che la Silicon Valley recuperi, poiché ci sono abbastanza ingegneri, capitale e chip. Ma le applicazioni già integrate nei veri affari non si fermeranno ad aspettare. Chi prima si inserisce nei processi aziendali, ottiene prima clienti, dati e opportunità per il prossimo miglioramento. La linea di partenza non è mai la stessa.

L'era dell'applicazione dell'AI non inizierà con un giorno fortunato e festeggiamenti. I primi luoghi in cui appare sono i bilanci, l'aumento esponenziale delle chiamate e un programmatore che esaurisce nuovamente il budget a mezzanotte.

La diffusione su larga scala è solo una questione di tempo. Questa frase è stata pronunciata da un americano.

Link all'articolo