Amazon Anthropic affronta una reazione negativa sull'IA aperta mentre OpenAI cambia schieramento

I legami tra Amazon e Anthropic sono sotto nuova attenzione dopo che Anthropic ha rifiutato un impegno del settore contro restrizioni premature sui modelli di IA scaricabili. Il rifiuto ha posto Anthropic in contrasto con Nvidia, Microsoft, Meta, Google e infine OpenAI, nonostante le notizie secondo cui i due laboratori di modelli chiusi condividevano preoccupazioni normative pochi giorni prima.

Il conflitto è seguito alla rapida adozione di modelli cinesi open-weight, in particolare Kimi K3 di Moonshot AI. I modelli open-weight pubblicano i parametri appresi, consentendo agli sviluppatori di scaricarli, modificarli ed eseguirli senza dipendere dall'API del fornitore originario.

Questa scelta tecnica è diventata una linea di demarcazione politica. Anthropic avverte che sistemi scaricabili altamente capaci non possono essere ritirati né aggiornati centralmente dopo il rilascio. Il CEO di Nvidia Jensen Huang, Elon Musk, Meta, Microsoft e centinaia di aziende tecnologiche più piccole sostengono che restrizioni ampie indebolirebbero gli sviluppatori americani.

La storia iniziale è stata quindi superata da un'inversione rivelatrice. OpenAI inizialmente è rimasta fuori dalla lettera del settore, poi l'ha firmata nel fine settimana. Anthropic è rimasta la più importante tra le non firmatarie, sebbene il CEO Dario Amodei abbia esplicitamente negato di sostenere un divieto sui modelli open-weight.

OpenAI ha cambiato schieramento, ma Anthropic ha mantenuto la sua posizione

Il cambiamento immediato non è una proposta di divieto. È la formazione di una coalizione insolitamente ampia contro tale divieto.

Il 24 luglio, Nvidia, Microsoft, Meta, IBM, Dell, Palantir, Hugging Face e altre aziende hanno sostenuto una lettera di policy intitolata “Open Weights and American AI Leadership.” Il documento iniziale includeva 25 firmatari e metteva in guardia i decisori politici contro restrizioni premature sui modelli scaricabili.

La coalizione ha sostenuto che i modelli aperti favoriscono concorrenza, ricerca, cybersicurezza e controllo nazionale sulle infrastrutture di IA. Ha inoltre esortato Washington a distinguere la normale distillazione dei modelli dall'estrazione illegittima di sistemi proprietari.

La distillazione consiste nell'addestrare un modello usando gli output prodotti da un altro. Il metodo è diffuso nel settore, ma diventa controverso quando gli sviluppatori utilizzano account fraudolenti o violano restrizioni di accesso su larga scala.

L'elenco originale dei firmatari non includeva OpenAI, Anthropic o Google. Tale assenza suggeriva un'interpretazione semplice: le aziende che vendono sistemi di frontiera chiusi stavano resistendo a una campagna sostenuta da sviluppatori di modelli aperti e fornitori di infrastrutture.

L'allineamento è cambiato nel fine settimana. Google e OpenAI hanno aggiunto i propri nomi, lasciando Anthropic come il principale laboratorio americano di frontiera ancora fuori dall'accordo. Questa cronologia aggiornata è importante perché contraddice le affermazioni secondo cui OpenAI e Anthropic restano unite a favore di restrizioni ampie.

Secondo l'ultimo resoconto della coalizione del settore, OpenAI ora sostiene l'avvertimento contro limiti prematuri. L'azienda continua a chiedere un quadro nazionale per valutare i modelli e rispondere ai rischi per la sicurezza.

Questa distinzione è importante. Sostenere la disponibilità open-weight non richiede di accettare rilasci senza restrizioni di ogni futuro sistema. Piuttosto, respinge l'apertura in sé come fattore scatenante di una regolamentazione generalizzata.

Anthropic ha adottato una posizione più circoscritta ma più scettica. Concorda sul fatto che molti modelli aperti offrano valore pubblico, ma si chiede se i modelli di livello frontier debbano rimanere liberamente scaricabili con l'aumento delle loro capacità.

Dario Amodei ha risposto direttamente il 27 luglio. Ha scritto che Anthropic non ha “mai sostenuto” un divieto sui modelli open-weight e ha affermato che i modelli meno pericolosi possono essere un bene pubblico.

