Zuckerberg ridisegna la corsa all’AI

La nuova battaglia non riguarda solo i modelli: infrastrutture, dati, sicurezza e regolamentazione diventano fattori decisivi

La visione di Mark Zuckerberg sull’evoluzione dell’intelligenza artificiale segna un passaggio importante nella competizione globale del settore.

Il CEO di Meta non immagina un futuro dominato esclusivamente da pochi modelli proprietari enormi, controllati da una manciata di grandi società tecnologiche, ma un ecosistema molto più distribuito, nel quale modelli open-weight, sistemi più piccoli e AI eseguita direttamente sui dispositivi degli utenti avranno un ruolo crescente.

Il lancio di Muse Glimmer va proprio in questa direzione. Il modello è stato progettato per operare autonomamente su un normale Mac o PC dotato di una singola GPU, quindi senza dover necessariamente ricorrere a enormi infrastrutture cloud.

È un cambiamento concettuale importante: l’intelligenza artificiale potrebbe progressivamente spostarsi dal data center al dispositivo, almeno per una parte crescente delle applicazioni.

Dall’AI gigantesca all’AI distribuita

Negli ultimi anni la corsa all’intelligenza artificiale è stata dominata dalla logica del “più grande è meglio”: più parametri, più GPU, più data center e maggiore capacità di calcolo.

Zuckerberg non abbandona affatto questo modello — Meta continua infatti a investire cifre enormi nelle infrastrutture AI e ha anticipato l’arrivo di sistemi ancora più grandi — ma introduce una seconda direttrice di sviluppo.

L’AI del futuro potrebbe essere composta da due livelli complementari.

Da una parte continueranno ad esistere enormi modelli frontier, addestrati attraverso infrastrutture sempre più costose e utilizzati per i compiti più complessi.

Dall’altra crescerà una generazione di modelli più piccoli, specializzati e localizzati, capaci di funzionare su PC, smartphone, automobili, robot e altri dispositivi.

È proprio qui che tecniche come la distillazione possono diventare strategiche: un modello molto grande può trasferire parte delle proprie capacità a sistemi più piccoli, che richiedono una frazione della potenza computazionale.

In altre parole, l’evoluzione potrebbe non essere semplicemente verso AI sempre più grandi, ma verso AI sempre più pervasive.

Open-weight contro closed-weight: la nuova frontiera competitiva

Il secondo elemento centrale della strategia di Zuckerberg riguarda i modelli open-weight.

A differenza dei sistemi completamente proprietari, questi modelli permettono agli sviluppatori di accedere ai pesi e di modificarli, adattandoli alle esigenze di aziende, istituzioni e singoli utenti.

Il vantaggio è duplice: minori costi e maggiore personalizzazione.

Per molte imprese non sarà necessariamente conveniente pagare continuamente per accedere tramite API ai modelli più potenti di OpenAI, Anthropic o Google.

Un modello open-weight può invece essere installato internamente, modificato e utilizzato per applicazioni molto specifiche.

Ed è proprio qui che Zuckerberg vede uno dei rischi strategici per gli Stati Uniti.

Le società cinesi stanno guadagnando terreno nell’open AI.

Modelli come Kimi, Qwen e DeepSeek stanno mostrando prestazioni sempre più vicine ai migliori sistemi americani, ma con un grado di apertura maggiore.

Il rischio, dal punto di vista di Meta, è quindi che gli Stati Uniti mantengano la leadership nei modelli proprietari ma perdano quella nell’ecosistema open-source.

La battaglia AI diventa anche geopolitica

Il messaggio di Zuckerberg è quindi anche politico.

Secondo il CEO di Meta, gli Stati Uniti dovrebbero ridurre alcuni vincoli relativi a dati di addestramento, distillazione e rilascio dei modelli, altrimenti gli sviluppatori americani potrebbero trovarsi strutturalmente svantaggiati rispetto ai concorrenti cinesi.

Il punto è particolarmente delicato perché la competizione AI non riguarda più soltanto le aziende.

