UBS: I modelli a basso costo non sconvolgeranno il ciclo di investimenti in IA, i giganti dei chip e del cloud saranno i vincitori finali

Secondo l'APP di Finanza Intelligente, la rapida diffusione dei modelli di intelligenza artificiale open source a basso costo sta cambiando radicalmente il modo in cui le aziende implementano l’AI. Tuttavia, in un recente rapporto UBS ha sottolineato chiaramente che questo cambiamento non interromperà il ciclo degli investimenti in AI, ma al contrario renderà i produttori di chip e i fornitori di infrastrutture cloud i veri vincitori, mentre le software house dovranno affrontare nuove sfide in termini di redditività.

Karl Keirstead, analista di UBS, ha sottolineato nel report pubblicato il 21 luglio che l’attenzione degli investitori si è spostata su due trend strettamente collegati: la compressione sistematica dei costi Token nelle aziende e la migrazione accelerata del carico di lavoro verso modelli open source più economici. Il rapporto, basato su discussioni approfondite con oltre 15 aziende private di AI — tra cui Perplexity, Harvey, Glean, Cursor, ElevenLabs e Fireworks — arriva a una conclusione centrale: l’industria AI sta passando dalla fase estensiva del “uso indifferenziato del modello più potente” a una nuova fase, guidata dall’efficienza, in cui si configura il modello in modo mirato in base alla difficoltà del compito.

Dal “massimizzare i Token” al “massimizzare il valore”: la trasformazione radicale della spesa AI aziendale

Il report del team di Karl Keirstead di UBS, rilasciato il 21 luglio, evidenzia che l’attenzione degli investitori si è spostata su due trend strettamente correlati: la riduzione sistematica dei costi Token AI da parte delle aziende e una crescente disponibilità nell’usare modelli open source (inclusi quelli sviluppati in Cina) per attività che non richiedono capacità di ragionamento all’avanguardia.

Questo cambiamento non deriva da un calo della domanda di AI. Al contrario — secondo le risposte di oltre 75 aziende private presenti alla conferenza annuale di UBS su AI e software, l’adozione aziendale dell’AI continua a crescere a ritmo sostenuto. Diverse aziende native AI hanno registrato una crescita dei ricavi rapidissima negli ultimi sei mesi: alcune sono passate da 400 milioni di dollari di fatturato a gennaio a un miliardo di dollari oggi, altre hanno triplicato i ricavi in un anno superando i 500 milioni, oppure sono cresciute da zero a 500 milioni di dollari in 14 mesi. L’accelerazione è dovuta soprattutto al miglioramento dei modelli, alla diffusione di agenti intelligenti a elevato consumo di Token e al passaggio di alcune aziende dal pricing per utente a quello basato su Token o utilizzo.

Tuttavia, con la crescita dell’adozione, il tema dei costi è emerso rapidamente. Precedentemente UBS stimava che circa il 60% delle istituzioni considerasse già oggi la spesa in calcolo AI e Token un problema concreto; dopo questa indagine, la banca crede che la quota sia ancora più elevata. I costi dei Token stanno salendo a una velocità sorprendente: un’istituzione finanziaria aveva inizialmente assegnato 10 milioni di dollari a Claude, in tre mesi la spesa è salita a 60 milioni; il consumo di Anthropic presso una società di AI è passato da 20.000 dollari a dicembre 2023 a quasi 1 milione a luglio 2024, una crescita di 50 volte in sette mesi; alcune aziende hanno visto la loro bolletta Token aumentare di 10 o persino 100 volte in breve tempo.

Le imprese non smettono di usare l’AI, ma riducono gli sprechi. Molte attività ordinarie erano gestite dai modelli più costosi: una banca spende ogni mese centinaia di migliaia di dollari per usare modelli di fascia alta che i dipendenti usano semplicemente per chiedere il meteo, cercare ristoranti o sale riunioni. Così la gestione aziendale della AI sta passando da “massimizzare i Token” a “massimizzare il valore”, valutando cioè quanto ritorno in termini di business si ottiene per ogni unità di Token utilizzata. UBS cita un’azienda intervistata: “Avevamo cinque strumenti AI interni, ma metà del budget annuale per Token era esaurito in anticipo. Ora ne restano solo due che controlliamo in modo molto rigoroso nell’utilizzo.”

