Negli Stati Uniti, il dibattito sull’AI open source non è più una discussione da sviluppatori.
È diventato uno scontro industriale, regolatorio e geopolitico. Da un lato ci sono OpenAI e Anthropic, che chiedono più controlli sui modelli più capaci e denunciano il rischio che le aziende cinesi copino tecnologia americana; dall’altro una parte molto ampia dell’industria tecnologica, da Nvidia a Microsoft, da Meta a Hugging Face, che considera i modelli aperti una condizione della concorrenza e della sovranità tecnologica.
Negli ultimi mesi, documenti pubblici, lettere dell’industria e iniziative governative hanno messo nero su bianco due idee incompatibili solo in apparenza: i modelli più potenti vanno sottoposti a valutazioni di sicurezza sempre più formali; allo stesso tempo, l’accesso a modelli scaricabili e modificabili viene presentato come un requisito strategico per non concentrare l’AI nelle mani di pochi fornitori.
Il primo chiarimento è terminologico. Nel dibattito pubblico si parla quasi sempre di “AI open source”, ma in molti casi il termine più preciso è “open weights”. Un modello open weight consente di scaricare e usare i pesi, cioè il risultato numerico dell’addestramento. Non significa necessariamente che siano disponibili dataset, codice di training, pipeline completa, procedure di valutazione o una licenza open source nel senso classico del software libero. La distinzione non è accademica: è proprio su questa ambiguità che si gioca una parte della battaglia politica. Aprire i pesi rende un modello distribuibile, ispezionabile e adattabile; non rende automaticamente trasparente tutto il processo con cui è stato costruito.
La distinzione è ormai codificata anche fuori dalla polemica tra aziende. La Open Source AI Definition 1.0 dell’Open Source Initiative lega l’open source AI a quattro libertà – usare, studiare, modificare e condividere – e alla disponibilità della “preferred form” per modificare un sistema, incluse informazioni sui dati, codice e parametri. L’OCSE, nel paper AI openness, usa una formula ancora più utile per i decisori pubblici: l’apertura nell’AI non è binaria, ma esiste per gradi. Un modello può essere aperto nella distribuzione dei pesi e restare opaco nella provenienza dei dati o nel processo di addestramento.
La Cina usa l’apertura come strategia di diffusione
La crescita dei modelli cinesi non va letta soltanto come rincorsa tecnica agli Stati Uniti. È anche una strategia di mercato. Moonshot AI presenta Kimi K3 come un modello frontier da 2,8 trilioni di parametri, con contesto da un milione di token e lavoro di ricerca condiviso con la comunità open source. Z.ai, nella documentazione di GLM-5.2, sottolinea invece la disponibilità pubblica dei pesi su Hugging Face e ModelScope, il supporto a framework di inferenza locale come transformers, vLLM e SGLang, una finestra di contesto da un milione di token e tariffe API spesso molto aggressive. Il vantaggio competitivo non sta quindi solo nelle prestazioni dichiarate, ma nella combinazione tra costo, distribuzione dei pesi e possibilità di esecuzione o adattamento in stack locali.
Da qui il salto politico. Se un modello cinese open weight è “abbastanza buono” e costa meno, può diventare infrastruttura di fatto per startup, imprese e mercati emergenti. Per Pechino l’apertura diventa così uno strumento di influenza tecnologica: non serve possedere il modello più intelligente in assoluto, se si riesce a diffondere quello più conveniente, adattabile e presente negli ecosistemi locali.
Alla World Artificial Intelligence Conference di Shanghai, Xi Jinping, presidente della Repubblica Popolare Cinese e segretario generale del Partito comunista cinese, ha collegato l’AI a quattro priorità – apertura, sicurezza, inclusione e governance globale – nel discorso riportato dal Ministero degli Esteri cinese. Pechino promette nei prossimi cinque anni 5.000 opportunità di formazione su AI per Paesi in via di sviluppo, centri internazionali di cooperazione applicativa con ASEAN, Lega araba, Unione africana, CELAC, Shanghai Cooperation Organization e BRICS, oltre all’uso in 30 Paesi di MAZU, un sistema AI per l’allerta meteorologica.
