I modelli diventano una commodity: vendere la frontiera, valutare la tassa sui token

Nelle ultime lettere ho sostenuto che il segnale più attendibile dell’investimento nell’IA è il prezzo del calcolo e che l’era del token-maxxing, quando spendere in calcolo era esibito come prova di serietà, stava finendo. In primavera, il prezzo a pronti di una Nvidia H100 è quasi raddoppiato, arrivando intorno a USD 3 l’ora: ho suggerito di seguire quella linea più attentamente di qualsiasi presentazione dei risultati aziendali. Lo farei ancora.

Questo articolo affronta la domanda successiva. Se il calcolo è il costo, il modello è il prodotto che vi si costruisce sopra. E il prodotto diventa economico. La frontiera continua ad avanzare: a crollare è la distanza tra la frontiera e il gratuito. Prima si misurava in anni, ora in mesi. Quando il divario tra il miglior modello acquistabile e il miglior modello scaricabile gratuitamente si chiude così rapidamente, l’economia delle società che vendono modelli chiusi cambia in un modo che le valutazioni private non hanno ancora riconosciuto.

La conclusione è nel titolo. Per un investitore generalista, i laboratori di frontiera sono la parte di questa storia da possedere con maggiore prudenza ai prezzi attuali. Il valore durevole è un livello più in basso, nel calcolo e nell’elettricità che ogni modello deve ancora noleggiare. E la questione più importante da valutare nei prossimi due anni è politica: chi scriverà la prima tassa significativa sull’uso dell’IA e se sarà l’industria stessa.

La parità arriva in pochi mesi

Cosa significano davvero «frontiera» e «pesi aperti». Un modello di frontiera è semplicemente il sistema IA più capace disponibile in un dato momento, quello per cui i principali laboratori, OpenAI e Anthropic negli Stati Uniti, chiedono di più. Un modello a pesi aperti è un modello il cui «cervello» finito, i numeri addestrati che lo fanno funzionare, è pubblicato perché chiunque possa scaricarlo ed eseguirlo sulle proprie macchine. Nessuno deve pagare il laboratorio originale per usarlo. Per tre anni i laboratori di frontiera hanno avuto un vantaggio confortevole: il miglior modello aperto gratuito era circa un anno indietro rispetto al miglior modello acquistabile.

Quel vantaggio si riduce. Gli ultimi modelli cinesi a pesi aperti, tra cui Kimi K3 di Moonshot attira più attenzione quest’estate, arrivano vicini alla frontiera a pagamento entro pochi mesi da ogni nuova versione chiusa, a una frazione del costo di esecuzione. Il divario preciso nei benchmark merita verifiche indipendenti, ma la direzione non è in dubbio e concorda con un dato dichiarato dalla stessa direttrice finanziaria di OpenAI: il costo per eseguire un dato livello d’intelligenza è sceso di circa il 97% in due anni, da GPT-4 a GPT-4o. Quando il costo della frontiera di ieri cala così tanto, la frontiera di ieri diventa il regalo di oggi.

La direttrice finanziaria di OpenAI ha espresso chiaramente la strategia di sopravvivenza: il vantaggio durevole è «il contesto e la memoria, non il modello». Leggetela come un’ammissione. Quando chi costruisce la società IA di maggior valore al mondo dice che il modello non è più la barriera competitiva, il modello non è più la barriera competitiva. L’intelligenza diventa un servizio di base. Il valore migra verso chi controlla le risorse scarse sottostanti e la relazione con il cliente sovrastante.

Il problema dei token nascosti

Metà della fattura è un blocco di appunti che non vedete mai. I sistemi IA vengono fatturati per token, approssimativamente frammenti di parole, contando tutto ciò che leggono e scrivono. I modelli più recenti sono modelli «di ragionamento»: prima di rispondere, generano una lunga sequenza privata di ragionamento, risolvendo il problema passo dopo passo. Gran parte di quegli appunti non è visibile. Li pagate tutti. Nell’attuale generazione di modelli, una quota elevata dei token in fattura è costituita da questi «token nascosti»; nelle modalità di ragionamento più intensive, secondo le rilevazioni, supera la metà. Come ordine di grandezza, più di un token fatturato su due è pensiero invisibile.

Ecco perché conta per i laboratori chiusi. Finché la frontiera era nettamente avanti, i clienti accettavano di pagare gli appunti perché le risposte erano migliori di ogni alternativa. Affiancatevi un modello a pesi aperti abbastanza valido, eseguito internamente al costo, e il calcolo si ribalta. I numeri fanno già riflettere, come ho spiegato il mese scorso: un agente lasciato continuamente attivo su un’API di frontiera può costare circa USD 300 al giorno, circa USD 100’000 l’anno, per forse un quinto di un posto di lavoro. Chiedete a un direttore finanziario di continuare a pagare questa cifra quando un modello scaricabile svolge il 90% del lavoro al costo dell’elettricità: il potere di prezzo dell’API chiusa inizia a cedere. Questa primavera si è riferito che Microsoft limitava l’uso di Claude, mentre Uber ha dichiarato di aver esaurito il budget IA annuale ad aprile. La domanda d’intelligenza è solida. Questi episodi mostrano la relativa fattura che arriva su un conto economico reale.

