L’ARR dei modelli AI cinesi potrebbe raggiungere 13 miliardi di dollari entro fine anno, ma la prova dei ricavi è appena iniziata

Goldman Sachs è approdata su Google News con una previsione sorprendente: il ritmo annualizzato dei ricavi dei modelli AI cinesi potrebbe raggiungere 13 miliardi di dollari entro fine anno. La stima suggerisce che i fornitori cinesi stiano andando oltre le vittorie nei benchmark e l’adozione gratuita dei chatbot. Tuttavia, il titolo solleva anche una domanda più difficile. Un utilizzo in rapida espansione può trasformarsi in ricavi duraturi mentre i prezzi dei token continuano a scendere?

Il dato arriva in un contesto di domanda crescente per i modelli cinesi da parte di sviluppatori, imprese e utenti internazionali. DeepSeek ha cambiato la percezione della loro efficienza all’inizio del 2025. Da allora Alibaba, Moonshot AI, Z.ai e altri fornitori hanno lanciato nuovi modelli, applicazioni e servizi cloud in un mercato sempre più affollato.

La competizione principale non è più semplicemente tra Cina e Stati Uniti. È tra crescita dei ricavi e forte compressione dei prezzi. I fornitori cinesi hanno bisogno di costi inferiori per conquistare l’adozione, ma queste stesse dinamiche economiche possono ridurre i ricavi generati da ogni richiesta.

Cosa ci dice davvero il titolo di Google News sui 13 miliardi di dollari

La previsione è importante perché inquadra l’AI cinese come un mercato commerciale, non solo come una sfida tecnica ai laboratori americani.

Il titolo di Google News attribuisce a Goldman Sachs la stima di 13 miliardi di dollari entro fine anno. Tuttavia, l’articolo sindacato accessibile non espone il modello sottostante, la ripartizione per azienda o il periodo di calcolo. Il dato va quindi considerato come una previsione riportata, non come ricavi di settore certificati.

L’annual recurring revenue, o ARR, è una misura del ritmo annualizzato basata sulle vendite ricorrenti correnti. È utile per stimare la dimensione di abbonamenti e servizi contrattualizzati. Non coincide con i ricavi già rilevati nel corso di un esercizio finanziario concluso.

Questa distinzione diventa importante quando un mercato cresce rapidamente. Un fornitore può chiudere dicembre con un elevato ritmo annualizzato dopo essersi espanso nella seconda metà dell’anno. I ricavi effettivamente incassati nell’intero anno possono restare molto più bassi.

La previsione sembra inoltre coprire un mercato più ampio dei soli abbonamenti consumer ai chatbot. Goldman Sachs ha già indicato l’addestramento dei modelli, il post-training, l’inferenza e le applicazioni AI come canali di monetizzazione. Il post-training adatta un modello alle esigenze di un cliente, mentre l’inferenza è il calcolo eseguito quando gli utenti inviano nuove richieste.

Una precedente analisi dei ricavi AI di Goldman Sachs affermava che gli hyperscaler cinesi stavano iniziando a generare vendite AI in rapida crescita. Evidenziava la generazione video, l’editing di immagini e l’identificazione di oggetti come principali applicazioni commerciali.

Quell’analisi descriveva anche un difficile mercato consumer. Goldman sosteneva che i principali chatbot cinesi fossero gratuiti e avessero all’epoca un numero irrilevante di utenti paganti. Il computing per le imprese e le applicazioni specializzate sostenevano quindi una quota maggiore dell’onere della monetizzazione.

La cifra di 13 miliardi di dollari potrebbe includere ricavi provenienti da diversi livelli di questo stack. I fornitori cloud vendono l’accesso ai modelli tramite application programming interfaces, o API. Gli sviluppatori usano le API per integrare le capacità dei modelli nei propri software. I fornitori possono inoltre vendere deployment dedicati, personalizzazione dei modelli, abbonamenti e servizi applicativi.