Amodei ha invece proposto controlli mirati in tre aree specifiche. Vuole restrizioni più severe sulle esportazioni di chip avanzati, applicazione delle norme contro la distillazione su scala industriale e test obbligatori per modelli sufficientemente capaci, indipendentemente dal loro modello di distribuzione.

Questa posizione è più precisa di una richiesta di bloccare i modelli cinesi. Tuttavia, l'assenza di Anthropic dalla lettera consente ai critici di chiedersi se le sue salvaguardie preferite produrrebbero indirettamente effetti simili.

La firma di OpenAI rende questa domanda più difficile per Anthropic. Entrambe le aziende dipendono principalmente dall'accesso controllato a modelli proprietari. Solo una si è unita alla coalizione che difende alternative scaricabili.

Il risultato è un dibattito politico frammentato, non uno scontro netto tra aziende americane e cinesi. OpenAI si è avvicinata alla coalizione dei modelli aperti mantenendo al contempo preoccupazioni sulla distillazione. Anthropic respinge un divieto ma non è convinta dall'argomentazione più ampia della coalizione sulla sicurezza.

Perché l'economia del rapporto Amazon Anthropic conta nel dibattito

Il disaccordo sulle policy riflette anche il modo in cui ogni azienda guadagna con l'IA e dove ne traggono vantaggio i suoi partner strategici.

I laboratori di frontiera di solito vendono accesso a consumo ai modelli che ospitano. I clienti inviano richieste a un'API e il fornitore controlla i pesi sottostanti, l'infrastruttura, i sistemi di sicurezza e i termini del servizio.

I modelli open-weight spostano maggiore controllo verso gli utenti. Un'azienda può scaricare un modello, adattarlo e distribuirlo sulla propria infrastruttura. Può inoltre spostare i carichi di lavoro tra fornitori cloud o società di hosting specializzate.

Questa flessibilità crea una pressione diretta sui prezzi dei fornitori di API chiuse. Un modello scaricabile capace offre agli sviluppatori un ulteriore parametro di confronto quando negoziano i costi, progettano sistemi di riserva o decidono se i carichi di lavoro sensibili debbano lasciare le proprie reti.

Il legame commerciale di Anthropic con Amazon rende questa concorrenza particolarmente rilevante. Amazon ha investito miliardi in Anthropic e ha posizionato AWS come principale partner cloud e di addestramento dell'azienda. Claude viene inoltre distribuito tramite Amazon Bedrock, che offre alle imprese un accesso gestito ai modelli di diversi fornitori.

La partnership tra Amazon e Anthropic non dimostra che la posizione di Anthropic sulla sicurezza sia motivata commercialmente. Le preoccupazioni per la sicurezza possono essere autentiche anche quando una policy protegge anche i ricavi. Tuttavia, gli incentivi economici meritano esame perché le restrizioni potrebbero rimodellare gli acquisti aziendali.

Amazon si trova su entrambi i lati della questione. Trae vantaggio quando i clienti utilizzano Claude tramite Bedrock, ma ottiene anche ricavi cloud quando i clienti distribuiscono modelli aperti sull'infrastruttura AWS. Una maggiore attività dei modelli crea generalmente più domanda di elaborazione, storage, networking e servizi di inferenza.

Gli incentivi di Nvidia sono più chiari. I modelli scaricabili possono essere eseguiti in data center aziendali, cloud regionali, cluster di ricerca e infrastrutture locali. Ogni nuovo modello può creare ulteriore domanda di acceleratori e sistemi di supporto.

Huang sostiene quindi che il mercato abbia bisogno sia di sistemi aperti sia di sistemi chiusi. La lettera di Nvidia sui modelli aperti afferma che lo sviluppo aperto può rafforzare la cybersicurezza consentendo ai difensori di ispezionare e adattare i modelli sull'infrastruttura che controllano.

Microsoft beneficia anch'essa di entrambe le strade. Ha una profonda relazione con OpenAI, vende modelli proprietari gestiti e offre infrastruttura per distribuzioni aperte. Meta pubblica pesi di modelli scaricabili, usando al contempo l'apertura per ampliare l'adozione oltre i propri prodotti.

Queste aziende non sono organizzazioni neutrali di interesse pubblico. Il loro sostegno all'apertura corrisponde alle loro posizioni commerciali, così come la cautela di Anthropic corrisponde al suo business ad accesso controllato. Questo non invalida nessuno dei due argomenti.