L’effetto sull’economia dei laboratori chiusi

Un prodotto che diventa ordinario, finanziato come se fosse scarso. Nei finanziamenti privati e nelle discussioni pre-IPO, i laboratori di frontiera vengono valutati come se il loro vantaggio fosse permanente. Un multiplo pre-IPO è semplicemente il prezzo pagato dagli investitori privati per una partecipazione prima della quotazione; oggi presuppone che il modello resti speciale. Anthropic sarebbe vicina al primo trimestre redditizio e a una possibile quotazione in ottobre. OpenAI prevede una perdita di circa USD 14 miliardi nel 2026. Il capitale che sostiene il sistema è enorme e circolare: un accordo di calcolo di Anthropic da USD 45 miliardi in tre anni, secondo le notizie; Amazon che investe fino a USD 25 miliardi in Anthropic; Nvidia che impegna fino a USD 100 miliardi in OpenAI, la quale ne spende gran parte nuovamente in chip. Il denaro passa dal produttore di chip al laboratorio, al cloud e poi torna indietro.

Finché la liquidità si espande, sembra un circolo virtuoso. Il giorno in cui si ferma, appare come finanziamento da parte dei fornitori. E il prodotto al centro del circuito è proprio l’elemento della catena che perde più rapidamente la propria scarsità.

Resto fedele alla qualità dell’impresa, secondo una lettura che Bill Ackman riconoscerebbe: possedere attività difendibili che generano cassa, rifiutando prezzi da sogno per una narrazione. Oggi un laboratorio di frontiera ha flussi di cassa liberi negativi, un prodotto la cui soglia di prezzo è fissata da un modello cinese scaricabile gratis e un bilancio intrecciato con i propri fornitori. È il profilo che un investitore dovrebbe essere più riluttante ad acquistare con un premio da mercato privato, per quanto buona sia la tecnologia, che è davvero straordinaria. Lo stesso istituto di Anthropic scrive che il proprio modello «è passato da utilissimo a sovrumano in meno di un anno». Entrambe le cose sono vere: la capacità è reale e l’attività che la vende si sta standardizzando. L’investitore viene remunerato in funzione del secondo fatto, non del primo.

Dove si trova il valore durevole

Possedere il vincolo sottostante e lasciare che l’astrazione superiore diventi economica. È la stessa conclusione raggiunta dal lato del calcolo, ora raggiunta dal lato dei modelli: di solito è un segnale favorevole alla sua validità. Quando il modello diventa un servizio di base, il denaro va a chi fornisce le risorse scarse su cui funziona: chip, aziende che costruiscono le macchine necessarie a produrli, ottica, reti e soprattutto generazione elettrica e rete. Secondo i calcoli di OpenAI, un gigawatt di calcolo equivale a circa USD 10 miliardi di ricavi annui per chi lo fornisce. Questo numero non dipende dal modello vincente: viene incassato sia con un’API a pagamento di San Francisco sia con un modello gratuito scaricato da Pechino.

Il livello dei modelli diventa una commodity. Quello sottostante, fisico, autorizzato e lento da costruire, no. Per un investitore generalista è il luogo più chiaro dove detenere un’esposizione all’IA: il pedaggio della strada anziché l’auto del momento. Il segnale d’uscita resta quello già descritto: un vero rallentamento delle intenzioni d’investimento dei grandi operatori cloud, con costruzioni rinviate, ordini sospesi e passaggio dall’espansione della capacità alla difesa dei margini. Le notizie su una quota significativa di data center statunitensi previsti che vengono rinviati o cancellati sono il primo dato che potrebbe diventare quel segnale. Non lo è ancora diventato.

La liquidità che sostiene il sistema

Nulla si rompe finché il denaro continua a espandersi. Voglio essere trasparente su ciò che sostiene il finanziamento circolare. La massa monetaria ampia statunitense cresce di circa il 5.6% annuo, quindi si espande, e il bilancio della Fed resta vicino a USD 6.75 mila miliardi. La politica è lievemente restrittiva, i tassi reali a breve sono appena intorno a +0.2% e la curva dei rendimenti è tornata positiva. Nel quadro di Michael Howell, rifinanziamento e garanzie, non il livello dei tassi, guidano la liquidità globale: la marea sale, non scende. È la liquidità crescente a permettere a un produttore di chip di finanziare un laboratorio che finanzia un cloud che compra i chip, e al mercato di chiamare il circuito virtuoso.