La proposta cinese non nasce dal nulla. È l’estensione di un progetto avviato con la Digital Silk Road, la componente tecnologica della Belt and Road Initiative cinese. Il Council on Foreign Relations ricordava già nel 2020 che la Via della seta digitale comprende telecomunicazioni, data center, cloud, e-commerce, pagamenti mobili, smart city e capacità di intelligenza artificiale; alcune stime indicavano che circa un terzo dei 138 Paesi allora coinvolti nella Belt and Road cooperasse anche su progetti digitali. L’AI aggiunge un livello più profondo: non solo infrastrutture di rete, ma modelli, dati, standard applicativi e formazione tecnica.
I centri di cooperazione mostrano come questa strategia stia diventando operativa. La Commissione nazionale cinese per lo sviluppo e le riforme ha annunciato nel settembre 2025 l’avvio del China-ASEAN Countries Artificial Intelligence Application Cooperation Center, con un mandato su infrastrutture AI, piattaforme open source e formazione dei talenti. In parallelo, SASAC, la commissione cinese che supervisiona le imprese statali centrali, ha presentato il China-Laos AI Innovation Cooperation Center di Vientiane come piattaforma per applicazioni in smart city, turismo, energia pulita e industria dell’alluminio. In questo schema, i modelli aperti sono solo il primo livello: attorno si costruiscono servizi pubblici, processi industriali, infrastrutture e rapporti tecnici di lungo periodo.
Il veicolo istituzionale è WAICO, la World Artificial Intelligence Cooperation Organization, fondata a Shanghai il 16 luglio 2026, alla vigilia dell’apertura della World Artificial Intelligence Conference. L’accordo istitutivo è stato firmato da 29 Paesi e la sede dell’organizzazione sarà a Shanghai; tra i fondatori citati compaiono Kazakhstan, Laos, Pakistan, Russia e Indonesia. Il lessico è quello delle Nazioni Unite: consultazione ampia, contributo congiunto, beneficio condiviso, AI sicura, equa e utile all’umanità. Con WAICO, Pechino prova a trasformare l’offerta tecnologica in una cornice diplomatica stabile.
Le prime analisi su WAICO oscillano tra attenzione e scetticismo. Arindrajit Basu, in un’analisi per Carnegie Endowment for International Peace, interpreta la proposta come parte di una svolta più ampia della diplomazia cinese: non solo esportare infrastrutture e standard tecnici, ma contribuire a riscrivere norme e istituzioni della governance globale dell’AI, anche usando WAICO per coordinare posizioni in sede ONU o ampliare la rete dei centri di cooperazione. Uno studio pubblicato su arXiv nel giugno 2026 colloca WAICO in una posizione simile: un possibile secondo polo della governance internazionale dell’AI, aperto agli Stati sovrani e orientato a sviluppo, sovranità e accesso, più che a diritti e safety come molte iniziative occidentali. Nature, in un articolo di Elizabeth Gibney, ha invece sottolineato il punto debole di questo tipo di iniziative: difficilmente un’organizzazione internazionale appena proposta può governare l’industria dell’AI in modo vincolante senza meccanismi di verifica, enforcement e adesione ampia da parte dei principali attori tecnologici.
Questa narrativa si appoggia su un problema reale. UNCTAD, l’agenzia delle Nazioni Unite per il commercio e lo sviluppo, nel Technology and Innovation Report 2025 avverte che lo sviluppo dell’AI è fortemente concentrato: cento aziende finanziano il 40% della spesa globale in ricerca e sviluppo, Stati Uniti e Cina dominano pubblicazioni e brevetti, e gran parte dei Paesi in via di sviluppo resta ai margini di infrastrutture, competenze e governance. Pechino occupa questo spazio politico presentandosi come alternativa al modello Silicon Valley.
