Il bando americano non ferma l'AI cinese

Il 19 ottobre il Dipartimento della sicurezza interna degli Stati Uniti ha depositato l'ordine che esclude DeepSeek dagli appalti delle agenzie civili federali e impone la rimozione dei suoi prodotti dai sistemi informatici. Il 20 ottobre DeepSeek ha pubblicato il codice del motore di inferenza con cui serve i propri modelli in produzione. Due documenti, due giorni, la stessa industria.

Un armadio server in una sala di calcolo

Il quadro

L'ordine del Dipartimento della sicurezza interna è il primo provvedimento federale che colpisce DeepSeek come fornitore, dopo i divieti già imposti dal Dipartimento del commercio sui dispositivi governativi, dalla Marina e dagli Stati di New York, Tennessee e Virginia. Si fonda su una legge del 2018 e riguarda solo le agenzie civili.

Il giorno dopo, DeepSeek ha reso pubblico DeepInfer, il framework che tiene in piedi il suo servizio di inferenza: licenza Apache 2.0, supporto per processori Nvidia e per gli Ascend di Huawei, un solo modello servito.

I due eventi sono stati letti come una risposta. La cronologia dice altro: il repository del progetto è stato creato il 16 ottobre, tre giorni prima dell'ordine. La sequenza dei fatti, il contenuto dei due documenti e i numeri del mercato compongono un quadro meno spettacolare e più solido di una ritorsione a tempo di record.

Il documento

L'ordine porta il numero di fascicolo DHS-2026-0628 ed è stato pubblicato sul Federal Register del 20 ottobre, pagine 66346-66350. È stato depositato il 19 ottobre alle 8:45 di mattina, ora di Washington. La firma è del consigliere generale del Dipartimento, James H. Percival II.

La base giuridica è la legge sulla sicurezza della catena di approvvigionamento degli appalti federali del 2018, che consente al segretario alla sicurezza interna di escludere prodotti informatici dagli acquisti delle agenzie federali. L'ordine arriva dopo una raccomandazione del Consiglio per la sicurezza degli approvvigionamenti federali.

Il dispositivo ha due effetti distinti. Il primo esclude i prodotti e i servizi informatici sviluppati da Hangzhou DeepSeek Artificial Intelligence e dalle entità affiliate dagli appalti delle agenzie civili. Il secondo ordina la rimozione di tutti i prodotti DeepSeek, delle affiliate e dei prodotti di terzi sviluppati usando implementazioni DeepSeek dai sistemi informatici delle stesse agenzie.

Il perimetro è limitato al ramo civile esecutivo: il Dipartimento della difesa non rientra nel provvedimento, e le altre agenzie possono chiedere deroghe per iscritto. Le aziende private restano libere di usare i modelli DeepSeek. Non è un divieto ai modelli cinesi in quanto categoria: Alibaba, Moonshot e Zhipu non sono nominate.

Le motivazioni scritte nel provvedimento sono rischi, non violazioni accertate. Il Dipartimento parla di più vettori di minaccia, della possibilità che dati sensibili finiscano in Cina, della possibilità di ricavare informazioni su persone e agenzie americane, della possibile presenza di codice malevolo nei modelli. Nessun documento pubblico prova che dati governativi siano stati trasferiti.

Un dettaglio di contesto arriva dalla stampa di lingua cinese: secondo 8world, un memorandum interno di luglio, declassificato in quei giorni, aveva già ordinato alle agenzie di monitorare il traffico in entrata e in uscita dai siti governativi per intercettare segnali di compromissione legati a DeepSeek. Il provvedimento di ottobre chiude un percorso avviato tre mesi prima.

Il rilascio

DeepInfer è il framework di inferenza che DeepSeek usa per servire i propri modelli al pubblico. Il codice è su GitHub sotto licenza Apache 2.0, una delle più permissive: permette l'uso commerciale senza condizioni aggiuntive. I pesi del modello DeepSeek-V4.1-Flash sono distribuiti separatamente con licenza MIT.

Il repository serve un solo modello, V4.1-Flash, e dichiara due soli hardware supportati: le GPU Nvidia SM100 della famiglia Blackwell e i processori Ascend 950 di Huawei. Il passaggio dall'uno all'altro si fa con una variabile d'ambiente. I requisiti di compilazione sono Linux, compilatore GCC 13 o superiore, Python 3.12, CUDA 13 sul ramo Nvidia e CANN 9.2 sul ramo Huawei.