Senza una metodologia pubblicata, l’aggregazione di queste categorie crea potenziali ambiguità. Uno sviluppatore di modelli potrebbe guadagnare ricavi API tramite un partner cloud. Il partner potrebbe segnalare tale attività come ricavi cloud AI. Contare entrambi gonfierebbe il valore economico prodotto per i clienti finali.

Anche la conversione valutaria introduce un’altra variabile. I fornitori guadagnano la maggior parte dei ricavi domestici in renminbi, mentre il titolo presenta una stima in dollari. Le variazioni del tasso di cambio possono modificare il totale riportato anche quando l’attività sottostante resta invariata.

La previsione rimane comunque utile come segnale direzionale. Indica che Goldman ritiene la commercializzazione in avanzamento abbastanza rapido da giustificare una stima del ritmo annualizzato per l’intero mercato. Tuttavia, i lettori non dovrebbero interpretare un singolo dato da titolo come una misura pulita di profitto, generazione di cassa o vendite annuali concluse.

Questa avvertenza prepara il terreno per la prova centrale. I fornitori cinesi hanno costruito una strategia di adozione attorno a modelli economici. Ora devono dimostrare che un utilizzo enorme possa compensare il calo dei ricavi per token.

Il calo dei costi di inferenza ha creato l’opportunità

L’opportunità di ricavi dell’AI cinese esiste perché i minori costi di inferenza hanno reso la sperimentazione accessibile a un numero maggiore di prodotti e organizzazioni.

Goldman Sachs ha stimato nel gennaio 2025 che i costi di inferenza in Cina fossero diminuiti di oltre il 95% nell’anno precedente. La sua analisi dei costi sosteneva che l’esecuzione meno costosa dei modelli avrebbe favorito più applicazioni di AI generativa.

L’inferenza avviene dopo l’addestramento del modello. Comprende il calcolo utilizzato per rispondere a un prompt, generare un’immagine, scrivere codice o completare un’altra attività in tempo reale. Ogni richiesta aggiuntiva consuma capacità di calcolo, quindi l’economia dell’inferenza determina sia i prezzi per i clienti sia i margini dei fornitori.

Costi inferiori consentono agli sviluppatori di testare più casi d’uso senza assumere impegni rilevanti. Un rivenditore può riassumere le conversazioni con l’assistenza. Un’azienda software può aggiungere assistenza alla programmazione. Un team media può generare bozze visive, mentre un produttore può elaborare immagini di ispezione.

Gli agenti AI amplificano questo effetto. Un agente completa un’attività in più fasi effettuando chiamate ripetute ai modelli, verificando gli output e selezionando le azioni successive. Una richiesta dell’utente può quindi produrre un consumo di token molte volte superiore a quello di una risposta di chatbot convenzionale.

Questo meccanismo favorisce i fornitori che offrono prestazioni accettabili a basso costo. Un modello non deve guidare ogni benchmark se funziona in modo affidabile all’interno di un flusso di lavoro definito. Gli sviluppatori spesso attribuiscono maggiore importanza a latenza, coerenza, sforzo di integrazione e costo operativo totale.

I laboratori cinesi hanno puntato su questo posizionamento. DeepSeek ha attirato l’attenzione globale presentando modelli di ragionamento capaci con una progettazione orientata all’efficienza. La famiglia Qwen di Alibaba ha ottenuto ampia visibilità tra gli sviluppatori grazie a modelli scaricabili e all’accesso cloud. Anche Moonshot AI e Z.ai hanno competito con rilasci frequenti e offerte a costo inferiore.

Le recenti evidenze di adozione supportano questa tendenza di fondo. L’Associated Press ha riferito che i cinque modelli più utilizzati su OpenRouter in un mese recente erano cinesi. OpenRouter aggrega l’accesso a più modelli, rendendo la sua attività un utile segnale per gli sviluppatori, sebbene non rappresenti l’intero mercato.

Lo stesso rapporto sull’adozione affermava che i modelli cinesi stavano attirando utenti americani perché convenienti e sempre più capaci. Citava aziende che li valutavano per programmazione, ricerca, scoperta di potenziali clienti e altre attività pratiche.