La diplomazia cinese dell’AI si contrappone anche alla strategia statunitense sulle catene di fornitura. Il Dipartimento di Stato presenta Pax Silica, lanciata con un summit a Washington il 12 dicembre 2025, come iniziativa per costruire filiere sicure e resilienti attorno a minerali critici, energia, manifattura avanzata, semiconduttori, infrastrutture tecnologiche e AI. Pechino risponde spostando il terreno: non solo chip e terre rare, ma accesso ai modelli, formazione, cooperazione applicativa e governance globale. Il limite è evidente: l’apertura dei pesi riduce il lock-in verso una API proprietaria, ma non elimina la dipendenza da cloud, data center, aggiornamenti, chip, energia e integrazione industriale.
La linea OpenAI: sicurezza di frontiera e test federali
È su questo sfondo che vanno lette le richieste dei laboratori americani più orientati al controllo dei modelli di frontiera. OpenAI ha formalizzato la propria posizione nella public policy agenda pubblicata il 3 giugno 2026. Il punto centrale è che la sicurezza dei modelli frontier viene descritta come una questione di sicurezza nazionale e pubblica, soprattutto per rischi cyber, CBRN e di perdita di controllo. OpenAI sostiene un quadro federale che rafforzi il ruolo del Center for AI Standards and Innovation, preveda valutazioni sui modelli più capaci, audit indipendenti, incident reporting e standard di sicurezza.
Nel successivo intervento Advancing AI Safety Through State and Federal Action, pubblicato il 15 luglio, OpenAI sostiene che gli Stati Uniti stanno andando verso un sistema multilivello: leggi statali convergenti, iniziative federali e standard internazionali. L’azienda scrive anche che l’Amministrazione Trump sta lavorando a un framework per test governativi sui modelli più capaci in ambito cyber, con standard, tempi e processi comuni. Per OpenAI, i modelli più avanzati devono arrivare nelle mani di governi, infrastrutture critiche, alleati e partner fidati, ma dentro un regime coerente di valutazione e accesso controllato.
Questo non equivale a una dichiarazione contro ogni forma di apertura. OpenAI continua a usare il linguaggio della democratizzazione e dell’accesso, e risulta tra i firmatari della lettera pro-open weights pubblicata da Microsoft. Ma il suo asse politico resta quello della governance dei modelli di frontiera: la priorità è definire chi può testare, distribuire e usare i sistemi più capaci, e a quali condizioni.
Anthropic: la distillazione come nuovo fronte dell’IP
Anthropic spinge ancora più esplicitamente sul tema della sicurezza e della protezione del vantaggio tecnologico occidentale. Nella propria pagina di AI policy, l’azienda sostiene che i governi siano gli unici attori in grado di imporre regole a livello industriale, negoziare controlli internazionali ed evitare che l’AI finisca nelle mani di regimi autoritari. Nella sezione sulla sicurezza nazionale, Anthropic collega esportazioni, semiconduttori, distillazione e leadership democratica.
Il documento più rilevante, però, è il post di febbraio 2026 su detecting and preventing distillation attacks. Anthropic afferma di aver identificato campagne su scala industriale condotte da DeepSeek, Moonshot e MiniMax per estrarre capacità da Claude attraverso milioni di scambi e decine di migliaia di account fraudolenti. L’azienda distingue tra distillazione legittima, pratica comune per addestrare modelli più piccoli o specializzati, e distillazione illecita, quando l’accesso ai modelli avviene aggirando termini di servizio, limiti regionali o controlli antifrode.
Questo è il cuore tecnico-politico della disputa. Se un laboratorio addestra un nuovo modello usando output di un modello chiuso, sta imparando da un sistema esistente o sta rubando proprietà intellettuale? La risposta non è semplice. La distillazione è una tecnica standard; l’abuso dipende da scala, modalità di accesso, violazione contrattuale, aggiramento dei controlli e possibilmente prova dell’intento. Per questo la discussione rischia di scivolare facilmente dal piano tecnico a quello industriale: chi controlla la definizione di “distillazione illecita” può anche influenzare chi ha diritto a competere.
