Come l'Europa sta recuperando terreno con l'"intelligenza artificiale modulare": la trappola dei prezzi dei principali modelli linguistici statunitensi – Immagine: Xpert.Digital
L'architettura della libertà: perché l'Europa deve affidarsi a modelli linguistici modulari
Chi controlla i modelli controlla la conoscenza, e l'Europa continua a guardare
Il mercato globale dei modelli linguistici su larga scala assomiglia a un oligopolio con uno schema familiare. Poche aziende tecnologiche statunitensi determinano quali modelli sono disponibili, a quali condizioni possono essere utilizzati e quali architetture informative supportano. Nel segmento enterprise, tre fornitori si sono divisi la parte del leone nel 2025: Anthropic controllava circa il 40% della spesa aziendale per i modelli linguistici, OpenAI il 27% e Google il 21%. L'intero mercato enterprise statunitense per l'IA generativa è triplicato, raggiungendo circa 37 miliardi di dollari. I fornitori europei non svolgono un ruolo misurabile in queste statistiche.
Questa concentrazione non è solo un problema economico; è un problema per la democrazia. I modelli linguistici monolitici funzionano come scatole nere per i loro utenti. I loro dati di addestramento, le ponderazioni interne, le strutture di pregiudizio e le logiche decisionali rimangono opachi. In una società aperta che si basa sulla diversità di opinioni, sulla verificabilità e sul controllo istituzionale, questa mancanza di trasparenza rappresenta un rischio sistemico. I regimi autocratici possono utilizzare architetture di intelligenza artificiale centralizzate come strumenti di sorveglianza e controllo delle informazioni. Le democrazie hanno bisogno dell'opposto: trasparenza, modularità e capacità di autocorrezione.
Correlato a questo:
La favola dell'intelligenza artificiale aperta dall'estero
La risposta comune al problema della sovranità è spesso che l'Europa può fare affidamento su modelli di valutazione aperti come quelli degli Stati Uniti o della Cina. Questo approccio è ingenuo e strategicamente miope per diverse ragioni.
I modelli di intelligenza artificiale open-weight come la famiglia Llama di Meta operano con licenze comunitarie unilaterali che possono essere modificate, limitate o revocate in qualsiasi momento. Le aziende dietro questi modelli non agiscono per altruismo, ma piuttosto per calcolo strategico. Nel luglio 2025, Meta ha dimostrato il suo disprezzo per gli interessi europei rifiutandosi di firmare il Codice di condotta volontario dell'UE per l'intelligenza artificiale. Joel Kaplan, Vicepresidente per gli Affari Globali di Meta, ha dichiarato pubblicamente che l'Europa era sulla strada sbagliata per quanto riguarda l'intelligenza artificiale e ha criticato il codice, accusandolo di eccessiva regolamentazione e soffocando l'innovazione. Questo è degno di nota perché Meta prevede contemporaneamente di posizionare in modo aggressivo i suoi modelli di intelligenza artificiale sul mercato europeo, ad esempio integrandoli negli smartphone Qualcomm e negli occhiali Ray-Ban.
Modelli cinesi come DeepSeek sono tecnologicamente impressionanti. DeepSeek V3 è stato addestrato con un costo di soli 5,6 milioni di dollari, mentre GPT-4 è costato tra i 78 e i 191 milioni di dollari. Tuttavia, per applicazioni rilevanti per la sicurezza, industriali o pubbliche in Europa, i modelli cinesi sono spesso inadatti, per motivi normativi, geopolitici o di protezione dei dati.
Il vero problema risiede nel copione dell'economia delle piattaforme: le aziende statunitensi attirano i clienti con prezzi di ingresso bassi e ponderazioni trasparenti. Le aziende implementano questi modelli nei loro processi, sostituiscono i lavoratori umani con le macchine e ne diventano dipendenti. Una volta che questa dipendenza si instaura e i modelli sono maturi, i prezzi aumentano. I clienti devono trasferire questi costi, senza alcuna garanzia che i loro clienti siano disposti ad accettare l'aumento dei prezzi. OpenAI può permettersi strategie di prezzo aggressive perché i soli abbonamenti a ChatGPT generano 3,6 miliardi di dollari all'anno, sovvenzionando così i prezzi delle API. Le aziende europee non hanno una posizione contrattuale paragonabile in questo gioco.
Il divario degli investimenti: il deficit strutturale dell'Europa
Le cifre parlano da sole. Nel 2023, si stima che nell'UE siano stati investiti 8 miliardi di dollari nell'IA. Negli Stati Uniti, 68 miliardi di dollari e in Cina 15 miliardi di dollari. Le startup europee di IA attraggono solo il 6% dei finanziamenti globali per l'IA, mentre le startup statunitensi ne ricevono il 61%. La Commissione europea ha annunciato un programma da 200 miliardi di euro con la sua iniziativa InvestAI, di cui 50 miliardi di euro provenienti da fondi pubblici e 150 miliardi di euro da investitori privati. Resta da vedere se queste somme saranno effettivamente mobilitate. A titolo di confronto, la sola amministrazione Trump ha promesso 500 miliardi di dollari per programmi di sviluppo dell'IA comparabili.