Il rilascio ha un limite che il repository dichiara apertamente. Per un servizio di inferenza completo mancano tre componenti: il sistema di memoria delle chiavi e dei valori, che evita di ricalcolare ciò che il modello ha già elaborato; la separazione fisica fra pre-elaborazione e generazione; il bilanciamento del carico fra repliche. Chi vuole mettere in produzione DeepInfer deve costruirli o prenderli altrove.

Il progetto nasce come derivazione di vLLM, il framework open source più diffuso per servire modelli, con contributi concettuali da SGLang e TensorRT-LLM. Il riconoscimento è nel README. La stessa pagina elenca i kernel ottimizzati usati in produzione, tutti già pubblicati separatamente negli anni precedenti.

Le cifre di prestazione sono dell'azienda. DeepSeek dichiara che un solo cluster serve 155.000 miliardi di token al giorno, che il ricavo ai prezzi di valle vale 38 dollari per GPU-ora e che nel caso migliore una singola GPU produce oltre 25.000 token di uscita al secondo. I grafici sono misurati su 4 GPU SM100 per la pre-elaborazione e 64 per la generazione. Nessun ente indipendente ha replicato queste misure: al momento della verifica non esisteva alcun benchmark di terze parti.

Due funzioni, la ripetibilità dell'output a parità di lotto e il campionamento deterministico, funzionano solo su hardware Nvidia.

La cronologia, che smentisce la coincidenza

Il codice era pronto prima del bando. Il rilascio pubblico è arrivato il giorno dopo il deposito dell'ordine, ma la preparazione durava da quattro giorni. La lettura della ritorsione immediata regge sulla percezione e non sui documenti.

Questo non rende l'accostamento privo di senso. Rende più interessante la domanda che nessuno dei due documenti affronta: chi controlla il livello dove si forma il costo dell'intelligenza artificiale.

Dove si forma il costo

Il costo di un modello non è il modello. È il modo in cui lo si esegue. La memoria delle chiavi e dei valori, la separazione fra pre-elaborazione e generazione, il bilanciamento fra repliche, la gestione degli esperti: sono i pezzi che determinano quanti token al secondo escono da una macchina e quanta energia consumano.

La scelta di DeepSeek di pubblicare il motore e di trattenere l'impianto dice dove sta il valore secondo l'azienda. Il motore è un'infrastruttura nota, dimostrabile, copiabile: regalarla abbatte la barriera per chiunque voglia ospitare modelli a pesi aperti e venderne l'uso. L'impianto è il mestiere: gestire un cluster che serve 155.000 miliardi di token al giorno è una competenza operativa che non si scarica da GitHub.

Per un data center di medie dimensioni il calcolo cambia segno. Se il ricavo dichiarato di 38 dollari per GPU-ora tiene, un investimento in hardware enterprise rientra in pochi anni. La cifra è un ricavo lordo, non un margine: non tiene conto dell'energia, dell'ammortamento, del personale, dei tre componenti mancanti. Resta il fatto che il costo di entrare nel business dell'inferenza commerciale è ora documentato da chi lo pratica su larga scala.

Nelle stesse settimane, quattro laboratori americani hanno introdotto licenze che impongono condizioni commerciali non pubbliche a chi supera i 20 milioni di dollari di ricavi servendo i loro modelli a pesi aperti. DeepSeek non mette condizioni. La differenza non è tecnica: è una scelta su chi può guadagnare dall'ecosistema.

Il mercato ha già scelto

I dati di utilizzo raccontano una migrazione cominciata a febbraio. Su OpenRouter, la piattaforma che instrada le richieste verso i vari modelli, i modelli di origine cinese hanno superato il 30 per cento dei token ogni settimana dall'8 febbraio 2026, con un picco fra il 57 e il 67 per cento nella settimana del 14 settembre. Su Vercel la quota è passata dall'11 per cento di gennaio al 55 per cento di agosto.

La ragione è l'ultima riga della tabella, non la prima. Un'azienda che sposta un carico di lavoro su un modello cinese a pesi aperti taglia la bolletta di un ordine di grandezza. Lindy, startup americana, è passata interamente da Claude a DeepSeek V4 a giugno dichiarando un taglio dei costi di inferenza intorno al 90 per cento. DoorDash usa Kimi di Moonshot, Airbnb usa Qwen di Alibaba, Coinbase usa fra gli altri GLM.

Il dato che ridimensiona la lettura trionfalistica è l'altro: i modelli chiusi americani conservano il 96 per cento dei ricavi del settore. Si consumano token cinesi e si pagano abbonamenti e contratti americani. L'uso non è il fatturato, e la quota di token non è la quota di mercato.

Il prezzo, dal dumping all'aumento

La riduzione dei prezzi cinesi è stata letta come una campagna sotto costo destinata a finire. È finita, ed è documentata.

