Il MIIT mette l'acquisto di token all'ordine del giorno, ma gli ordini non sono garantiti
Il Ministero dell'Industria e dell'Information Technology cinese ha inserito l'acquisto di token nella politica nazionale il 31 agosto 2026, pur senza definire budget e regole di acquisto. La misura riguarda i modelli di grandi dimensioni, gli agenti AI e i servizi token a consumo utilizzati per eseguire sistemi di AI generativa.
La politica conta perché sposta l'attenzione dalla costruzione di modelli all'acquisto di servizi AI ripetibili. Il MIIT vuole che le autorità locali e le organizzazioni industriali aprano scenari operativi reali, sostengano i primi acquisti e condividano i rischi delle prime implementazioni.
Tuttavia, l'annuncio non è un assegno in bianco per gli sviluppatori di modelli. Crea un quadro per coltivare i fornitori di applicazioni, mentre la domanda effettiva dipende ancora da programmi locali, avvisi di gara, valutazioni tecniche e adozione da parte dei clienti.
La competizione centrale non è quindi tra una società di modelli e l'altra. È tra capacità di implementazione e accesso economico ai modelli. La Cina dispone già di molti modelli a prezzi competitivi, ma i bassi costi di inferenza da soli non producono sistemi industriali affidabili.
Cosa ha effettivamente cambiato il MIIT
Il MIIT ha creato un programma nazionale di sviluppo per i fornitori di applicazioni AI, non un mandato finanziato per l'acquisto di token.
Il ministero ha pubblicato il suo avviso per i fornitori di servizi alle 10:50, ora di Pechino, del 31 agosto. Il documento era datato 27 agosto e reca il numero di riferimento MIIT Office Letter 2026 No. 414.
Quella data risolve l'incertezza legata al primo avviso di notizia. L'evento di fondo è stato un avviso ministeriale ufficiale pubblicato il 31 agosto, anziché un discorso non datato o una proposta riportata.
L'avviso definisce un fornitore di servizi applicativi AI come un'organizzazione al servizio delle esigenze di trasformazione intelligente di un cliente. Il suo lavoro può comprendere consulenza, implementazione, operazioni e governance della sicurezza.
Questa definizione è importante. Il MIIT punta alle aziende in grado di fornire sistemi funzionanti, anziché limitare il sostegno agli sviluppatori di modelli fondazionali o ai proprietari di infrastrutture cloud.
Il ministero vuole inserire oltre 2.000 fornitori in un bacino nazionale di risorse entro la fine del 2026. L'obiettivo sale ad almeno 3.000 fornitori entro la fine del 2027.
Le province che ospitano zone pilota nazionali per l'applicazione dell'innovazione industriale AI ricevono un ulteriore obiettivo. Entro la fine del 2027, ogni provincia interessata dovrebbe avere almeno 100 aziende nel proprio bacino locale.
Si tratta di obiettivi di iscrizione, non di totali di acquisto. L'avviso non indica quanto denaro le autorità spenderanno per modelli, agenti o consumo di token.
Non identifica neppure fornitori specifici di modelli. Nessuna azienda riceve un posto garantito nel bacino e il documento non prevede alcuna allocazione di quote di mercato.
Il programma stabilisce invece quattro attività connesse. Le autorità locali devono mappare i fornitori, migliorarne le capacità di erogazione, promuovere l'adozione su larga scala e rafforzare l'infrastruttura di supporto.
L'attività relativa al bacino di risorse crea un meccanismo di individuazione e classificazione. Le autorità provinciali devono esaminare i fornitori nelle proprie giurisdizioni, comprese le imprese statali centrali registrate localmente, e creare schede aziendali.
Il MIIT combinerà le segnalazioni regionali in un bacino nazionale sulla base di standard pertinenti. Il ministero afferma che pubblicherà tale bacino al momento opportuno.
La seconda attività è incentrata sulla qualità dell'offerta. I fornitori sono incoraggiati a formare gruppi di servizi applicativi AI che combinino modelli, dati, potenza di calcolo e altre capacità.
L'avviso individua nell'adattamento software e hardware, nel coordinamento tra più modelli, nella sicurezza e nella conformità operativa sfide concrete. Incoraggia inoltre l'integrazione con sistemi operativi affidabili, database e chip per l'inferenza AI.