La Casa Bianca vuole AI avanzata, ma senza dipendenze
A livello governativo, la linea americana è meno lineare di quanto sembri. La Casa Bianca non sta dicendo semplicemente “chiudere tutto”. Nel memorandum sull’AI nel settore della sicurezza nazionale, presentato il 5 giugno 2026, l’Amministrazione Trump chiede alla macchina della sicurezza nazionale di accelerare l’adozione dell’AI, adattando tecnologie commerciali e open source alle missioni pubbliche. Il testo insiste anche su una condizione: nessuna entità esterna deve poter disabilitare, degradare o modificare un sistema AI da cui dipendono i militari senza autorizzazione.
Il punto è il nuovo lessico della sovranità AI. Per Washington, il problema non è solo avere accesso al miglior modello, ma evitare dipendenze tecniche e politiche da fornitori incontrollabili. Da qui nasce una tensione: i modelli chiusi offerti via API danno controllo al fornitore; i modelli aperti danno controllo all’utilizzatore, ma una volta rilasciati sono più difficili da ritirare, tracciare e limitare.
Applicata ai modelli cinesi, questa tensione diventa geopolitica. Le accuse contro Moonshot e altri laboratori cinesi vanno lette dentro questa cornice: non solo sicurezza del modello, ma protezione della leadership americana, difesa della proprietà intellettuale e controllo della diffusione globale delle capacità AI.
La controffensiva: open weights come infrastruttura americana
La risposta più organizzata del fronte aperto è la lettera Open Weights and American AI Leadership, pubblicata il 24 luglio. Il testo sostiene che la leadership americana non dipenderà da un singolo modello frontier, ma dalla capacità di creare un ecosistema aperto che diffonda l’AI in imprese, università, pubbliche amministrazioni e settori produttivi.
I firmatari – tra cui Microsoft, Nvidia, Meta, IBM, Mistral, Hugging Face, Mozilla, Linux Foundation, Y Combinator e OpenAI – presentano i modelli open weight come un modo per abbassare i costi, evitare lock-in, aumentare la concorrenza e consentire ad aziende e istituzioni di adattare l’AI ai propri vincoli. Il passaggio più importante è sulla sicurezza: secondo la lettera, affidarsi solo a pochi modelli chiusi crea punti singoli di fallimento, mentre i modelli aperti consentono audit, red teaming, benchmark e difese distribuite.
La lettera non nega i rischi. Riconosce che, una volta pubblicati, i pesi sono difficili da controllare. Ma rovescia la conclusione: proprio perché gli attaccanti useranno AI avanzata, i difensori devono poter accedere a strumenti comparabili. E sulla distillazione propone una distinzione netta: le condotte illecite vanno perseguite con strumenti legali mirati; non bisogna trasformare una tecnica diffusa di sviluppo in un divieto generale.
La posta economica è evidente. Per Nvidia, più modelli aperti significa più domanda di chip e infrastruttura. Per Microsoft e i cloud provider, significa più carichi di lavoro. Per startup e sviluppatori, significa costruire senza dipendere interamente da API proprietarie. Per Meta e Mistral, significa usare l’apertura come leva competitiva contro i laboratori frontier chiusi. Per OpenAI e Anthropic, invece, la posta è proteggere modelli costosi da addestrare e difficili da difendere.
Le voci che hanno acceso il dibattito
Accanto ai documenti ufficiali, contano anche le prese di posizione personali dei dirigenti e degli investitori, perché hanno trasformato una disputa di policy in uno scontro pubblico. Jensen Huang, amministratore delegato di Nvidia, è diventato il volto più visibile del fronte open weight: il 24 luglio 2026 ha usato il suo primo post su X per condividere la lettera Open Weights and American AI Leadership, sostenendo che il mondo ha bisogno sia di modelli frontier chiusi sia di modelli frontier aperti. In interviste precedenti aveva anche difeso l’uso di buoni modelli cinesi da parte delle aziende americane, sostenendo che i modelli scaricabili possono essere testati, adattati e messi in sicurezza dagli utilizzatori.