Questa domanda va oltre la Cina. Goldman aveva stimato in precedenza che gli hyperscaler cinesi generassero dal 90% al 95% dei ricavi sul mercato domestico. Ciononostante, aveva identificato Asia, Medio Oriente e America Latina come mercati di espansione per nuovi data center e servizi.

La generazione visiva offre già prove di tale opportunità internazionale. Goldman ha affermato che i mercati esteri contribuivano con più ricavi della Cina per alcune applicazioni di video e image editing. Questi prodotti possono servire clienti globali senza richiedere che ogni interazione comporti un ampio contesto aziendale locale.

I modelli aperti riducono inoltre l’attrito nell’adozione. Gli sviluppatori possono esaminare il codice disponibile, distribuire modelli in ambienti selezionati e personalizzare i propri sistemi. Questa flessibilità interessa le aziende preoccupate dalla dipendenza da una singola API chiusa.

Tuttavia, download e volume di token non si trasformano automaticamente in vendite ricorrenti. Uno sviluppatore può utilizzare i pesi di un modello scaricabile senza pagare il laboratorio che lo ha originato. Un fornitore cloud guadagna ricavi solo quando i clienti utilizzano la sua infrastruttura ospitata o acquistano servizi correlati.

Questo crea una sfida di conversione. I fornitori cinesi devono trasformare la distribuzione tecnica in inferenza a pagamento, deployment gestito, supporto enterprise o applicazioni proprietarie. La previsione di 13 miliardi di dollari dipende dal fatto che questo ponte acquisisca rilevanza commerciale presso molti clienti.

Le organizzazioni che valutano questi servizi affrontano anche un problema informativo. Annunci sui modelli, benchmark, revisioni di sicurezza e risultati di test interni arrivano da luoghi diversi. Una knowledge base AI ricercabile può aiutare i team a conservare queste evidenze prima di affidare un flusso di lavoro a un unico fornitore.

La storia dell’adozione è quindi reale ma incompleta. Costi di inferenza inferiori ampliano il numero di attività economicamente sostenibili. La domanda rimanente è se i fornitori possano trattenere abbastanza valore dopo aver reso economica ciascuna attività.

Alibaba, DeepSeek e i fornitori AI cinesi affrontano un paradosso dei ricavi

L’arma più forte del mercato per l’adozione, l’efficienza aggressiva, esercita anche una pressione diretta sulla previsione dei ricavi.

I fornitori cinesi di modelli competono per gli sviluppatori tramite costi di utilizzo inferiori, rilasci aperti e iterazione rapida. Queste tattiche possono ampliare la domanda complessiva. Possono però anche rendere più difficile per ogni fornitore mantenere potere di prezzo.

L’equazione di base ha tre componenti: volume delle richieste, ricavo per richiesta e costo di erogazione di ogni richiesta. Il calo dei prezzi aiuta i ricavi solo quando l’utilizzo cresce più rapidamente della diminuzione dei ricavi per unità. Il profitto richiede un ulteriore passaggio: i costi di erogazione devono diminuire abbastanza rapidamente da preservare un margine.

Gli agenti AI migliorano il lato dei volumi di questa equazione. Possono chiamare i modelli ripetutamente durante la ricerca di documenti, la scrittura di codice o il coordinamento di strumenti software. Goldman Sachs ha previsto una crescita sostanziale delle query globali ai modelli con la diffusione dei sistemi agentici.

Eppure la concorrenza sui prezzi può assorbire questa crescita. Se un fornitore riduce le tariffe, i rivali devono decidere se adeguarsi. I clienti possono inoltre instradare attività diverse tra più modelli, destinando il lavoro semplice all’opzione accettabile meno costosa.

I modelli aperti intensificano la pressione. Un’azienda cloud può ospitare un modello di terze parti invece di pagare il suo sviluppatore per ogni chiamata. I grandi clienti possono eseguire pesi scaricati sulla propria infrastruttura. Il laboratorio può acquisire influenza catturando però ricavi diretti limitati.