La terza attività riguarda l'adozione su larga scala. I fornitori dovrebbero confezionare funzioni frequenti e riutilizzabili in prodotti modulari e standardizzati che i clienti possano implementare senza ricostruire ogni componente.
Nell'ambito di tale attività, il MIIT chiede alle regioni di esplorare meccanismi di primo acquisto, primo utilizzo e compensazione del rischio. Invita poi ad aumentare l'acquisto di modelli di grandi dimensioni, agenti e servizi token.
La formulazione lascia spazio ad approcci locali diversi. Una provincia potrebbe sostenere un acquirente pilota, compensare parte del rischio di un primo insuccesso oppure organizzare programmi di incontro tra domanda e offerta.
Tuttavia, l'avviso non afferma che ogni regione debba istituire lo stesso meccanismo. Non stabilisce neppure un tasso di rimborso uniforme, una quota di acquisto o una scadenza per le domande.
La quarta attività affronta le risorse necessarie dopo che un fornitore ha conquistato un cliente. Il MIIT incoraggia i collegamenti con gli hub nazionali di calcolo e con la China Computing Power Platform.
Raccomanda inoltre voucher di calcolo, interfacce condivise, canali di prova, basi di formazione e ingegneri di implementazione sul campo. Queste misure riconoscono che l'accesso ai modelli è solo una parte di un'implementazione aziendale.
Questa struttura rende la politica più sostanziale di quanto suggerisca il suo titolo sui token. Il governo sta cercando di organizzare un mercato di fornitura delle applicazioni, con gli acquisti come uno degli strumenti sul lato della domanda.
Al tempo stesso, contano i verbi prudenti. Il MIIT invita le regioni a “esplorare” modelli di acquisto e compensazione. Non comunica l'approvazione di un budget nazionale per gli acquisti.
Questa distinzione dovrebbe guidare il modo in cui le aziende interpretano la notizia. Il cambiamento immediato è il riconoscimento politico e l'organizzazione istituzionale, non un aumento misurabile degli ordini completati.
Perché l'acquisto di token è il segnale della politica
Nominare i servizi token tratta l'inferenza AI come un input operativo acquistabile, anziché come un esperimento informale collegato a progetti software.
Un token è un'unità utilizzata dai sistemi AI per elaborare testo, codice, immagini, audio o altri contenuti leggibili dalle macchine. I fornitori misurano comunemente l'uso dei modelli tramite il conteggio dei token di input e output.
L'acquisto di token differisce dall'acquisto di una licenza software convenzionale. Il consumo può crescere con l'attività degli utenti, la lunghezza dei prompt, la complessità degli agenti, il volume dei documenti e le chiamate ripetute agli strumenti.
Un agente può consumare molte chiamate al modello per completare una singola attività aziendale. Potrebbe recuperare registri, analizzare documenti, chiamare strumenti software, verificare il proprio lavoro e preparare una risposta.
Questo schema rende difficile la definizione del budget. Un'implementazione riuscita può aumentare nettamente il consumo, mentre un agente inaffidabile può sprecare token senza produrre risultati utili.
Nominando i token accanto a modelli di grandi dimensioni e agenti, il MIIT riconosce questo livello operativo. La politica riconosce che l'adozione richiede inferenza continua, non soltanto l'accesso a un checkpoint di modello.
Il segnale si inserisce nella più ampia strategia cinese “AI Plus”. La politica AI Plus del Consiglio di Stato chiedeva una più ampia integrazione dell'AI in sei aree prioritarie entro il 2027.
La precedente politica fissava un obiettivo di adozione superiore al 70 percento per terminali intelligenti e agenti di nuova generazione. Sottolineava inoltre scienza, industria, consumi, servizi pubblici, governance e cooperazione internazionale.
Il nuovo programma del MIIT traduce questa direzione generale in una struttura di implementazione. Individua le organizzazioni di servizi chiamate a collegare i modelli ai flussi di lavoro dell'industria.
Il sostegno al primo acquisto affronta una barriera nota nell'adozione tecnologica. Gli acquirenti spesso esitano quando un prodotto non ha una storia operativa, implementazioni comparabili o regole consolidate sulle responsabilità.
Un cliente può comprendere il potenziale di un agente, pur rifiutando la prima implementazione in produzione. I rischi includono fallimenti di integrazione, esposizione dei dati, interruzione dei flussi di lavoro e costi di inferenza imprevedibili.