For my first post, I’m sharing a letter @NVIDIA signed on why open models matter.
AI will transform every industry, power every company, and be built by every country.
Open models strengthen safety and cybersecurity, accelerate innovation and diffusion, and enable sovereignty.… pic.twitter.com/t02bi51N4C
— Jensen Huang (@JensenHuang) July 24, 2026
Satya Nadella ha rafforzato la stessa linea dal punto di vista Microsoft: l’open source è essenziale a un ecosistema AI sano, perché il valore non sta solo nel modello frontier ma nello stack che lo rende adottabile da imprese, sviluppatori e pubbliche amministrazioni. Mark Zuckerberg si è mosso su un registro simile, difendendo i modelli aperti come forza positiva per l’innovazione e per la distribuzione dei benefici dell’AI. Clement Delangue, CEO di Hugging Face, ha dato alla disputa un significato ancora più diretto: dopo l’incidente con i modelli OpenAI, ha chiesto trasparenza e risorse per rafforzare le difese della piattaforma, e ha guidato una piccola mobilitazione pubblica a favore dei modelli aperti.
Sul fronte opposto, la discussione è stata alimentata anche da Dean Ball, responsabile strategic futures di OpenAI. In un post personale su X dedicato a Kimi K3, Ball ha riconosciuto la qualità tecnica del modello cinese, ma ha sostenuto che i modelli open weight possono frenare gli investimenti nei laboratori di frontiera e rendere più difficile governare l’AI.
Some observations on Kimi:
1. It’s a very good model! I don’t think its performance can be explained away by distillation or anything like that. In agentic coding sessions, it seems pretty much on par with the best public models of Q1 2026. In my fairly limited use, it also…
— Dean W. Ball (@deanwball) July 17, 2026
La reazione dei critici è stata immediata: per il fronte pro-open, il rischio è che il linguaggio della sicurezza venga usato per creare sfiducia normativa intorno ai concorrenti open weight. Anche figure pro-open come Yann LeCun e Martin Casado sono intervenute contro restrizioni troppo ampie, sostenendo che il software aperto può accelerare l’innovazione e convivere con offerte proprietarie.
Demis Hassabis, CEO di Google DeepMind, occupa una posizione diversa: non è il campione dell’apertura indiscriminata, ma nemmeno della chiusura pura. Come abbiamo raccontato su 01net, Hassabis ha proposto un organismo indipendente per la valutazione dei modelli AI di frontiera, capace di testare i sistemi prima del rilascio e costruire standard condivisi; l’impostazione è collegata anche al progetto Standards Body. La sua proposta sposta la discussione dal controllo proprietario alla credibilità delle valutazioni. In Europa, Arthur Mensch di Mistral rappresenta invece la variante sovranista dell’apertura: per lui la competizione sull’AI è tra sistemi chiusi e sistemi aperti, non solo tra Stati Uniti, Europa e Cina.
Lo stesso problema ritorna negli standard tecnici. NIST, con l’AI Risk Management Framework e l’AI Resource Center, insiste su testing, evaluation, verification and validation: non basta decidere se un modello sia aperto o chiuso, bisogna definire come misurarne robustezza, sicurezza, bias, rischi cyber e comportamento in ambienti critici. La vera infrastruttura regolatoria non è il divieto, ma la capacità di valutare i modelli in modo credibile e ripetibile.
L’Europa: non ban, ma obblighi
In Europa il dibattito segue una traiettoria diversa. L’AI Act non parte dalla domanda “i modelli aperti vanno vietati?”, ma da un sistema di obblighi per i modelli di uso generale. Le linee guida della Commissione sui provider di general-purpose AI models chiariscono che i modelli rilasciati con licenza libera e open source possono beneficiare di alcune esenzioni: per esempio da determinati obblighi di documentazione verso autorità e provider downstream. Ma l’esenzione vale solo se il modello è davvero distribuito con licenza libera, con pesi, architettura e informazioni d’uso disponibili, e non è classificato come modello a rischio sistemico.