Alibaba dispone di vantaggi strutturali in questa competizione. Controlla una grande piattaforma cloud, sviluppa modelli Qwen e offre applicazioni aziendali. Questa integrazione le offre diverse opportunità per monetizzare la stessa ondata di domanda.

L’azienda si è posta l’obiettivo di superare i 100 miliardi di dollari di ricavi combinati da AI e cloud in cinque anni. I suoi ricavi cloud sono aumentati del 36% nel trimestre da ottobre a dicembre descritto in un resoconto sugli utili del marzo 2026. Tuttavia, l’utile trimestrale complessivo di Alibaba è diminuito del 67% con l’aumento delle spese generali.

Questi risultati illustrano il conflitto principale del mercato. La domanda di cloud e AI può crescere mentre investimenti e concorrenza riducono gli utili nel breve termine. La sola crescita dei ricavi non mostra se i fornitori ottengano un rendimento adeguato dall’infrastruttura.

Alibaba ha inoltre promesso almeno 380 miliardi di yuan di investimenti in tre anni per infrastrutture cloud e AI. La capacità supporta un maggiore utilizzo dei modelli, ma aumenta anche i ricavi necessari a giustificare la spesa. L’azienda deve bilanciare disponibilità, qualità del servizio e disciplina del capitale.

DeepSeek segue un percorso diverso. I suoi modelli hanno contribuito a rendere l’efficienza una priorità competitiva. La sua influenza va oltre i ricavi direttamente attribuiti all’azienda, perché altre piattaforme possono distribuire o sviluppare a partire dai suoi rilasci.

Questo rende DeepSeek importante per la tesi dei 13 miliardi di dollari senza renderla un destinatario evidente dei ricavi risultanti. I suoi modelli possono stimolare il consumo cloud presso fornitori terzi. Il beneficio economico può andare agli operatori infrastrutturali, agli sviluppatori di applicazioni e agli integratori aziendali.

Z.ai mostra un altro lato di questo compromesso. Secondo l’Associated Press, l’azienda ha riportato un aumento dei ricavi del 132%, a 724 milioni di yuan, nel precedente esercizio. La perdita netta è salita del 60%, a 4,7 miliardi di yuan.

Le cifre mostrano perché l’ARR ha bisogno di contesto. Una rapida crescita dei ricavi ricorrenti può coesistere con perdite molto maggiori quando ricerca, calcolo e acquisizione clienti restano costosi. Il tasso di ricavi di un fornitore non risponde alla domanda se la sua attività possa finanziare lo sviluppo continuo dei modelli.

Il recente picco della domanda di Moonshot AI offre una lezione simile sulla capacità. L’Associated Press ha riferito che l’azienda ha temporaneamente sospeso i nuovi abbonamenti dopo che l’interesse per il suo modello Kimi ha messo sotto pressione le risorse disponibili. Una domanda elevata conferma l’interesse per il prodotto, ma il razionamento limita anche la monetizzazione immediata.

I fornitori americani affrontano una propria versione di questo problema. OpenAI, Anthropic e Google competono attraverso capacità di frontiera, piattaforme per sviluppatori e integrazioni aziendali. Hanno maggiore accesso a chip avanzati e a infrastrutture cloud mature, ma i loro impegni per addestramento e inferenza sono considerevoli.

Il confine competitivo sta inoltre diventando meno geografico. Uno sviluppatore americano può utilizzare un modello aperto cinese tramite un servizio di hosting globale. Un’azienda cinese può combinare modelli domestici con dati interni e software specializzato. I clienti confrontano sempre più i carichi di lavoro, anziché i portafogli di modelli nazionali.

Questo indebolisce una semplice narrativa Cina-contro-America. I fornitori cinesi esercitano pressione sui laboratori americani sul fronte dei costi, ma esercitano una pressione ancora maggiore gli uni sugli altri. Ogni nuovo rilascio a basso costo può ridefinire le aspettative dei clienti nell’intero mercato interno.