La domanda più utile è se le regole proposte affrontino danni dimostrabili senza eliminare la concorrenza a basso costo. Una policy mirata all'estrazione fraudolenta dovrebbe colpire il comportamento fraudolento. Una policy mirata alle capacità pericolose dovrebbe applicare test comparabili ai sistemi aperti e chiusi.

Restrizioni generalizzate favorirebbero i fornitori che sono gli unici a mantenere l'accesso ai modelli. Potrebbero inoltre aumentare la dipendenza da un piccolo gruppo di fornitori americani, facendo crescere i costi per le startup senza impedire agli sviluppatori stranieri di usare pesi già in circolazione altrove.

Ecco perché il dibattito non può essere ridotto a tecnologia aperta contro sicurezza nazionale. È anche una disputa su chi controlla la distribuzione, chi incassa i ricavi dell'inferenza e chi può modificare i termini di servizio dopo che i clienti hanno costruito intorno a un modello.

Per gli acquirenti aziendali, le conseguenze vanno oltre le classifiche dei benchmark. Un modello scaricabile può supportare distribuzione privata, controlli di sicurezza personalizzati, capacità prevedibile e protezione da improvvisi cambiamenti delle API. Un sistema ospitato può offrire aggiornamenti più semplici, monitoraggio centralizzato più solido e meno lavoro operativo.

Nessuna delle due strade prevale per ogni carico di lavoro. Il pericolo deriva da una regolamentazione che seleziona un modello di distribuzione prima di misurare i rischi del sistema stesso.

I modelli aperti cinesi stanno facendo pressione sia sui prezzi sia sulle policy

Washington sta reagendo ora perché i modelli cinesi open-weight sono diventati abbastanza utili da essere considerati dalle aziende americane infrastruttura pratica.

Gli sviluppatori cinesi hanno rilasciato una serie di modelli che competono da vicino con i principali sistemi americani in compiti importanti. Moonshot, DeepSeek, Alibaba e Z.ai hanno inoltre utilizzato rilasci scaricabili per ottenere distribuzione internazionale.

Kimi K3 di Moonshot ha intensificato il dibattito a luglio. Il modello ha attirato sviluppatori con capacità competitive e costi operativi inferiori, offrendo al contempo alle organizzazioni la possibilità di eseguire o modificare i suoi pesi.

La sua adozione era misurabile. Sensor Tower ha stimato che Kimi abbia ricevuto più di 930.000 download nella settimana successiva al rilascio di K3. Ciò rappresentava un aumento del 200 percento rispetto alla settimana precedente.

Circa 86.000 di questi download provenivano dagli Stati Uniti, un aumento settimanale del 387 percento. La domanda è diventata abbastanza forte da indurre Moonshot a sospendere temporaneamente i nuovi abbonamenti quando la capacità si è avvicinata ai propri limiti.

I modelli cinesi hanno inoltre occupato tutte le prime cinque posizioni su OpenRouter per utilizzo nel mese misurato, secondo i dati citati dall'analisi sull'adozione. Ciò non dimostra una superiorità tecnica complessiva, ma conferma una domanda significativa da parte degli sviluppatori.

I valutatori rilevano ancora limitazioni. Il CEO di Arena Anastasios Angelopoulos ha dichiarato all'Associated Press che i sistemi cinesi rimanevano indietro rispetto ai leader americani nell'intera gamma delle loro capacità.

La minaccia competitiva deriva quindi dall'insieme dell'offerta, non necessariamente dal punteggio assoluto migliore. Gli sviluppatori possono accettare prestazioni leggermente inferiori quando un modello è più economico, personalizzabile, scaricabile o sufficiente per un compito circoscritto.

Questo insieme dell'offerta esercita pressione contemporaneamente su OpenAI e Anthropic. Se le aziende possono usare un modello cinese per coding di routine, classificazione, elaborazione di documenti o compiti agentici, possono riservare le costose API di frontiera alle richieste più difficili.

Un'architettura mista riduce la dipendenza da un singolo laboratorio. Trasforma inoltre i sistemi proprietari in componenti premium anziché nel motore predefinito dietro ogni interazione.

I funzionari americani hanno sollevato una preoccupazione diversa. Anthropic sostiene che sviluppatori cinesi abbiano utilizzato campagne su scala industriale per estrarre gli output di Claude e addestrare sistemi concorrenti.