Per i modelli a rischio sistemico, anche open source, scattano obblighi più pesanti: valutazioni, mitigazione dei rischi, segnalazione di incidenti gravi e cybersecurity. La logica europea è quindi diversa da quella americana: non bloccare l’apertura in quanto tale, ma impedire che l’apertura diventi una zona franca per modelli molto potenti.
Il General-Purpose AI Code of Practice completa questa impostazione. La Commissione lo presenta come uno strumento volontario per dimostrare conformità agli obblighi dell’AI Act su trasparenza, copyright, sicurezza e security. Tra i firmatari compaiono Anthropic, Google, Microsoft, Mistral AI, OpenAI, IBM, Amazon e altri; xAI ha aderito solo al capitolo Safety and Security, dovendo dimostrare altrimenti la conformità per trasparenza e copyright.
Questo dato è importante: aziende che negli Stati Uniti litigano sulla politica dei modelli aperti, in Europa si ritrovano nello stesso schema di compliance. La regolazione europea non elimina il conflitto industriale, ma lo incanala in obblighi documentali, policy di copyright, reporting e gestione del rischio.
Le posizioni nazionali in Europa: sovranità prima del divieto
Guardando alle posizioni nazionali, il quadro europeo diventa più concreto. Le capitali non sembrano orientate a copiare la discussione americana su eventuali restrizioni ai modelli cinesi open weight. Il punto comune è un altro: costruire capacità nazionali ed europee, ridurre la dipendenza da fornitori extraeuropei, portare l’AI nella pubblica amministrazione e mantenere un controllo sufficiente su dati, infrastrutture e modelli.
La Francia è il caso più esplicito. Il Governo francese ha presentato il piano Notre IA per l’uso dell’intelligenza artificiale nei servizi pubblici, con l’obiettivo di diffondere strumenti AI nella pubblica amministrazione e sviluppare un assistente conversazionale per gli agenti pubblici basato su tecnologia Mistral. In parallelo, Parigi ha avviato la tabella di marcia dell’Institut national pour l’évaluation et la sécurité de l’intelligence artificielle, l’INESIA, pensato per valutare e mettere in sicurezza i sistemi AI. La linea francese è quindi doppia: adozione pubblica e valutazione tecnica. Non un rifiuto dell’apertura, ma un tentativo di farla convivere con infrastrutture sovrane e capacità pubbliche di controllo.
Anche la Germania insiste sulla sovranità, ma con un lessico più vicino all’open source amministrativo. Il Ministero federale per il digitale ha presentato SPARK-API, una componente modulare open source per integrare servizi AI nei processi pubblici, e ha pubblicato un’analisi sull’uso di modelli linguistici open source nella pubblica amministrazione per ridurre dipendenze tecnologiche e mantenere controllo su dati e infrastrutture. Sul versante industriale, Berlino sostiene anche progetti europei come SOOFI, orientati a modelli linguistici open source per applicazioni industriali. Qui l’apertura non è vista come rischio in sé, ma come strumento per evitare lock-in e dipendenze strutturali.
L’Italia si muove su una traiettoria meno visibile nel dibattito pubblico internazionale, ma importante. Il MIMIT presenta l’IPCEI Intelligenza Artificiale come uno strumento per rafforzare la sovranità tecnologica europea sull’AI, con attenzione a dati industriali di qualità, infrastrutture, AI-as-a-Service e soluzioni collaborative e open source. È una posizione industriale prima ancora che ideologica: l’Italia non mette al centro una guerra culturale tra modelli chiusi e aperti, ma la possibilità per imprese e settori produttivi di accedere a capacità AI senza dipendere interamente da piattaforme esterne.