La stima di Goldman diventerà più credibile se i fornitori manterranno la crescita senza dipendere da sussidi in aumento. Si indebolirà se la quota di mercato richiederà tagli di prezzo ripetuti che superano la domanda di token. Le prove decisive verranno dalla qualità dei ricavi, non dalle classifiche dei benchmark.

Cosa non mostra la stima dell’ARR

La maggiore incertezza riguarda la misurazione, perché il mercato AI cinese non dispone di una definizione coerente e pubblicamente divulgata dell’ARR dei modelli.

L’ARR funziona meglio per contratti di abbonamento stabili. I servizi di modelli spesso combinano abbonamenti, utilizzo API a consumo, contratti cloud, attività di implementazione e crediti promozionali. Annualizzare questi flussi può produrre una cifra apparentemente precisa, ma basata su ipotesi mutevoli.

I ricavi basati sull’utilizzo sono particolarmente volatili. Uno sviluppatore può generare traffico intenso durante il lancio di un prodotto e ridurlo il mese successivo. Moltiplicare un mese forte per dodici può sovrastimare la domanda duratura.

I contratti aziendali possono creare il problema opposto. Un accordo di lunga durata può includere capacità di calcolo riservata, supporto, personalizzazione del modello e archiviazione. Etichettare l’intero contratto come ARR del modello può rendere poco chiaro quale prodotto abbia generato il ricavo.

I ricavi delle applicazioni pongono un’altra questione di confine. Un servizio video AI dipende dai modelli, ma i clienti pagano per l’esperienza dell’applicazione. Includere tutti i suoi ricavi da abbonamento fa apparire il mercato più grande rispetto al conteggio delle sole componenti di modello e calcolo.

La previsione riportata di 13 miliardi di dollari potrebbe utilizzare un solido quadro interno. Il titolo pubblico semplicemente non fornisce dettagli sufficienti per valutarla. Non sono visibili un elenco delle aziende, una definizione delle categorie, un’ipotesi valutaria o una riconciliazione con i bilanci finanziari riportati.

Questa limitazione non invalida la previsione. La ricerca azionaria spesso combina guidance aziendale, verifiche dei canali, domanda di calcolo e stime degli analisti. Significa però che i lettori dovrebbero evitare di trattare la cifra come un totale di mercato sottoposto a revisione indipendente.

La redditività è una seconda omissione. I fornitori devono pagare chip, elettricità, rete, capacità dei data center, ingegneria e assistenza clienti. L’espansione all’estero aggiunge costi di conformità, localizzazione, vendite e infrastrutture.

Goldman aveva in precedenza previsto che le principali aziende internet cinesi avrebbero investito oltre 70 miliardi di dollari in data center e relativa capacità AI nel 2026. Le sue prospettive sulle infrastrutture descrivevano il settore come in una fase di costruzione prima della monetizzazione.

Questa spesa potrebbe creare capacità sufficiente per applicazioni agentiche. Potrebbe anche superare la monetizzazione se l’adozione aziendale procedesse più lentamente del previsto. I data center non possono essere facilmente ridimensionati dopo l’assunzione di impegni di lungo termine per energia, terreni e attrezzature.

L’accesso all’hardware resta un altro vincolo. I controlli americani sulle esportazioni limitano l’accesso della Cina ad alcuni chip AI avanzati. I fornitori cinesi stanno aumentando l’uso di acceleratori nazionali, ma la compatibilità software e la capacità produttiva influenzano ancora le decisioni di distribuzione.

Goldman ha affermato che le aziende cinesi tradizionalmente destinavano dal 50% al 75% delle spese in conto capitale a chip stranieri, con l’equilibrio che si sta spostando verso fornitori nazionali. Questa transizione può migliorare la resilienza della catena di approvvigionamento. Può anche richiedere lavoro ingegneristico per adattare modelli e applicazioni tra diversi sistemi hardware.