A maggio DeepSeek ha reso permanente il prezzo promozionale del modello V4-Pro, un quarto del listino, con l'ingresso in cache a 0,0037 dollari per milione di token. Ad agosto ha avvisato gli sviluppatori di un aumento consistente. I prezzi sono saliti fra 2,3 e 4,5 volte secondo il modello, e il fondatore Liang Wenfeng ha riferito agli investitori che i clienti sono rimasti.

L'effetto sui conti è visibile. Il tasso di ricavo annualizzato è passato da meno di 500 milioni a circa un miliardo di dollari. Nei primi sette mesi del 2026 l'azienda ha incassato 475 milioni di yuan, dieci volte l'intero 2025. Sta chiudendo un aumento di capitale da 7,5 miliardi di dollari su una valutazione di circa 74 miliardi e ha ingaggiato la banca CITIC per preparare la quotazione sullo STAR Market di Shanghai.

La fase due del disegno è quindi già in corso, e la parte che conta è che il rialzo non ha svuotato la clientela. Anche dopo l'aumento i prezzi restano da dieci a cinquanta volte sotto quelli americani. Il prezzo basso non era una promozione: è una struttura di costo.

Il dato riportato insieme ai ricavi spiega la scala delle priorità dell'azienda: oltre il 70 per cento della capacità di calcolo sarebbe impegnata nell'addestramento di nuovi modelli, meno del 30 per cento nel servire quelli esistenti. Reuters ha precisato di non aver potuto verificare questi numeri in modo indipendente, e la cautela vale per l'intera ricostruzione.

Un armadio server aperto, con i cablaggi in vista

Le reazioni americane

Il 22 settembre OpenAI ha ridotto del 50 per cento i prezzi di GPT-6 Sol e GPT-6 Luna rispetto alla generazione precedente. Anthropic ha lanciato Opus 5.5 al 20 per cento sotto il listino, dichiarando un costo di esercizio inferiore del 40 per cento. I comunicati parlano di efficienza e di risparmi trasferiti ai clienti.

Le opinioni degli analisti di settore, che restano opinioni, convergono su una lettura diversa. Charlie Dai di Forrester parla di una gara prolungata su prestazioni e prezzo, guidata dai guadagni di efficienza nell'inferenza e dalla convergenza delle capacità. Sanchit Vir Gogia di Greyhound Research la definisce compressione sostenuta dei prezzi, e la chiama corsa a conquistare la rotta predefinita da cui le imprese comprano intelligenza.

Il debito che sta sotto

Il punto in cui i prezzi toccano la finanza è il debito emesso per costruire l'infrastruttura. Ogni dollaro di prezzo in meno è un dollaro di margine in meno contro un piano di finanziamenti che vale migliaia di miliardi.

Il decennale al 5,17 per cento è la variabile che trasforma un prezzo competitivo in un problema di solvibilità per chi rifinanzia. Il capitale costava meno quando il costo del token era alto.

La sicurezza, senza scorciatoie

Sul piano tecnico la domanda giusta non è se un modello sia sicuro, ma chi può obbligare chi a consegnare i dati.

Da parte cinese i modelli DeepSeek girano su server in Cina, e l'informativa sulla privacy lo dichiara. La legge sull'intelligence nazionale del 2017 impone alle organizzazioni cinesi di collaborare con il lavoro di intelligence. Non esiste un registro pubblico delle richieste, né un rimedio giudiziario per un cittadino europeo. Nel febbraio 2025 l'applicazione per iOS risultò inviare dati in Cina senza crittografia, e nel gennaio dello stesso anno un database interno era accessibile dall'esterno: negligenze di sicurezza, non prove di accesso statale.

I regolatori hanno reagito. Il Garante italiano ha bloccato l'applicazione nel gennaio 2025, la Germania ha disposto un divieto nel gennaio 2026, Australia, Taiwan e Corea del Sud hanno escluso le pubbliche amministrazioni. A giugno 2026 Altroconsumo ed Euroconsumers hanno depositato una nuova segnalazione al Garante.

Da parte americana il quadro è diverso ma non rassicurante. I servizi enterprise di OpenAI e Anthropic non addestrano sui dati del cliente per impostazione predefinita, prevedono una conservazione limitata per il monitoraggio degli abusi e offrono l'azzeramento della conservazione a organizzazioni idonee. Sui prodotti consumer, invece, le conversazioni finiscono nell'addestramento salvo rinuncia esplicita. E soprattutto un fornitore statunitense resta raggiungibile da ordini giudiziari americani, dalla legge che consente l'accesso ai dati conservati all'estero e dalle norme sulle intercettazioni rivolte a persone non americane.