“Multi-modello” come nuova normalità: la penetrazione accelerata dei modelli open source cinesi

Le aziende non vedono più il mercato AI come una competizione a somma zero tra pochi sviluppatori di modelli all’avanguardia, ma stanno rapidamente adottando una strategia “multi-modello”: combinano modelli avanzati come quelli di OpenAI e Anthropic con soluzioni open source e personalizzate. Evitare la dipendenza da un singolo fornitore AI è diventata una scelta strategica per le grandi aziende.

I modelli open source cinesi stanno beneficiando maggiormente di questa tendenza. Secondo UBS, modelli di Z.ai, Moonshot AI, Alibaba e DeepSeek sono sempre più testati ed adottati dalle aziende. Sebbene i settori altamente regolamentati rimangano cauti, in ambienti sicuri come quelli offerti da AWS e Microsoft Azure la propensione delle aziende ad adottare questi modelli sta aumentando. UBS stima che i costi di training dei principali modelli cinesi siano circa un decimo di quelli dei “big” esteri, con API d’inferenza prezzate solo al 10-20% dei modelli internazionali comparabili, mantenendo comunque un margine lordo fra il 20% e il 40%. Secondo i dati di OpenRouter, la percentuale di Token usati da aziende americane su modelli AI cinesi tramite la piattaforma ha superato il 30% dal febbraio 2026 e ha superato anche il 46% in alcuni periodi.

Nemotron, il modello open source di Nvidia, è uno dei modelli open americani menzionati più frequentemente nelle conferenze UBS.

Vincitori e vinti: la ripartizione del valore lungo la catena industriale viene ridefinita

Produttori di chip: Nvidia è il principale beneficiario

Anche se la competizione sui modelli si fa sempre più intensa, UBS sottolinea che la domanda di hardware AI non sta rallentando, anzi potrebbe aumentare ulteriormente. Secondo UBS, i modelli open non ridurranno la domanda di GPU, ma sposteranno la potenza di calcolo verso compiti d’inferenza più efficienti in termini di costi. La maggior parte dei modelli open source viene comunque addestrata, raffinata e fatta girare su hardware Nvidia. L’abbassamento dei costi dei modelli estende il campo di applicazione dell’AI e aumenta la domanda di calcolo inferenziale, storage, networking e infrastrutture di deployment.

Nvidia stessa ha lanciato il modello open source Nemotron 3 Ultra, con 550 miliardi di parametri, inferenza fino a 5 volte più veloce e costi ridotti fino al 30%. Nella ricerca di UBS, è il modello open americano citato più frequentemente.

Fornitori di infrastruttura cloud: i “tubi” della nuova era multi-modello

Amazon, Microsoft e Google si trovano ugualmente in una posizione vantaggiosa, poiché le loro piattaforme supportano già una pluralità di modelli AI. AWS, Azure e simili sono già pronte per la gestione multi-modello e le aziende, qualunque modello scelgano, avranno comunque bisogno delle capacità d’inferenza cloud. I cloud provider su vasta scala stanno ancora affrontando una forte domanda di risorse di calcolo AI e una situazione di scarsa disponibilità.

I dati di ricavo delle aziende native AI confermano questa prospettiva. UBS cita aziende che sono passate da 400 milioni a 1 miliardo di dollari di fatturato da gennaio a oggi, o da zero a 500 milioni in 14 mesi. Questa crescita è dovuta in particolare al progresso dei modelli e all’espansione delle applicazioni di agenti ad alto consumo Token, segno che la domanda AI aziendale si sta allargando dai soli programmatori a processi aziendali molto più ampi.

Sviluppatori di modelli d’avanguardia: pressioni sulla crescita

OpenAI, Anthropic e gli altri fornitori di modelli all’avanguardia sono i più esposti a breve termine alla pressione del taglio dei costi. UBS ritiene che, anche se il mercato dell’AI sia ancora nelle fasi iniziali e la crescita di modelli open e closed source possa coesistere, la crescita dei ricavi dei laboratori di modelli avanzati potrebbe rallentare.

Industria del software: lo “strato intermedio” sempre più compresso

UBS adotta una posizione piuttosto pessimista per i fornitori di software. Secondo la banca, per controllare i costi dell’AI, le aziende potrebbero alla fine ridurre la spesa per le applicazioni software; mentre la funzione di instradamento modelli, un tempo vista come vantaggio competitivo, oggi sta diventando uno standard di settore, difficile da monetizzare. Con la “multi-modellizzazione” ormai diventata la normalità, i puri modelli di business basati sull’intermediazione fra modelli rischiano di affrontare una sfida molto dura.