Il rischio geopolitico complica la crescita all’estero. I governi possono applicare revisioni di sicurezza, restrizioni agli appalti o nuovi controlli sulle esportazioni. Le aziende possono anche rifiutare un modello se non riescono a stabilire dove vengano elaborati prompt, output e dati operativi.

La qualità dei modelli presenta una questione distinta. I sistemi cinesi sono diventati competitivi nella programmazione, nella ricerca e nelle comuni attività da assistente. I valutatori indipendenti riscontrano ancora prestazioni disomogenee tra capacità specialistiche, lingue, uso degli strumenti e carichi di lavoro di ragionamento complessi.

Un modello sufficientemente valido per un flusso di lavoro può essere inadatto a un altro. Le aziende devono testare l’affidabilità con i propri documenti e condizioni di errore. I benchmark pubblici non possono rappresentare completamente i processi aziendali privati.

Sicurezza e governance contano quanto le prestazioni nei benchmark. Un modello economico può diventare costoso se espone dati riservati, genera azioni inaffidabili o richiede un’ampia revisione umana. Gli acquirenti valuteranno l’intero sistema operativo, non solo le tariffe per token.

I requisiti normativi in Cina plasmano inoltre il comportamento e la distribuzione dei modelli. I fornitori devono rispettare le norme nazionali che regolano i servizi pubblici di AI generativa. I clienti esteri possono applicare standard diversi in materia di privacy, copyright, trasparenza e decisioni automatizzate.

Queste incertezze creano uno standard di prova rigoroso. Una solida cifra di ARR necessita di conferme attraverso ricavi rilevati, fidelizzazione dei clienti, margini lordi e carichi di lavoro a pagamento ripetibili. I conteggi di download e i picchi temporanei di traffico non possono da soli fornire questa prova.

La previsione dovrebbe quindi essere letta come una tesi in esame. Sostiene che il mercato cinese dei modelli a basso costo si stia avvicinando alla scala commerciale. Non dimostra che ogni fornitore abbia trovato un modello di business sostenibile.

Tre segnali metteranno alla prova la previsione di Google News

I prossimi tre segnali mostreranno se l’ondata di adozione dell’AI in Cina sta producendo ricavi duraturi oppure soltanto volumi maggiori a prezzi più bassi.

Il primo segnale è rappresentato dai ricavi AI rilevati dai principali fornitori cloud. Alibaba, Baidu e Tencent possono offrire al mercato prove più chiare attraverso le comunicazioni sugli utili. Gli investitori hanno bisogno di cifre coerenti che separino i servizi di modelli AI dal cloud computing generale e dalle applicazioni non correlate.

La crescita rafforzerebbe la previsione se continuasse per diversi periodi di rendicontazione. Un singolo trimestre annualizzato sarebbe meno convincente. Le prove migliori combinerebbero maggiori ricavi AI con un uso crescente da parte dei clienti e margini cloud in miglioramento.

Alibaba merita particolare attenzione perché combina lo sviluppo di Qwen con la distribuzione cloud. La sua ampia piattaforma può intercettare domanda di addestramento, inferenza, archiviazione e applicazioni. Può anche rendere meno visibile il livello dei modelli quando questi servizi vengono riportati insieme.

Baidu offre un altro test utile attraverso le proprie operazioni nei modelli e nel cloud. Tencent può mostrare se il consumo di AI si sta diffondendo in comunicazione, gaming, pubblicità e servizi aziendali. Un andamento simile in tutte e tre suggerirebbe un cambiamento dell’intero mercato piuttosto che una scelta contabile di una sola azienda.

Il secondo segnale è il rapporto tra volume di token e prezzi unitari. I fornitori devono divulgare informazioni operative sufficienti per mostrare se la crescita dell’utilizzo supera i cali di prezzo. Margini lordi stabili o in miglioramento renderebbero il tasso di ricavi di 13 miliardi di dollari più significativo dal punto di vista economico.

L’adozione agentica potrebbe produrre questo risultato. Un agente aziendale può effettuare decine di chiamate al modello durante un singolo incarico. Se tali flussi di lavoro entrano nella produzione regolare, il consumo totale può crescere più rapidamente di quanto diminuiscano le tariffe API dichiarate.