Il primo utilizzo sostenuto dal governo può fornire un cliente di riferimento. Tale riferimento può aiutare un fornitore a dimostrare le proprie prestazioni di erogazione agli acquirenti successivi.
La Cina dispone già di un meccanismo formale per gli appalti di innovazione collaborativa. Le regole di appalto del Ministero delle Finanze sono entrate in vigore nel giugno 2024.
Tali regole dividono i progetti idonei in una fase di ordinazione e una fase di primo acquisto. Gli acquirenti possono lavorare con i fornitori allo sviluppo, condividere il rischio di ricerca e acquistare un prodotto risultante di successo.
Il meccanismo non si applica automaticamente a ogni progetto AI. I progetti idonei richiedono un'innovazione tecnologica sostanziale e devono seguire procedure di bilancio, revisione, negoziazione, divulgazione e contrattualizzazione.
L'avviso del MIIT non integra esplicitamente il suo programma AI con ogni dettaglio di tali regole. Tuttavia, il quadro esistente mostra come il linguaggio del primo acquisto possa trasformarsi in un effettivo processo di appalto.
La compensazione del rischio affronta un problema correlato. Un cliente può evitare un sistema tecnicamente promettente perché la prima implementazione comporta costi più elevati e risultati incerti.
La condivisione di una parte di tale rischio può rendere più facile approvare un'implementazione controllata. Può anche incoraggiare gli acquirenti a testare i fornitori senza trasferire l'intero costo del fallimento su un solo reparto.
Tuttavia, la compensazione può creare incentivi deboli quando i requisiti di prestazione restano vaghi. Gli acquirenti potrebbero approvare progetti perché le perdite sono condivise, mentre i fornitori potrebbero privilegiare l'idoneità rispetto al valore misurabile.
Un programma solido necessita quindi di misure di risultato. Queste potrebbero includere completamento delle attività, tassi di errore, tempo di revisione umana, disponibilità del servizio, incidenti di sicurezza e costo totale per flusso di lavoro completato.
Il mero consumo non basta. L'acquisto di maggiore capacità di token non dimostra che un'organizzazione sia diventata più produttiva o più intelligente.
L'interpretazione più solida della politica non è quindi “la Cina comprerà token”. È che il consumo AI a consumo è entrato nel vocabolario degli appalti industriali.
Questo cambiamento può influire sul modo in cui i fornitori confezionano i propri servizi. I fornitori potrebbero dover collegare il volume di token a compiti definiti, livelli di servizio, supporto all'implementazione e controlli di conformità.
Un produttore sarà meno interessato a una bassa tariffa unitaria che a un flusso di lavoro affidabile per ispezione, manutenzione, pianificazione o ingegneria. Un'organizzazione pubblica richiederà inoltre responsabilità chiare e tracce di audit.
Gli sviluppatori di modelli affrontano un adattamento analogo. Il loro canale più forte potrebbe essere un partner di servizi che conosce uno specifico processo di fabbrica, ospedale, utility o amministrazione pubblica.
Questo crea spazio per gli intermediari, ma solleva anche questioni di responsabilità. I clienti devono sapere se ogni rischio operativo ricade sul fornitore del modello, sul fornitore dell'applicazione, sull'integratore o sull'acquirente.
La definizione del MIIT relativa ai fornitori di servizi tenta di collocare la responsabilità dell'erogazione in un punto visibile. Il bacino nazionale potrebbe rendere queste organizzazioni più facili da identificare e valutare.
Tuttavia, l'avviso non definisce ancora una scheda di valutazione universale. Promette un bacino basato su standard pertinenti, con pubblicazione prevista in un futuro non specificato.
Finché tali standard non appariranno, l'inclusione avrà un valore commerciale incerto. Le aziende non possono presumere che l'ingresso in un registro produca contatti qualificati o impegni di acquisto.
Il segnale politico è reale, ma la sua forza economica dipende dall'implementazione. Documenti di gara, budget locali e rendicontazione dei consumi riveleranno se l'acquisto di token diventerà domanda ricorrente.
La vera competizione è tra capacità di implementazione e accesso economico ai modelli
Il collo di bottiglia dell'AI in Cina si sta spostando dall'accesso all'esecuzione, dove integrazione e disciplina operativa contano più di un basso costo per token.