In una lettera ottenuta dal The Washington Post, Anthropic ha affermato che il team Qwen di Alibaba ha utilizzato circa 25.000 account fraudolenti. Secondo le accuse, tali account hanno generato oltre 28,8 milioni di scambi con Claude.

Alibaba non ha fornito risposta a quel rapporto. Anthropic ha formulato accuse correlate contro DeepSeek, Moonshot e MiniMax, descrivendo campagne che eludono i controlli geografici e le restrizioni del servizio.

Tali condotte, se accertate, rappresentano un legittimo problema di applicazione delle norme. Account fraudolenti, aggiramento delle regole ed estrazione massiva non autorizzata non diventano accettabili solo perché la distillazione è un metodo di addestramento riconosciuto.

Tuttavia, dimostrare l'uso improprio da parte di determinate aziende è diverso dal dimostrare che la distribuzione di pesi aperti sia intrinsecamente insicura. La controversia sulla distillazione mostra anche quanto possa diventare difficile l'attribuzione.

I ricercatori possono talvolta rilevare schemi che suggeriscono che un modello abbia appreso da un altro. Un sistema può riprodurre frasi, stili di ragionamento o persino identificarsi erroneamente come il modello che ha generato i suoi dati di addestramento.

Questi segnali non rivelano sempre come siano stati acquisiti i dati. Gli sviluppatori possono utilizzare dati sintetici concessi in licenza, output pubblici, record generati dai clienti, estrazione fraudolenta o una combinazione di fonti.

Anche le aziende americane utilizzano la distillazione. OpenAI ha offerto strumenti che aiutano i clienti a generare dati di addestramento dai suoi sistemi, mentre Elon Musk ha descritto la tecnica come comune in tutto il settore.

La questione legale e politica riguarda autorizzazione, scala e metodo. Trattare ogni modello distillato come proprietà sottratta indebitamente includerebbe lo sviluppo legittimo in una categoria pensata per gli abusi.

Potrebbe inoltre incoraggiare i policymaker a sottovalutare l'ingegneria cinese. I controlli sulle esportazioni hanno spinto i laboratori cinesi a migliorare l'efficienza, ottimizzare hardware limitato e competere tramite la distribuzione aperta. Non ogni progresso può essere spiegato con la copia.

La coalizione dei pesi aperti vede un fossato normativo

I sostenitori dei modelli aperti temono che le norme di sicurezza proteggano i laboratori chiusi dalla concorrenza prima che il governo definisca una soglia di sicurezza misurabile.

La resistenza va ben oltre Nvidia e Meta. Più di 200 startup, investitori e organizzazioni tecnologiche hanno aderito a un appello separato organizzato dalla Little Tech Association.

Il gruppo ha scritto al consigliere scientifico della Casa Bianca Michael Kratsios e al Segretario al Commercio Howard Lutnick. Ha esortato l'amministrazione a non imporre un divieto totale sui sistemi cinesi a pesi aperti.

I suoi membri sostengono che i modelli scaricabili a prezzi accessibili siano diventati un input per le startup americane. Rimuovere l'accesso aumenterebbe i costi di sviluppo, interromperebbe prodotti esistenti e concentrerebbe ulteriore potere in poche aziende all'avanguardia.

Questa preoccupazione non è ipotetica. Le aziende più piccole spesso non dispongono del capitale necessario per addestrare grandi modelli fondamentali. Costruiscono prodotti adattando sistemi esistenti, instradando il lavoro tra più modelli o ospitando versioni specializzate per clienti definiti.

Un modello aperto può inoltre rimanere disponibile quando un fornitore modifica un'API, limita una regione, ritira una release o affronta problemi di capacità. Per una startup, questo controllo può determinare se un prodotto continua a funzionare.

L'opposizione delle startup accetta che possano essere necessarie misure di protezione. La sua obiezione centrale è che negare agli americani l'accesso danneggerebbe i costruttori nazionali più rapidamente dei laboratori cinesi.

La lettera originale di Nvidia includeva Microsoft, Meta, Palantir, IBM, Dell, Hugging Face, Replit, Perplexity, ServiceNow, CrowdStrike e Y Combinator. Elon Musk ha separatamente dato il suo pieno sostegno all'iniziativa.