Sta diventando una vera competizione tecnologica tra sistemi economici.

Chi controlla modelli, semiconduttori, data center, energia, dati e infrastrutture digitali potrebbe possedere un vantaggio strategico paragonabile a quello detenuto in passato da chi dominava petrolio, telecomunicazioni o industria pesante.

Ecco perché Zuckerberg critica l’idea che la sicurezza possa essere garantita semplicemente concentrando l’AI nelle mani di pochi grandi operatori.

Il suo messaggio è quasi l’opposto: un ecosistema più aperto può aumentare innovazione, concorrenza e capacità di controllo diffuso.

Il vero collo di bottiglia diventa l’infrastruttura

Ma c’è un apparente paradosso.

Meta sostiene modelli più piccoli e decentralizzati, ma contemporaneamente prevede di spendere fino a 145 miliardi di dollari in infrastrutture AI.

Non è una contraddizione.

Per creare modelli piccoli ed efficienti bisogna prima addestrare sistemi estremamente potenti. Inoltre, la domanda complessiva di calcolo continua ad aumentare molto più velocemente dei miglioramenti di efficienza.

Per questo Zuckerberg individua nelle infrastrutture uno dei principali svantaggi competitivi degli Stati Uniti rispetto alla Cina.

Il problema non riguarda soltanto la disponibilità di GPU. Servono energia, reti elettriche, data center, terreni, sistemi di raffreddamento e autorizzazioni.

La crescente opposizione delle comunità locali ai nuovi data center mostra che la corsa all’AI sta iniziando a scontrarsi con vincoli fisici e politici.

Il fondo da 1 miliardo di dollari annunciato da Meta per sostenere le comunità coinvolte nell’espansione dei data center va letto proprio in questa prospettiva: ottenere consenso sociale diventa parte integrante della strategia tecnologica.

L’AI potrebbe quindi entrare in una seconda fase

La prima fase della rivoluzione AI è stata dominata dalla domanda:

“Chi costruirà il modello più potente?”

La seconda potrebbe essere dominata da una domanda diversa:

“Chi riuscirà a distribuire l’intelligenza artificiale nel maggior numero possibile di dispositivi, aziende e applicazioni?”

Ed è qui che l’approccio di Meta può diventare particolarmente interessante.

Se i modelli open-weight diventeranno abbastanza potenti e abbastanza efficienti, molte aziende potrebbero preferire avere una propria AI interna, addestrata sui propri dati e controllata direttamente, invece di affidarsi esclusivamente ai grandi provider cloud.

Questo potrebbe modificare profondamente anche la struttura economica del settore.

La prima fase dell’AI ha favorito soprattutto Nvidia e gli hyperscaler.

La fase successiva potrebbe allargare la catena del valore verso PC AI, semiconduttori edge, software specializzato, cybersecurity, networking, robotica e applicazioni industriali.

Una rivoluzione potenzialmente più ampia di quella vista finora

La tesi di Zuckerberg porta quindi a una conclusione interessante anche per gli investitori.

La crescita dell’AI potrebbe non dipendere soltanto dalla costruzione di modelli sempre più grandi.

Se l’intelligenza artificiale diventerà progressivamente più economica, aperta e distribuibile, il mercato potenziale potrebbe aumentare enormemente.

La vera evoluzione potrebbe essere il passaggio da pochi grandi sistemi AI utilizzati nel cloud a miliardi di agenti intelligenti distribuiti su computer, smartphone, automobili, robot e infrastrutture industriali.

Ed è forse questo il significato più importante della strategia di Zuckerberg: la prossima fase dell’intelligenza artificiale potrebbe essere meno visibile dei giganteschi data center di oggi, ma molto più pervasiva.

Non necessariamente un’AI più grande. Un’AI ovunque.

Su Econotrade Insights tutte le settimane troverai le strategie operative relative ai principali ETF su indici azionari, obbligazioni e criptovalute. Puoi attivare gratuitamente la prova del canale Telegram premium semplicemente scrivendo a: info@ftaonline.com