La concorrenza tra i fornitori cinesi di modelli ha reso sistemi capaci sempre più accessibili. Le imprese possono testare più modelli generali e specializzati senza addestrare autonomamente un modello di base.
Questa abbondanza cambia il mercato delle applicazioni. Un fornitore può instradare compiti diversi verso modelli diversi, scegliendo in base a costi, latenza, lingua, sicurezza e prestazioni nel dominio.
Il MIIT identifica specificamente il coordinamento multi-modello come una sfida tecnica. Questa inclusione suggerisce che i responsabili politici non si aspettano che un unico fornitore di modelli soddisfi ogni requisito industriale.
Un fornitore di servizi pratico può combinare un modello linguistico generale con retrieval, classificatori specializzati, database interni e software aziendale deterministico. Per le azioni sensibili, l'approvazione umana può restare obbligatoria.
Questa architettura riduce la dipendenza da un singolo modello, ma aumenta il lavoro di integrazione. Il fornitore deve testare le modifiche ai modelli, monitorare i guasti, proteggere i dati e mantenere i connettori.
L'inferenza a basso costo non elimina questi obblighi. Può persino incoraggiare un utilizzo non necessario quando i team misurano il volume degli esperimenti anziché i risultati aziendali completati.
La divisione competitiva passerà quindi tra i fornitori capaci di operare negli ambienti dei clienti e quelli che si limitano principalmente a rivendere l'accesso ai modelli.
Per questo motivo, il MIIT incoraggia team di ingegneri di deployment in prima linea. Questi ingegneri lavorano presso le sedi dei clienti, collegando i sistemi di IA a dati reali, strumenti, policy e routine del personale.
Il concetto ricorda le strategie di IA aziendale ad alta intensità di deployment utilizzate in altri mercati. Il fornitore conquista fiducia restando vicino alle operazioni, anziché consegnare un'interfaccia generica e andarsene.
Per i clienti industriali, questo approccio può essere essenziale. I sistemi di fabbrica possono coinvolgere apparecchiature datate, reti isolate, database specializzati e severi limiti ai tempi di inattività.
Il punteggio di benchmark di un modello dice poco sulla sua capacità di recuperare il corretto registro di manutenzione. Non mostra nemmeno se un agente possa riprendersi dopo il guasto di uno strumento software.
I pacchetti prodotto standardizzati offrono il vantaggio opposto. Riducono la personalizzazione puntando su funzioni frequenti, necessarie e riutilizzabili presso molti clienti.
Il MIIT vuole che i fornitori creino prodotti compatti con queste caratteristiche. L'obiettivo è evitare di trattare ogni deployment come un progetto di consulenza su misura.
Questo crea una tensione inevitabile. I clienti complessi necessitano di integrazioni ravvicinate, mentre i fornitori scalabili hanno bisogno di prodotti ripetibili e supporto prevedibile.
I fornitori di successo dovranno decidere quali livelli standardizzare. Instradamento dei modelli, valutazione, autorizzazioni, logging e controlli dei workflow possono costituire una piattaforma comune.
Le strutture dati settoriali e le regole operative potrebbero comunque richiedere adattamenti locali. I fornitori che personalizzano tutto faticheranno a scalare, mentre prodotti rigidi possono fallire nelle organizzazioni reali.
Il pool nazionale di risorse potrebbe intensificare questo processo di selezione. Migliaia di fornitori elencati competeranno per un numero limitato di deployment di riferimento credibili.
I grandi gruppi tecnologici entrano in campo con infrastrutture cloud, modelli, relazioni commerciali e vaste reti di partner. I piccoli specialisti possono rispondere con conoscenza del dominio e una consegna più rapida in sede.
Anche le aziende di software tradizionale hanno un'opportunità. Controllano già i sistemi in cui i dipendenti creano ordini, esaminano record, gestiscono apparecchiature o approvano transazioni.
Questi operatori storici possono aggiungere modelli e agenti a workflow consolidati. Il loro vantaggio risiede nella distribuzione e nel contesto del cliente, più che nella ricerca sui modelli di frontiera.
Gli integratori di sistemi occupano un'altra posizione utile. Comprendono acquisti, infrastrutture, personalizzazione e lunghi cicli di implementazione, in particolare tra acquirenti pubblici e industriali.
Tuttavia, le relazioni esistenti non garantiscono competenza nell'IA. Gli integratori devono dimostrare capacità di valutazione dei modelli, governance dei dati, controlli sugli agenti e monitoraggio continuo.