Mark Zuckerberg non ha dovuto firmare personalmente perché Meta ha aderito come azienda. L'attività di Meta ha tratto a lungo vantaggio dalla distribuzione ampia dei pesi dei modelli, incoraggiando gli sviluppatori a costruire al di fuori di una singola API controllata.

Il consigliere della Casa Bianca per l'AI David Sacks ha inquadrato la questione come un potenziale caso di cattura normativa. Sostiene che i laboratori chiusi dominanti potrebbero usare la politica di sicurezza per eliminare la concorrenza aperta a minor costo.

Questa è la principale struttura contrapposta nella controversia: il controllo dei fornitori chiusi contro la concorrenza dei modelli scaricabili. La nazionalità conta, ma la divisione commerciale spiega perché le aziende americane abbiano assunto posizioni opposte.

Le critiche diventano più incisive perché il governo non ha stabilito standard di sicurezza dettagliati e coerenti per i modelli americani. Le restrizioni rivolte ai sistemi aperti stranieri potrebbero quindi arrivare prima che esistano obblighi comparabili per i sistemi chiusi nazionali.

La risposta di Anthropic è che la parità di trattamento dovrebbe dipendere dalle capacità, non dalla nazionalità o dal formato di licenza. Amodei ha chiesto test obbligatori per modelli sufficientemente capaci, siano essi aperti o chiusi.

Questa proposta potrebbe colmare il divario tra i due schieramenti se i policymaker definissero soglie di capacità in modo trasparente. Servirebbero valutazioni riproducibili, regole di applicazione chiare e garanzie contro standard modellati sull'architettura preferita da una sola azienda.

Anthropic sostiene inoltre che i pesi aperti creino un problema distinto dopo il rilascio. Un fornitore ospitato può correggere un modello, rafforzare il monitoraggio, chiudere account o ritirare l'accesso. Un modello scaricato non può essere richiamato da ogni operatore.

La distinzione è reale. Diventa particolarmente importante quando un modello possiede capacità che agevolano in modo significativo attacchi biologici, operazioni informatiche, sorveglianza di massa o altri gravi danni.

Eppure anche il controllo centralizzato presenta limiti. Un fornitore chiuso può modificare i termini, bloccare ricerche legittime o diventare un singolo punto di guasto. Gli utenti non possono ispezionare indipendentemente il sistema completo e i ricercatori esterni devono fare affidamento sull'accesso consentito dall'azienda.

I sistemi aperti offrono ai difensori maggiore libertà di ispezionare, modificare ed eseguire privatamente gli strumenti. I sistemi chiusi offrono ai fornitori maggiore libertà di monitorare e intervenire. La regolamentazione deve affrontare questo compromesso invece di dichiarare una delle due strade universalmente più sicura.

Anthropic non ha dimostrato che i modelli cinesi attualmente disponibili superino una soglia di capacità catastrofica chiaramente definita. I sostenitori dei modelli aperti non hanno dimostrato che ispezione e personalizzazione offriranno sempre ai difensori un vantaggio sugli aggressori.

Entrambe le parti avanzano affermazioni orientate al futuro. La risposta politica responsabile consiste nel verificare tali affermazioni rispetto alle capacità e agli abusi osservati, non soltanto all'identità aziendale.

Questo è anche il motivo per cui l'affermazione secondo cui Anthropic stia facendo lobbying per un divieto generalizzato necessita di precisazioni. Le notizie indicano che l'azienda ha sollecitato funzionari governativi su distillazione, controlli sulle esportazioni e rischi di sicurezza. Amodei ora afferma che un divieto sui modelli cinesi non risolverebbe le sue preoccupazioni più gravi.

La sua precisazione sulla politica restringe la posizione pubblica di Anthropic. I critici possono ancora mettere in discussione i suoi incentivi e le soglie proposte, ma non dovrebbero trattare una politica negata come una richiesta accertata.

Ciò che Washington farà ora definirà il mercato

La prossima fase dipende da tre segnali: azioni governative mirate, test basati sulle capacità e la continua adozione americana di modelli cinesi.

Il primo segnale è se l'amministrazione perseguirà sanzioni specifiche per azienda invece di una restrizione generale sui pesi scaricabili. Un'azione del Commerce Department Entity List, regole sugli appalti federali o sanzioni legate a campagne di estrazione documentate indicherebbero un approccio mirato.