In questo contesto di affidabilità transatlantica in declino, l'Europa si trova di fronte a una decisione strategica fondamentale. Finora, non è stato possibile mettere in comune dati, talenti e risorse finanziarie in modo da creare modelli di base con diverse centinaia di miliardi di parametri in numerose lingue europee. Gli ostacoli istituzionali tra Paesi, istituti di ricerca e aziende sono considerevoli. Le politiche aziendali, la mentalità isolata e i requisiti normativi spesso impediscono persino la fusione di quantità di dati relativamente modeste.
Intelligenza modulare: il vantaggio asimmetrico dell'Europa
Se l'Europa non riesce a vincere la corsa per il più grande modello monolitico, deve cambiare le regole del gioco. Le architetture modulari offrono proprio questa possibilità. Richiedono risorse significativamente inferiori in termini di GPU, dati e talenti e possono essere sviluppate in modo decentralizzato. Questo è un aspetto cruciale in periodi di mercati incerti e budget per la ricerca spesso a breve termine.
L'elemento fondamentale degli approcci modulari è l'architettura Mixture-of-Experts (MoE). Modelli di grandi dimensioni come ChatGPT, DeepSeek e Mistral utilizzano già internamente meccanismi MoE. Per ogni input, vengono attivati solo esperti specializzati selezionati, utilizzando così le risorse di calcolo in modo efficiente. L'Allen Institute for AI ha notevolmente migliorato questo approccio con FlexOlmo e lo ha rilasciato come soluzione open source disponibile in commercio. FlexOlmo utilizza un'architettura 7x7B con un totale di 33 miliardi di parametri, in cui ogni esperto viene addestrato in modo indipendente su set di dati locali non condivisi. I risultati sono notevoli: un miglioramento relativo del 41% rispetto ai modelli puramente pubblici e una superiorità del 10,1% rispetto ai precedenti metodi di fusione, confermati in 31 benchmark e presentati a NeurIPS 2025.
La chiave di FlexOlmo è il suo paradigma di collaborazione sui dati senza condivisione dei dati. Ogni proprietario dei dati crea il proprio esperto localmente, sulla base di un modello di base pubblico condiviso. Un router apprende quali esperti forniscono le risposte migliori a quali query. Gli esperti possono essere attivati o disattivati in qualsiasi momento e, in un attacco di ricostruzione mirato, è possibile recuperare al massimo lo 0,7% dei dati di training. Con misure di pseudonimizzazione, questa percentuale potrebbe essere ridotta a meno dello 0,1%, il che soddisferebbe persino i rigorosi requisiti europei in materia di protezione dei dati. Questo concetto è adatto sia per l'utilizzo all'interno di un'azienda, tra le diverse divisioni, sia per l'apprendimento distribuito tra più aziende.
Una nuova dimensione della trasformazione digitale con 'Managed AI' (Intelligenza Artificiale) - Piattaforma e soluzione B2B | Xpert Consulting
Una nuova dimensione della trasformazione digitale con 'Managed AI' (Intelligenza Artificiale) – Piattaforma e soluzione B2B | Xpert Consulting - Immagine: Xpert.Digital
Qui scoprirai come la tua azienda può implementare soluzioni di intelligenza artificiale personalizzate in modo rapido, sicuro e senza elevate barriere all'ingresso.
Una piattaforma di intelligenza artificiale gestita è la soluzione completa e senza pensieri per l'intelligenza artificiale. Invece di dover gestire tecnologie complesse, infrastrutture costose e lunghi processi di sviluppo, riceverai una soluzione pronta all'uso, su misura per le tue esigenze, da un partner specializzato, spesso entro pochi giorni.
I principali vantaggi in sintesi:
⚡ Implementazione rapida: dall'idea all'applicazione pronta all'uso in pochi giorni, non mesi. Forniamo soluzioni pratiche che creano un valore aggiunto immediato.
🔒 Massima sicurezza dei dati: i tuoi dati sensibili restano con te. Garantiamo un'elaborazione sicura e conforme alle normative, senza condividere i dati con terze parti.
💸 Nessun rischio finanziario: paghi solo per i risultati. Gli elevati investimenti iniziali in hardware, software o personale vengono completamente eliminati.
🎯 Concentrati sul tuo core business: concentrati su ciò che sai fare meglio. Ci occupiamo dell'intera implementazione tecnica, del funzionamento e della manutenzione della tua soluzione di intelligenza artificiale.