Le startup dei modelli affrontano una scelta diversa. Possono vendere consumo diretto, creare le proprie applicazioni o affidarsi a partner di servizi per la distribuzione.
Le vendite dirette preservano una relazione più stretta con il cliente. La distribuzione tramite partner può raggiungere più settori, ma può indebolire il controllo sulla qualità dell'implementazione e sul feedback dei clienti.
La policy non seleziona una di queste strutture commerciali. La sua definizione di fornitore è abbastanza ampia da includere consulenti, implementatori, operatori e specialisti della sicurezza.
Questa ampiezza favorisce la sperimentazione, ma può anche rendere meno chiari i confronti. Un fornitore di modelli, un integratore locale e una società di consulenza sulla conformità potrebbero entrare nello stesso pool con capacità molto diverse.
I clienti avranno bisogno di categorie che riflettano responsabilità reali. Altrimenti, un grande registro potrebbe diventare un elenco anziché un meccanismo affidabile di qualificazione.
Il linguaggio del programma sulla sicurezza suggerisce che il MIIT riconosca questo problema. I fornitori dovrebbero integrare sicurezza di rete, sicurezza dei dati, etica e conformità aziendale durante tutto lo sviluppo e l'operatività.
Le norme cinesi sull'IA generativa impongono già obblighi ai servizi offerti al pubblico. Questi includono protezione dei dati, controlli sui contenuti, affidabilità e requisiti di valutazione della sicurezza in casi definiti.
I deployment aziendali e industriali possono ricadere in circostanze regolatorie diverse. Ciononostante, i clienti si aspetteranno che i fornitori individuino gli obblighi applicabili prima di passare da un pilota alla produzione.
L'approvvigionamento di token comporta quindi più di una questione di fatturazione. Ogni unità di consumo può coinvolgere dati dei clienti, contenuti generati, decisioni dei modelli e azioni software automatizzate.
Un acquirente aziendale deve sapere dove i prompt vengono elaborati e conservati. Servono inoltre regole per informazioni personali, record riservati e accesso a strumenti esterni.
Gli agenti aumentano la posta in gioco perché possono agire, anziché limitarsi a rispondere. Un sistema scarsamente controllato potrebbe inviare un messaggio, modificare un record o attivare un processo operativo.
I fornitori necessitano di confini delle autorizzazioni, logging, revisione umana e procedure di recupero. Questi requisiti aggiungono costi che un semplice confronto per token non coglierà.
I migliori pacchetti di servizio collegheranno il consumo a controlli a livello aziendale. Gli acquirenti dovrebbero poter vedere quale workflow ha utilizzato la capacità, quale risultato ne è emerso e chi ha approvato le azioni sensibili.
Questo modello rende anche più semplice valutare la compensazione del rischio. Un programma locale può sostenere un deployment definito con traguardi misurabili, anziché sovvenzionare un pool non specificato di inferenza.
La concorrenza risultante premierà le prove operative. I fornitori dovranno dimostrare che i loro sistemi funzionano ripetutamente entro i vincoli del cliente relativi a dati, sicurezza e latenza.
Questo è il cambiamento più profondo dietro il titolo. L'accesso ai modelli è diventato ampiamente disponibile, mentre la distribuzione affidabile di applicazioni rimane scarsa e richiede molto lavoro.
Cosa non garantisce l'approvvigionamento di token del MIIT
L'avviso crea il permesso di sperimentare con il sostegno alla domanda, ma non garantisce budget, contratti, utilizzo o risultati positivi dell'IA.
La maggiore incertezza è finanziaria. Il MIIT fornisce obiettivi sul numero di fornitori, ma non pubblica alcuna allocazione nazionale di spesa per acquisti di modelli, agenti o token.
Il documento non stabilisce nemmeno un contributo locale minimo. Le regioni con basi industriali e condizioni fiscali differenti possono attuare il programma a velocità diverse.
Ciò significa che il linguaggio dei titoli non dovrebbe essere convertito in previsioni di ricavi. Un fornitore non può calcolare gli ordini attesi dal solo obiettivo del pool nazionale.
Più di 2.000 aziende potrebbero entrare nel pool prima della fine del 2026. L'ingresso potrebbe creare visibilità, ma anche produrre un mercato affollato con domanda differenziata limitata.