Questa linea si ritrova anche nella pubblica amministrazione. AgID ha pubblicato materiali e linee guida sull’adozione dell’intelligenza artificiale nel settore pubblico, concentrandosi su procurement, qualità dei dati, valutazione dei rischi, governance e responsabilità degli enti. Inoltre, nella dichiarazione europea sulla sovranità digitale, sottoscritta anche dall’Italia, l’open source viene citato come una delle leve per rafforzare indipendenza, interoperabilità e controllo pubblico, insieme a standard di sicurezza elevati e tecnologie proprietarie affidabili. La posizione italiana, quindi, non è “tutto aperto”: è una strategia di autonomia pragmatica, in cui open source, cloud, industria e PA devono comporsi dentro un quadro europeo.
Il Regno Unito, fuori dall’Unione ma centrale nel dibattito europeo sulla sicurezza AI, rappresenta un’altra variante. L’AI Security Institute lavora sulla valutazione dei modelli frontier e nel Frontier AI Trends Report distingue tra open source, open weights e modelli proprietari, riconoscendo benefici e rischi della disponibilità dei pesi. L’AI Playbook for the UK Government spinge invece sull’adozione operativa nella macchina pubblica, con un approccio pratico alla selezione, valutazione e gestione dei sistemi. Londra è il ponte tra la sensibilità americana per la sicurezza dei modelli di frontiera e l’approccio europeo alla governance pubblica.
Nel complesso, le reazioni nazionali europee raccontano una priorità diversa da quella statunitense. L’Europa non ignora i rischi dei modelli aperti, ma tende a leggerli dentro tre obiettivi: sovranità tecnologica, capacità industriale e controllo pubblico. Per questo il dibattito europeo non si riduce al problema di “chiudere i confini” ai modelli cinesi. La domanda è come evitare che l’AI usata da amministrazioni, imprese e servizi essenziali dipenda solo da infrastrutture, modelli e regole decise altrove.
Mistral e la sovranità europea
Mistral è il caso europeo più interessante perché unisce due discorsi che spesso vengono separati: apertura e sovranità. Nel playbook European AI: a playbook to own it, l’azienda sostiene che l’Europa non possa limitarsi a essere un mercato per tecnologie straniere. Deve controllare modelli, infrastrutture, domanda pubblica e settori strategici. Il messaggio è esplicito: l’AI deve essere sviluppata in Europa, per l’Europa e secondo priorità europee.
La posizione di Mistral non è però un ritorno romantico all’open source come bene comune puro. È una strategia industriale ibrida: modelli aperti per diffusione, adozione e reputazione tecnica; offerte commerciali e compliance per clienti enterprise e pubblici. Il legal center di Mistral mostra una crescente infrastruttura documentale intorno ad AI Act, usage policy, obblighi dei clienti e documentazione dei modelli. In altre parole, l’Europa prova a conciliare apertura e regolazione; Mistral prova a trasformare questa combinazione in vantaggio competitivo.
La posta reale: chi può costruire sull’AI
La guerra sull’AI open source non riguarda solo la sicurezza dei modelli. Riguarda chi può costruire applicazioni, chi può fare audit, chi può ridurre i costi, chi può mantenere i dati in casa, chi può adattare modelli a lingue, settori e vincoli locali. Riguarda il potere di spegnere o cambiare un sistema da remoto. Riguarda il rischio che l’AI diventi un’infrastruttura essenziale controllata da poche aziende, oppure un livello tecnologico più distribuito, ma più difficile da governare.
Il trend registrato dal NYT è quindi solo la superficie. Sotto c’è una riallocazione del potere nell’AI generativa. I laboratori chiusi chiedono sicurezza, controlli e protezione dell’IP. Il fronte open chiede concorrenza, auditabilità e autonomia. Gli Stati Uniti traducono il conflitto nel linguaggio della sicurezza nazionale e della competizione con la Cina. L’Europa lo traduce nel linguaggio della compliance e della sovranità regolata.
La domanda decisiva non è se l’AI aperta sia buona o cattiva. È chi avrà il diritto di decidere quando un modello è abbastanza potente da essere controllato, abbastanza aperto da essere utile, abbastanza rischioso da essere regolato, e abbastanza strategico da non poter dipendere da qualcun altro.