📈 A prova di futuro e scalabile: la tua IA cresce con te. Garantiamo ottimizzazione e scalabilità continue e adattiamo i modelli in modo flessibile alle nuove esigenze.
Maggiori informazioni qui:
Progetto SOOFI: la fabbrica di intelligenza artificiale tedesca sta sviluppando la risposta europea a ChatGPT
Modelli di ragionamento: logica invece di dimensione
Un secondo componente cruciale sono i modelli di ragionamento di grandi dimensioni. Modelli come ChatGPT-o3, DeepSeek R1 o OLMo 2 sono progettati per risolvere problemi complessi attraverso un ragionamento logico graduale, creando catene di argomentazioni coerenti. Utilizzano tecniche come il suggerimento della catena di pensiero per scomporre i problemi in singoli passaggi e il ragionamento simbolico per analizzare le relazioni logiche. Il 2025 è stato ampiamente definito l'Anno del Ragionamento, un anno in cui RLVR e GRPO hanno posto l'insegnamento di modelli per il ragionamento logico al centro dei loro sforzi di sviluppo.
Di particolare rilevanza per l'Europa è l'economicità di questi modelli. Addestrare DeepSeek R1 basato su DeepSeek V3 è costato solo 294.000 dollari in più. I modelli di ragionamento utilizzano ed estendono le conoscenze dei modelli base, motivo per cui possono essere sviluppati anche con infrastrutture informatiche limitate. Modelli di ragionamento specifici per dominio esistono già per la programmazione, la matematica e la medicina. Il progetto SOOFI prevede esplicitamente di sviluppare un modello di ragionamento parallelamente al LLM di base.
Ciò apre concrete opportunità di business per le aziende: le richieste dei clienti, le analisi degli errori, le revisioni legali e le valutazioni mediche preliminari possono essere elaborate in modo automatico e trasparente. Ciò non solo consente di risparmiare tempo, ma riduce anche i costi associati agli errori. Le medie imprese e i reparti specializzati possono sviluppare soluzioni di intelligenza artificiale personalizzate senza grandi investimenti, inizialmente basate su modelli open source esistenti e successivamente migrate a un modello di base europeo.
Correlato a questo:
Agenti nel calcolo in fase di test: intelligenza in fase di esecuzione
Il terzo componente dei sistemi modulari è costituito dagli agenti nel calcolo in fase di test. In questo approccio, un modello linguistico genera inizialmente potenziali risposte durante l'inferenza. Agenti altamente specializzati verificano poi in modo indipendente queste risposte. Il vantaggio principale: i costi del calcolo in fase di test sono diminuiti significativamente nel corso degli anni e gli aggiustamenti del modello durante l'addestramento non sono più necessari.
L'esempio più impressionante della potenza di questo approccio è stato fornito da Microsoft con il suo AI Diagnostic Orchestrator. MAI-DxO utilizza cinque agenti di intelligenza artificiale specializzati, ciascuno dei quali svolge ruoli medici diversi: un generatore di ipotesi, un selettore di test, un interprete di prove, un creatore di consenso e un diagnostico finale. In un confronto con 304 casi complessi tratti dal New England Journal of Medicine, il sistema ha raggiunto un tasso di diagnosi dell'85,5%, mentre i medici esperti, in condizioni limitate, hanno diagnosticato correttamente solo il 20% dei casi. Allo stesso tempo, il sistema ha ridotto del 28% la necessità di esami di laboratorio e di diagnostica per immagini.
Questo paradigma generatore-verificatore può essere implementato da singole aziende, anche con il proprio personale IT. Gli agenti possono essere sviluppati in modo indipendente, consentendo uno sviluppo distribuito. Molte aziende possono ora permettersi questo approccio perché non sono necessarie complesse modifiche al modello.
Progetto SOOFI: la risposta dell'Europa sta prendendo forma
Il progetto SOOFI dimostra che l'Europa è in grado di agire non solo teoricamente, ma anche praticamente. SOOFI sta per Sovereign Open Source Foundation Models ed è uno dei progetti più ambiziosi per rafforzare la sovranità europea in materia di intelligenza artificiale. Un consorzio di sei istituti di ricerca tedeschi, tra cui Fraunhofer IAIS, Fraunhofer IIS, DFKI e le Università di Würzburg, Hannover e TU Darmstadt, sta sviluppando un modello di linguaggio aperto con circa 100 miliardi di parametri insieme a due startup.