La standardizzazione che descrivo è quindi un fatto strutturale che agisce sotto una liquidità favorevole. L’economia dei laboratori di frontiera si erode comunque. Che l’erosione emerga come una rivalutazione graduale o brusca dipende dalla liquidità. Un arresto della crescita monetaria o degli investimenti dei grandi operatori cloud trasforma una compressione lenta in una rapida. Considero questa tempistica un rischio da seguire, non una previsione.

La tassa sui token

La prossima barriera competitiva sarà scritta nella legge. Questa è la parte che ritengo non sia affatto incorporata nei prezzi e il motivo per cui scrivo ora, non tra sei mesi. Quando l’economia privata di una tecnologia crolla, le aziende che perdono la propria barriera competitiva raramente lo accettano in silenzio. Ne cercano un’altra. Il luogo più affidabile per trovare una barriera che il codice non possa dissolvere è la regolamentazione.

In aprile ho esaminato un importante studio accademico, «The AI Layoff Trap» di Falk e Tsoukalas, secondo cui soltanto una tassa pigouviana sull’automazione potrebbe correggere completamente il danno imposto alla collettività dalle aziende che competono per sostituire i lavoratori. Una tassa pigouviana rende il prelievo pari al danno causato da un’attività a chi è estraneo alla transazione: come tassare l’inquinamento perché una fabbrica sostenga il costo degli scarti scaricati nel fiume. Ritenevo serio l’argomento e lo ritengo ancora. Non avevo però esplicitato chi ne beneficerebbe se l’idea diventasse una politica pubblica.

Una tassa sull’uso dell’IA, un prelievo per token, una licenza di sicurezza o una verifica obbligatoria prima dell’impiego verrebbero presentati al pubblico come protezione dei lavoratori e contenimento di una tecnologia pericolosa. Potrebbero anche produrre in parte tali effetti. Ma osservate l’effetto indiretto: costi fissi di conformità, licenze, verifiche e un prelievo per token colpiscono soprattutto il concorrente il cui prodotto è altrimenti gratuito. Un modello a pesi aperti dal prezzo di USD 0 e con obblighi di conformità da USD 10 milioni non è più gratuito. I laboratori di frontiera, il cui potere di prezzo viene eroso proprio da quei modelli, hanno ogni incentivo a contribuire alla norma. È la cattura del regolatore: le imprese che la norma dovrebbe limitare finiscono per scriverla in modo da proteggersi. Una politica presentata come freno all’IA diventa la barriera che la tecnologia aveva appena eliminato.

Questo conflitto è un evento distinto e valutabile: voglio trattarlo come un nodo autonomo, non come rumore di fondo. Si comporta come un cambiamento di politica che si propaga su molti attivi e per cui è possibile posizionarsi in anticipo, come il mercato ha imparato a valutare lo shock iraniano attraverso le ragioni di scambio anziché come rischio generico. Una tassa significativa sui token allargherebbe il divario tra infrastruttura, remunerata in ogni caso, e applicazioni, che pagano il prelievo. Sarebbe discretamente favorevole ai laboratori affermati che nominalmente prende di mira e negativa per le numerose piccole imprese nate sull’IA e basate su modelli aperti economici. Arriverebbe sotto forma di tutela dei consumatori, e questo la renderebbe difficile da anticipare.

Ho una forte convinzione sulla direzione, debole sulla tempistica. L’incentivo alla cattura del regolatore è strutturale e sono convinto che esista. Non so prevedere quando arriverà la prima proposta significativa né se sarà approvata da un legislatore.

Cosa osservo adesso

Il segnale decisivo sarà l’autore. Quando apparirà il primo quadro significativo di tassazione o licenza per l’uso dell’IA, leggete chi l’ha scritto prima di leggerne il contenuto. Una proposta contro i laboratori di frontiera, che limita i prezzi o impone l’apertura dei pesi, indica una direzione. Una proposta che i laboratori hanno discretamente contribuito a scrivere, piena di soglie di conformità irraggiungibili per un modello gratuito, indica la direzione opposta, usando il linguaggio della sicurezza. Stesso titolo, investimento opposto.

La domanda sull’autore è centrale. Kimi K3 ci ha mostrato che il modello diventa una commodity. Il prossimo capitolo è capire se l’industria lo lascerà economico oppure andrà dal legislatore per riacquistare la barriera che il codice ha ceduto. Leggerò le condizioni dettagliate, non il comunicato stampa.

Ricerca e commento sui mercati per un pubblico generale, non consulenza d’investimento personalizzata. Diverse cifre sono intervalli riportati o ordini di grandezza, indicati nel testo, da verificare indipendentemente prima di farvi affidamento.