Questo esito rafforzerebbe l'idea che Washington stia separando la sicurezza nazionale dal più ampio dibattito sui modelli aperti. Potrebbe penalizzare condotte specifiche preservando al contempo l'accesso a sistemi sviluppati in modo indipendente.

Un avviso più ampio che scoraggiasse tutti i modelli cinesi indicherebbe la direzione opposta. Anche senza un divieto legislativo, restrizioni negli appalti e pressione pubblica potrebbero indurre i team legali a rifiutare tali sistemi.

Il secondo segnale è se i funzionari pubblicheranno test di capacità coerenti sia per i modelli aperti sia per quelli chiusi. La politica preferita da Anthropic dipende dall'identificazione del momento in cui un sistema diventa sufficientemente pericoloso da richiedere una valutazione obbligatoria.

Questi test devono rendere note le capacità che attivano la supervisione e il modo in cui i fornitori possono contestare le conclusioni. Applicarli solo ai modelli scaricabili rafforzerebbe la critica del fossato normativo.

Applicare le stesse soglie ai diversi metodi di distribuzione sosterrebbe l'argomentazione di Anthropic secondo cui cerca controlli sui rischi anziché protezione dalla concorrenza. Costringerebbe inoltre i laboratori chiusi ad accettare controlli insieme agli sviluppatori aperti.

Il terzo segnale è l'adozione nel mondo reale. I conteggi dei download e i dati di instradamento dei modelli mostrano interesse, ma gli impegni delle imprese riveleranno se i sistemi cinesi possono sostenere una presenza americana duratura.

Gli sviluppatori dovrebbero osservare l'utilizzo di OpenRouter, la disponibilità nel cloud, le comunicazioni dei principali clienti e le continue release di Moonshot, Alibaba, DeepSeek e Z.ai. Un calo dell'utilizzo dopo l'attuale ciclo di attenzione indebolirebbe l'affermazione secondo cui i modelli aperti minacciano il mercato dei fornitori chiusi.

Una crescita continua eserciterebbe maggiore pressione su OpenAI e Anthropic affinché migliorino i prezzi, rilascino alternative scaricabili o spieghino perché i clienti dovrebbero accettare il controllo del fornitore. Renderebbe inoltre le restrizioni generalizzate più costose per le imprese americane.

Il comportamento di Amazon merita particolare attenzione. L'azienda può promuovere Claude sostenendo al contempo un ampio catalogo di modelli tramite AWS. Qualsiasi cambiamento nella disponibilità, nei requisiti di conformità o nel supporto al deployment offrirebbe una prima indicazione di come la politica influenzi l'accesso delle imprese.

Il rapporto tra Amazon e Anthropic potrebbe infine illustrare il compromesso preferito dal mercato. I clienti potrebbero combinare sistemi avanzati controllati con modelli aperti invece di scegliere una filosofia per ogni attività.

Questo approccio richiede una valutazione attenta. I team necessitano di registri delle versioni dei modelli, delle licenze, dei risultati dei test, delle conclusioni sulla sicurezza e delle modifiche alle policy prima di spostare carichi di lavoro importanti tra fornitori.

Una base di conoscenza ricercabile può aiutare i team tecnici a conservare queste prove mentre modelli e regolamentazioni cambiano. La decisione dovrebbe basarsi sui requisiti del carico di lavoro, non sulla fedeltà a uno schieramento aperto o chiuso.

Il conflitto attuale è quindi più ampio di un singolo rapporto contestato. OpenAI ha modificato il proprio allineamento pubblico, Anthropic ha respinto l'accusa di volere un divieto e un'ampia coalizione tecnologica ha invitato Washington a evitare restrizioni premature.

L'economia del rapporto Amazon Anthropic resta parte della controversia, ma non la risolve. La questione decisiva è se i regolatori possano colpire abusi comprovati senza trasformare la politica di sicurezza nazionale in protezione per un piccolo gruppo di fornitori di modelli.

Sviluppatori e acquirenti aziendali dovrebbero ora porsi tre domande pratiche. Una norma proposta identifica una condotta dannosa specifica? Applica test equivalenti a sistemi aperti e chiusi comparabili? Preserva sufficiente concorrenza affinché i clienti possano cambiare fornitore?

Le risposte determineranno se la politica americana sull'AI creerà uno sviluppo più sicuro o semplicemente un mercato più ristretto.