Nella teoria dei giochi, una strategia è definita dominante quando garantisce a un giocatore un payoff migliore rispetto a qualsiasi altra strategia a sua disposizione, indipendentemente dalle mosse degli avversari. È il punto di equilibrio verso cui un sistema razionale tende naturalmente per massimizzare il proprio vantaggio.
Oggi, applicando questa lente all'intelligenza artificiale, emerge un ribaltamento significativo: una strategia che somiglia a quella dominante non è più esclusiva dei colossi chiusi della Silicon Valley, ma sta prendendo forma nell'ecosistema cinese dei pesi aperti (open weights). Modelli come DeepSeek, Qwen, la famiglia Kimi K2/K3 di Moonshot AI e GLM di Z.ai (ex Zhipu) stanno ridefinendo gli standard di accessibilità e trasparenza, esercitando una pressione competitiva senza precedenti sulle Big Tech americane.
Dopo aver investito decine di miliardi in infrastrutture proprietarie, queste ultime si trovano di fronte a un bivio: continuare a iniettare capitali in un modello chiuso con margini incerti, oppure inseguire l'avversario abdicando al proprio approccio proprietario e aprendo i pesi — una partita che molte non avevano previsto nel breve termine.
Il dibattito pubblico, però, si è finora fossilizzato su una narrazione fuorviante: quella della corsa sfrenata ai datacenter. Si parla di enormi strutture energivore disseminate per il pianeta, capaci di incidere pesantemente sui consumi idrici ed elettrici. Ma questa è solo la facciata di un gioco più vecchio e, in parte, più lineare.
La vera scommessa strategica dell'IA è un'altra, ed è molto più sottile: riguarda l'efficienza computazionale. Il futuro non appartiene necessariamente a chi costruisce il capannone più grande, ma a chi saprà rendere i processi degli AI agent sempre più leggeri, veloci ed economici — riducendo il costo per token e il consumo energetico per task.
In questa direzione, sta nascendo un intero settore dedicato all'efficientamento aziendale.
L'innovazione non passa più solo dal cloud centralizzato, ma sempre di più dal locale: far girare modelli open weights o open source su workstation e server aziendali dotati di GPU performanti, affiancati da framework di ottimizzazione (quantizzazione, pruning, distillation) che riducono drasticamente i carichi di calcolo. Questo approccio non solo taglia i costi operativi e le latenze, ma restituisce alle imprese la sovranità sui propri dati, riducendo la dipendenza da provider esterni e i rischi di compliance.
In conclusione, la partita dell'IA non si vincerà sulla mappa geografica dei data center — che pure cresceranno, ma senza essere l'unico ago della bilancia — bensì all'interno dei singoli computer aziendali e dei dispositivi edge. Il vantaggio competitivo duraturo spetterà a quell'ecosistema, cinese o occidentale che sia, che saprà coniugare modelli aperti, hardware efficiente e software intelligente per rendere l'adozione dell'IA finalmente sostenibile: economicamente accessibile per le aziende e ambientalmente tollerabile per il pianeta.