Le promozioni temporanee indicherebbero la direzione opposta. Crediti gratuiti e accesso sovvenzionato possono aumentare l’attività misurata senza creare ricavi duraturi. I clienti attratti solo dalla tariffa più bassa possono cambiare nuovamente fornitore quando un concorrente risponde.

Anche le carenze di capacità richiedono un’interpretazione attenta. Mostrano che la domanda ha superato il servizio disponibile in un momento specifico. Non rivelano quanto gli utenti pagheranno una volta che arriverà capacità aggiuntiva e l’interesse iniziale si sarà stabilizzato.

Il terzo segnale è la fidelizzazione all’estero dopo le revisioni di sicurezza e conformità. I fornitori cinesi attirano già sviluppatori al di fuori del loro mercato interno. Contratti internazionali duraturi amplierebbero la loro base di ricavi e ridurrebbero la dipendenza dall’intensa concorrenza domestica.

La fidelizzazione conta più delle prove iniziali. Gli sviluppatori valutano abitualmente diversi modelli prima di scegliere una configurazione di produzione. Un fornitore vince commercialmente quando le applicazioni continuano a inviare traffico a pagamento dopo la fine dei test.

L’adozione aziendale richiederà garanzie più chiare su gestione dei dati, aggiornamenti dei modelli, disponibilità del servizio e responsabilità legali. I fornitori che soddisfano tali requisiti possono trasformare la sperimentazione a basso costo in contratti più lunghi. Quelli che non ci riescono potrebbero rimanere popolari nei progetti personali senza assicurarsi grandi clienti.

Gli sviluppi normativi possono rafforzare o indebolire rapidamente questo segnale. Ulteriori restrizioni potrebbero chiudere i canali di approvvigionamento in alcuni Paesi. Restrizioni sui servizi americani potrebbero anche creare opportunità per alternative cinesi altrove.

La distribuzione open source aggiunge sfumature. Un’ampia adozione in self-hosting può affermare un modello cinese come standard tecnico senza generare vendite API dirette. Questa influenza resta importante perché può sostenere servizi aziendali, partnership e distribuzione cloud.

I lettori che seguono la vicenda tramite Google News dovrebbero evitare di ridurla a un singolo dato di fine anno. La domanda significativa è se ricavi rilevati, economia unitaria e fidelizzazione dei clienti si muovano insieme.

Se le comunicazioni cloud miglioreranno, i margini terranno e i clienti esteri resteranno dopo le prove, la previsione riportata di Goldman apparirà sempre più plausibile. Se i prezzi continueranno a crollare mentre perdite e sussidi aumentano, il titolo avrà misurato l’attività più accuratamente del valore.

Gli sviluppatori e gli acquirenti aziendali possono agire prima che arrivi quel verdetto. Dovrebbero confrontare i modelli su un carico di lavoro definito, documentare i tassi di errore, misurare i costi operativi complessivi e mantenere delle alternative. Una valutazione utile include i costi per la sicurezza e la revisione umana, oltre al consumo di token.

La stessa disciplina vale per i knowledge worker che scelgono applicazioni di AI. Costi dei modelli inferiori possono favorire strumenti migliori per la ricerca, la stesura e l’analisi. Tuttavia, flussi di lavoro affidabili richiedono fonti tracciabili, accessi controllati e una gestione chiara delle informazioni sensibili.

I fornitori cinesi hanno già cambiato il mercato rendendo l’AI capace meno costosa e più accessibile. La loro prossima sfida è più difficile. Devono dimostrare che la convenienza genera attività ricorrenti, anziché una corsa senza fine verso un’intelligenza sempre più economica.

La previsione di $13 miliardi di Google News offre a questa prova un obiettivo visibile. Osservate quali ricavi le aziende contabilizzano, quanto trattengono dopo i costi di erogazione e se i clienti continuano a pagare quando arriva il modello più recente.