La tempistica crea un'ulteriore pressione. L'avviso è apparso quattro mesi prima della prima scadenza nazionale per il conteggio dei fornitori.
Le autorità locali devono identificare le aziende, creare registri, applicare standard e presentare informazioni entro quel periodo. La rapidità può entrare in conflitto con una valutazione tecnica dettagliata.
Un processo di iscrizione rapido può favorire credenziali aziendali facilmente verificabili. Potrebbe non cogliere le differenze operative tra chi costruisce prototipi e un fornitore esperto di produzione.
La futura piattaforma online nazionale del ministero potrebbe migliorare la trasparenza. Tuttavia, l'avviso non indica una data di pubblicazione né un insieme confermato di campi dati pubblici.
Gli acquirenti hanno bisogno di più dei nomi delle aziende. Registri utili descriverebbero i settori serviti, le dipendenze dai modelli, le capacità di sicurezza, i deployment, i risultati delle valutazioni e la copertura del supporto.
Una seconda incertezza riguarda il significato di maggiore approvvigionamento. L'espressione potrebbe comprendere acquisti pubblici diretti, programmi di imprese statali, incentivi per acquirenti privati o sussidi regionali per progetti pilota.
Questi canali seguono regole diverse. I loro budget, requisiti di divulgazione, metodi di valutazione e cicli di acquisto non sono intercambiabili.
L'attuale quadro di approvvigionamento collaborativo offre un possibile percorso. Richiede comunque un progetto qualificato, un budget approvato, un processo strutturato e traguardi contrattuali.
Pertanto, “primo acquisto” non dovrebbe essere interpretato come una preferenza automatica per un prodotto non testato. Il meccanismo è progettato per sostenere l'innovazione sostanziale gestendo al contempo il rischio di approvvigionamento.
Anche la compensazione del rischio richiede una progettazione precisa. Un programma deve identificare i fallimenti ammissibili, i costi coperti, i limiti di compensazione e i requisiti probatori.
Una compensazione mal definita può nascondere una domanda debole. Un acquirente potrebbe completare un progetto pilota sovvenzionato, ma rifiutare l'uso ricorrente quando il sostegno termina.
Il consumo ricorrente di token è un segnale utile, sebbene richieda contesto. Un volume più elevato può riflettere un'adozione riuscita, prompt inefficienti, guasti ripetuti o cicli di agenti che sprecano risorse.
Le misure di risultato devono accompagnare il consumo. Il costo per caso risolto, contratto esaminato, attività di progettazione completata o interruzione evitata offre una visione più chiara.
La valutazione indipendente sarà importante perché i fornitori hanno incentivi a presentare favorevolmente i risultati dei piloti. I clienti dovrebbero testare i sistemi su dati rappresentativi e casi limite difficili.
I team di approvvigionamento necessitano anche di piani di uscita. Un fornitore può modificare il proprio modello, metodo di pricing, pratiche sui dati o termini di supporto durante un deployment pluriennale.
Le architetture multi-modello possono ridurre il lock-in, ma il passaggio resta costoso. Prompt, valutazioni, sistemi di retrieval e connettori degli strumenti dipendono spesso dal comportamento del modello.
I requisiti di portabilità potrebbero quindi influenzare le future gare. Gli acquirenti potrebbero richiedere log esportabili, interfacce documentate, test di sostituzione dei modelli e procedure chiare per la restituzione dei dati.
Il rischio per la sicurezza resta centrale. Il MIIT chiede ai fornitori di passare da una risposta passiva a una prevenzione proattiva lungo sviluppo, deployment e operatività.
Questo linguaggio riconosce che la conformità non può essere aggiunta dopo che un agente entra in produzione. I confini dei dati e le autorizzazioni d'azione devono essere progettati prima di un utilizzo esteso.
Lo status di un fornitore nel pool nazionale non dovrebbe sostituire la due diligence del cliente. L'inclusione può indicare rilevanza per le policy senza dimostrare che ogni servizio soddisfi tutti i requisiti di ogni settore.
Sanità, finanza, energia, manifattura e pubblica amministrazione comportano ciascuna rischi operativi distinti. Un assistente d'ufficio di successo non dimostra la prontezza per un controllo industriale sensibile alla sicurezza.
La policy lascia irrisolte anche le prestazioni dei modelli. Incoraggia l'integrazione con software, database e chip di inferenza domestici sicuri e affidabili, ma non definisce uno stack obbligatorio.
