Chiedete a chi lavora nelle materie prime cosa succede quando un bene diventa una commodity: i margini si polverizzano, il prezzo scivola verso il costo marginale e chi non ha un vantaggio reale finisce schiacciato.
Sta succedendo la stessa cosa ai grandi modelli linguistici, gli LLM che fino a due anni fa sembravano un’arma segreta nelle mani di poche aziende. Oggi i laboratori negli Stati Uniti e in Cina sfornano versioni sempre più potenti, sempre più open-source, e il prezzo per elaborare un token (l’unità minima di testo che questi sistemi digeriscono) sta scivolando verso il basso. I modelli fondamentali sono sempre di più una tecnologia commoditizzata, proprio mentre i costi per token collassano.
Non è un caso che Sam Altman, il capo di OpenAI, abbia iniziato a parlare di intelligenza artificiale come si parlerebbe di una utility qualsiasi, come vendere elettricità o acqua. È un’immagine che rovescia la promessa iniziale dell’AI come tecnologia proprietaria e differenziante. Le versioni open-weight cinesi (DeepSeek, Qwen, GLM) hanno colmato il divario di capacità con i modelli americani a costi d’accesso molto più bassi, e questo spinge l’intero comparto verso un terreno di gioco livellato dove la competizione si gioca quasi solo sul prezzo.
Chi perde soldi vendendo intelligenza
Il punto curioso è che questa corsa a rendere l’AI accessibile a tutti sta bruciando miliardi. OpenAI ha chiuso il 2025 con una perdita netta stimata di 38,53 miliardi di dollari, nonostante ricavi già nell’ordine dei miliardi. Anthropic naviga in acque simili visto che le spese per calcolo e infrastruttura si mangiano gran parte di ogni dollaro incassato. Il settore non ha ancora un vincitore economico chiaro visto che non esiste nemmeno un singolo sviluppatore di modelli profittevole.
Il problema è strutturale, non congiunturale. Quando i clienti pagano a consumo e i fornitori convergono sugli stessi prezzi, il potere di alzare le tariffe si riduce quasi a zero. Se un’azienda alza i prezzi in modo aggressivo, i clienti spingono indietro o migrano; se compete sul prezzo, è una gara al ribasso e diventa difficile avere alti profitti. Le aziende sono quindi costrette a inseguire il volume, non il margine, scommettendo di poter monetizzare più avanti con servizi a valore aggiunto costruiti sopra i modelli base.
I veri profitti si fanno vendendo i picconi
Chi invece incassa utili veri, e parecchi, è chi vende le pale e i picconi di questa corsa all’oro: GPU, chip, server, spazio nei data center.
Nvidia, che domina il mercato delle GPU per l’AI, ha visto i ricavi salire del 65% su base annua fino a circa 216 miliardi di dollari nel 2025, con l’utile netto a 120 miliardi. Non è un caso isolato: i grandi fornitori cloud (Amazon, Microsoft, Google) investono collettivamente centinaia di miliardi in infrastrutture, con stime che parlano di almeno 630 miliardi di dollari nel solo 2026 destinati a data center e processori per l’AI. Anche sul fronte CPU per server il quadro è simile, con AMD che ha messo a segno quattro trimestri consecutivi di vendite record, con ricavi in crescita di oltre il 50% su base annua, e prevede un’ulteriore accelerazione.
Messi in fila, questi numeri raccontano una spaccatura netta tra chi vende gli strumenti guadagnando di più e chi cerca l’oro, esattamente come nelle corse minerarie del passato.
La prossima battaglia si combatte sulle materie prime
Ma dietro ogni GPU e ogni data center c’è però una filiera fisica fatta di minerali e metalli, che rischia di diventare il vero collo di bottiglia geopolitico. I chip richiedono terre rare e metalli rari, i sistemi di raffreddamento e le batterie di backup si appoggiano a rame, litio, nichel e cobalto, e l’elettricità che alimenta i server passa da reti costruite anch’esse su rame. Il problema è che l’offerta è concentratissima: la Cina raffina oltre l’80% del cobalto mondiale, il 65% del litio e il 44% del rame. Secondo Barclays, le forniture scarse e altamente concentrate sono vulnerabili a interruzioni, diventando i nuovi campi di battaglia per la supremazia AI.
S&P Global stima che la domanda di rame legata ai soli data center per l’AI crescerà del 50% da qui al 2040, tanto che diversi paesi hanno già inserito il rame tra i minerali critici. Una materia prima considerata per decenni banale sta diventando strategica, e chi controlla estrazione o raffinazione (la Cina) acquisisce una leva negoziale che va ben oltre il settore minerario.
Chi pagherà il conto di un’intelligenza a basso costo
Se l’intelligenza diventa merce a basso costo, uno degli effetti si vedrà anche sul lavoro. Un rapporto di Brookings stima che oltre il 30% dei lavoratori negli Stati Uniti potrebbe vedere almeno metà delle proprie mansioni automatizzate, con impatti concentrati su ruoli d’ufficio, creativi, finanziari e tecnologici, proprio le professioni che finora si sentivano al riparo dall’automazione industriale.
Il denaro vero, avvertono più analisi finanziarie, non si farà vendendo i modelli in sé ma usandoli per reinventare prodotti e processi: come per l’elettricità, pochi guadagnano sulla corrente, molti costruiscono valore sopra di essa. È un discorso che riguarda anche i governi, chiamati a decidere se trattare la capacità di calcolo come infrastruttura pubblica o lasciarla al mercato. Lo stesso Sam Altman ha ammesso che, senza un’espansione sufficiente della potenza di calcolo, l’accesso all’AI rischia di favorire chi può permetterselo.
Non ci sono molti dubbi sul fatto che la transizione in corso somiglia più a un cambiamento di paradigma industriale e sociale che a un semplice aggiornamento tecnologico.
METALLIRARI.COM © ALL RIGHTS RESERVED