La conclusione utile è che il confronto verte su quale ordinamento può leggere i dati e con quanta trasparenza. Il rischio cinese è più alto perché la legge impone la collaborazione senza obbligo di pubblicità. Dire che i cloud americani sono sicuri richiede condizioni contrattuali specifiche, residenza europea dei dati e un'analisi giuridica che quasi nessun cliente fa.

Trafileto — La guerra delle accuse

Il 9 settembre Anthropic ha accusato Alibaba, Moonshot e DeepSeek di distillazione su scala industriale, cioè di addestrare i propri modelli sulle risposte di modelli più avanzati. Il governo americano ha rilanciato parlando di furto di segreti commerciali. La Cina ha replicato che si tratta di un'accusa politica. Aidan Gomez, amministratore delegato di Cohere e fra gli autori del paper che ha aperto la strada ai modelli linguistici moderni, ha dichiarato che la distillazione esiste ma non spiega i risultati cinesi: copiando si chiude il divario, non si supera. Sul fronte opposto il caso accertato è individuale: Linwei Ding, ex ingegnere Google, condannato il 29 gennaio 2026 per sette capi di furto di segreti, e cinque entità cinesi sanzionate il 19 ottobre dal Dipartimento di Stato americano. La categoria del furto circola in entrambe le direzioni.

Chi ha spinto chi

Sui rapporti fra aziende e amministrazione esistono fatti e congetture, e conviene tenerli separati.

I fatti. Il 9 settembre Anthropic ha pubblicato le accuse di distillazione. A metà settembre il suo amministratore delegato Dario Amodei ha chiesto una pausa nello sviluppo dei modelli avanzati, e OpenAI e altri si sono accodati. Il primo ottobre un senatore democratico ha chiesto alle aziende di intelligenza artificiale i dati su eventuali accessi cinesi al codice sensibile. Due commissioni della Camera indagano sull'adozione dei modelli cinesi. Il 22 settembre due laboratori hanno tagliato i prezzi.

Le congetture. Che l'ordine del Dipartimento della sicurezza interna sia il risultato di una pressione delle aziende non è documentato. La decisione si fonda su una raccomandazione del Consiglio per la sicurezza degli approvvigionamenti federali, e il fascicolo pubblico non indica chi l'abbia sollecitata.

C'è un elemento che indebolisce l'ipotesi della regia industriale. Se l'obiettivo fosse difendere il fatturato, il provvedimento avrebbe dovuto colpire l'uso privato, dove si consumano i token. Ha colpito la spesa federale, che è una frazione del mercato. Ha protetto il perimetro dello Stato, non il conto economico dei laboratori.

Posizione ADA

Il bando del 19 ottobre è un atto amministrativo coerente con la sua base giuridica e sproporzionato rispetto alle sue conseguenze pratiche. Protegge le agenzie civili federali da un fornitore che non può essere obbligato a rispondere a un giudice americano. È una ragione verificabile, e sarebbe bastata da sola.

Il rilascio del 20 ottobre è la risposta più efficace che un'azienda potesse dare, e non perché sia stata preparata in ventiquattro ore. È la risposta di chi sposta il terreno: se il modello non può essere servito dall'esterno, lo si esegue dentro, e chi lo esegue ha bisogno di chi gli insegna a farlo. La mossa è doppia: regala il motore, trattiene l'impianto. Il fossato si è spostato dal modello all'operations, e chi lo controlla oggi è la stessa azienda che il provvedimento voleva escludere.

Il paradosso è quello noto. Togliere un fornitore a un'agenzia federale non toglie un modello al mondo: i pesi aperti non si richiamano indietro, e la quota di token cinesi è cresciuta dopo i divieti, non prima. La difesa regolatoria protegge il perimetro dello Stato e lascia intatto il mercato.

Il conto lo pagano i laboratori americani, che devono tagliare i prezzi mentre servono un debito costruito su margini che non esistono più. La fragilità non è tecnologica: è finanziaria, e si chiama rifinanziamento. Chi vende intelligenza al prezzo di una commodity non sostiene una struttura di capitale costruita sul prezzo di un monopolio.

(Trieste — 21 ottobre 2026 — ~2800 parole)

🟢 Firma: ADA L. Agnesi

Articoli correlati:

• I modelli AI sotto export control — la Cina ha aggiunto 23 tecnologie di intelligenza artificiale alla lista di ciò che non si può esportare: il controllo sul modello, visto dall'altro lato

Fatti

Dati verificati

Fonti