Questa flessibilità può sostenere soluzioni diverse. Può anche aumentare il lavoro di testing, perché i fornitori devono validare il comportamento tra hardware, modelli e ambienti dei clienti.
Le condizioni economiche aggiungono un ulteriore vincolo. I dati sull’industria del software del MIIT mostrano che, nei primi sette mesi del 2026, i ricavi sono cresciuti più rapidamente degli utili.
I ricavi del software hanno raggiunto 8.978,5 miliardi di yuan, con un aumento del 9,2% rispetto allo stesso periodo dell’anno precedente. Gli utili totali hanno raggiunto 1.039,6 miliardi di yuan, in crescita dell’1,3%.
Queste cifre coprono l’intero settore del software e dei servizi informatici, non solo i fornitori di AI. Tuttavia, il divario illustra perché l’economia dell’erogazione meriti attenzione.
I fornitori possono aggiudicarsi progetti danneggiando al contempo i margini attraverso personalizzazioni eccessive e assistenza in loco. I bassi prezzi dei modelli non eliminano il costoso lavoro di ingegneria.
Un programma nazionale di successo deve quindi produrre soluzioni replicabili, non soltanto registrazioni di fornitori e progetti pilota sovvenzionati. L’uso commerciale ricorrente sarà il test più difficile.
Il linguaggio del documento sull’espansione all’estero introduce un’altra incertezza. Le regioni qualificate sono incoraggiate a sostenere progetti cinesi di applicazioni AI attraverso meccanismi di cooperazione internazionale.
L’implementazione transfrontaliera aggiunge complessità in materia di dati, localizzazione, contratti e regolamentazione. Un prodotto approvato in un contesto nazionale potrebbe richiedere modifiche sostanziali all’estero.
Nessuna di queste lacune invalida la politica. Mostrano perché l’avviso del 31 agosto debba essere considerato un quadro per la costruzione del mercato, piuttosto che una domanda già realizzata.
Tre segnali mostreranno se la politica crea domanda reale
Le prossime prove dovrebbero provenire dalle regole per il bacino dei fornitori, dagli acquisti locali finanziati e dall’utilizzo ricorrente legato a risultati misurabili.
Il primo segnale è lo standard di selezione del bacino nazionale di risorse. Il MIIT afferma che formerà il bacino utilizzando standard pertinenti e lo pubblicherà al momento opportuno.
Lo standard rivelerà ciò che il governo considera prioritario. Ricavi, brevetti, proprietà dei modelli, storia delle consegne, controlli di sicurezza e specializzazione settoriale favorirebbero gruppi di fornitori diversi.
Uno standard incentrato sulle prove di implementazione rafforzerebbe l’attenzione della politica sulle applicazioni. Premierebbe le aziende in grado di gestire sistemi negli ambienti dei clienti.
Uno standard incentrato soprattutto sulle credenziali aziendali indebolirebbe questa interpretazione. Potrebbe produrre un ampio registro senza distinguere la capacità produttiva dalla qualità della presentazione.
Anche la struttura delle categorie del bacino conta. Gli acquirenti devono poter distinguere fornitori di modelli, vendor di piattaforme, integratori, specialisti di dominio, operatori e fornitori di sicurezza.
Le procedure di aggiornamento pubblicate fornirebbero un altro indizio utile. Un bacino attivo dovrebbe ammettere nuovi fornitori, rimuovere le voci inattive e riflettere cambiamenti sostanziali nelle capacità.
Il secondo segnale sono gli acquisti locali finanziati. Occorre osservare avvisi di gara, accordi per i primi acquisti, regole di compensazione del rischio, voucher di calcolo e scenari pilota nominativi.
Le prove più solide includerebbero fonti di bilancio, requisiti di idoneità, traguardi e risultati pubblici. Questi dettagli trasformerebbero l’indirizzo nazionale in attività di acquisto.
La distribuzione geografica conterà quanto il numero complessivo degli annunci. Le province con zone pilota AI hanno obiettivi espliciti per i fornitori, ma le loro esigenze industriali differiscono notevolmente.
Un centro manifatturiero potrebbe dare priorità all’ispezione della qualità, alla manutenzione, alla progettazione e alla pianificazione della supply chain. Un’altra regione potrebbe concentrarsi sui servizi software, sulla pubblica amministrazione o sulle operazioni energetiche.