Il Ministero Federale Tedesco per l'Economia e l'Energia finanzierà il progetto con 20 milioni di euro fino a luglio 2026. Il modello verrà addestrato nell'Industrial AI Cloud di T-Systems, una delle più grandi fabbriche di intelligenza artificiale d'Europa, con oltre 10.000 GPU, una potenza di calcolo di 0,5 exaFLOPS e una capacità di archiviazione di circa 20 petabyte. SOOFI è destinato a sostituire l'attuale modello Teuken-7B, sviluppato da Fraunhofer nel 2024 come modello europeo multilingue con sette miliardi di parametri. Oltre al modello base, è in fase di sviluppo anche un modello di ragionamento in grado di elaborare un pensiero strutturato e di risolvere problemi multi-fase.
Il finanziamento è erogato attraverso l'iniziativa 8ra, istituita da dodici Stati membri dell'UE. Parallelamente, Germania e Francia hanno lanciato un'altra iniziativa, il Dialogo Franco-Tedesco tra Dirigenti di AI, che coinvolge aziende europee leader come Siemens Energy, Deutsche Telekom, Arte e Schwarz Digits. L'obiettivo è una roadmap per l'IA in Europa orientata al settore e focalizzata sull'implementazione, guidata da Fraunhofer, Inria e l'Istituto Mines-Telecom come partner principali.
La triade della sovranità europea
Gli elementi costitutivi tecnologici danno vita a un piano concreto in tre fasi, realizzabile nell'ambito dell'attuale quadro europeo.
Il primo passo consiste nel promuovere un modello di base europeo come iniziativa di esperti misti, concepito come misura infrastrutturale open source. Lo sviluppo di un modello aperto e ad alte prestazioni è l'equivalente digitale della rete elettrica o di trasporto. SOOFI e Teuken costituiscono il punto di partenza. Il modello di base può essere gradualmente ampliato con dati di alta qualità, specifici per dominio, e come architettura di un Modello di Impresa (MoE).
Il secondo passaggio prevede la creazione di modelli di ragionamento specializzati, supportati dalle aziende. Questi progetti sono significativamente meno complessi dei modelli di base per l'addestramento. Inizialmente, i modelli di ragionamento si baserebbero su modelli di base open source esistenti, provenienti dagli Stati Uniti o da Mistral, per poi migrare verso un modello di base europeo. Team più piccoli potrebbero ottenere risultati sostanziali con budget nell'ordine delle sei-sette cifre.
Il terzo passaggio prevede l'espansione dell'uso di agenti nel calcolo in fase di test, creando modularità, cicli di feedback ed ecosistemi. Le aziende possono estendere i modelli con agenti in parallelo. I dati di feedback risultanti migliorano i modelli di ragionamento, che a loro volta arricchiscono i modelli di base con ulteriore conoscenza del mondo. Questo crea un sistema circolare che si migliora con ogni nuovo esperto aggiunto al modello di base. Questo ecosistema di apprendimento sarebbe aperto ad aziende, mondo accademico e comunità open source.
La finestra si chiude: azione invece di speranza
La situazione strategica è chiara. Finché verrà mantenuto l'accesso a modelli aperti, l'Europa potrà perseguire la strada dei modelli linguistici modulari. I prerequisiti sono presenti: un elevato livello di integrazione verticale nell'industria, un ricco bacino di talenti presso università e istituti di ricerca e un quadro normativo che esige trasparenza e protezione dei dati, il che, con le architetture modulari, non rappresenta uno svantaggio, bensì un vantaggio competitivo.
Tuttavia, questa finestra di opportunità non è illimitata. Mentre la tendenza verso modelli linguistici regionali e specializzati è in aumento in tutto il mondo, il predominio dei fornitori statunitensi si consolida di trimestre in trimestre. Entro il 2026, sarà evidente un netto passaggio da modelli linguistici monolitici ad agenti di intelligenza artificiale specializzati e autonomi. Le aziende europee che non riusciranno a sviluppare le proprie competenze ora, dipenderanno interamente da fornitori esterni entro pochi anni, in modo simile alla situazione dei servizi cloud, dove l'Europa è diventata un mero utilizzatore di tecnologie core straniere.
Le tecnologie necessarie esistono, i concetti sono stati testati e i primi progetti sono in corso. Ciò che manca non è la fattibilità tecnica, ma la volontà politica e imprenditoriale di ampliare questi approcci. L'Europa si trova di fronte a una scelta tra l'autonomia tecnologica attraverso un'architettura intelligente e la dipendenza perpetua attraverso l'inazione. La decisione deve essere presa ora.
Il tuo partner globale per il marketing e lo sviluppo aziendale
☑️ La nostra lingua aziendale è l'inglese o il tedesco
☑️ NOVITÀ: Corrispondenza nella tua lingua madre!
Konrad Wolfenstein
Io e il mio team saremo lieti di essere a tua disposizione come tuo consulente personale.
Puoi contattarmi compilando il modulo di contatto qui wolfenstein@xpert.digital:o semplicemente chiamandomi al numero +49 7348 4088 965. Il mio indirizzo email è
Non vedo l'ora di iniziare il nostro progetto comune.