Queste differenze possono verificare se i pacchetti standardizzati funzionano presso clienti diversi. Una soluzione che riesce in più ambienti comparabili offre prove più solide rispetto a una singola implementazione dimostrativa.
I termini di compensazione del rischio meritano particolare attenzione. I programmi che richiedono risultati misurabili e contributi dei clienti hanno maggiori probabilità di testare una domanda autentica.
I programmi che coprono la maggior parte dei costi senza impegni successivi al pilota possono gonfiare temporaneamente l’attività. I fornitori potrebbero ottimizzare le domande di sovvenzione anziché prodotti durevoli.
Il linguaggio delle gare mostrerà inoltre se gli acquirenti acquistano capacità grezza o servizi completi. Una semplice quota di token crea poca responsabilità rispetto ai risultati aziendali.
Contratti che collegano la capacità a flussi di lavoro, livelli di servizio, set di valutazione e responsabilità di sicurezza segnalerebbero un mercato più maturo.
Il terzo segnale è il consumo ricorrente legato ai risultati. Fornitori e clienti dovrebbero dimostrare se l’utilizzo continua dopo la conclusione delle sperimentazioni e del supporto esterno.
I totali grezzi dei token non possono rispondere a questa domanda. La rendicontazione dovrebbe collegare il consumo alle attività completate, ai tassi di errore, alla revisione umana e al costo operativo totale.
I rinnovi sono particolarmente preziosi. Un cliente che amplia un’implementazione dopo aver misurato i risultati fornisce prove più solide rispetto a un fornitore che annuncia un altro progetto pilota.
Anche la diversità dei modelli può offrire un altro indizio sull’adozione. Un fornitore di servizi che utilizza più modelli per attività definite dimostra che il livello applicativo controlla la relazione con il cliente.
Al contrario, le applicazioni che collassano quando cambia un solo modello rivelano un’integrazione fragile. Le regole di approvvigionamento potrebbero infine richiedere test di sostituibilità o piani di continuità.
Anche i registri di sicurezza influenzeranno la domanda. Un incidente grave che coinvolga dati riservati o azioni non autorizzate degli agenti potrebbe rallentare gli acquisti in diversi settori.
Una gestione trasparente degli incidenti sosterrebbe la fiducia. I fornitori necessitano di monitoraggio, responsabilità documentate e un processo chiaro per limitare i sistemi interessati.
La capacità ingegneristica sul campo dovrebbe crescere insieme ai contratti. Se i fornitori elencati assumono specialisti dell’implementazione, ciò suggerirebbe che si aspettano lavoro operativo anziché il solo status di iscrizione al registro.
I prossimi uno-tre mesi forniranno prove iniziali, anche se non un verdetto completo. Il MIIT deve agire rapidamente per avvicinarsi al suo obiettivo di fornitori entro la fine del 2026.
Anche le agenzie locali hanno bisogno di tempo per trasformare il linguaggio nazionale in programmi conformi. L’assenza di spesa immediata non dimostrerebbe un fallimento, ma annunci vaghi privi di dettagli sugli acquisti indebolirebbero la tesi della domanda.
Per gli sviluppatori, questa politica favorisce l’affidabilità misurabile rispetto alla qualità dimostrativa. I prodotti necessitano di valutazioni, controlli delle autorizzazioni, reportistica sull’utilizzo e percorsi di ripristino prima di entrare in flussi di lavoro con conseguenze rilevanti.
Per gli acquirenti aziendali, crea un motivo per esaminare i progetti pilota supportati senza abbassare gli standard tecnici. La compensazione dovrebbe ridurre il rischio di adozione, non sostituire la due diligence.
Per i lavoratori della conoscenza, l’effetto pratico apparirà quando gli agenti verranno integrati nei flussi di lavoro approvati. Più acquisti possono ampliare l’accesso, ma l’utilità dipende da informazioni affidabili e azioni responsabili.
La domanda duratura non è quanti token acquistino i programmi pubblici. È se ogni unità aiuti un fornitore a completare un’attività replicabile che i clienti scelgono di finanziare nuovamente.
Seguite i primi criteri pubblicati per i fornitori, i primi contratti locali finanziati e i primi rinnovi verificati. Insieme, questi segnali mostreranno se il linguaggio del MIIT sui token abbia creato un mercato operativo o soltanto un titolo politico.
