Token AI sotto 1 dollaro: la guerra dei prezzi cinese non frena la spesa

Il prezzo effettivo dei token per i grandi modelli linguistici (LLM) è sceso sotto la soglia simbolica di 1 dollaro. Il 1° settembre 2026, il LLM Token Expenditure Index di Silicon Data, indicato con il ticker SDLLMTK, ha segnato 0,97 dollari per un milione di token: un minimo storico e meno della metà del picco toccato all’inizio dell’estate. 24

Non significa però che la domanda di AI sia diminuita. Al contrario: la concorrenza sulle API, soprattutto in Cina, sta rendendo economicamente praticabili più applicazioni e più automazioni. Di conseguenza, l’uso dei token e la spesa totale per l’AI possono crescere anche mentre il costo unitario crolla.

Che cosa misura davvero il valore di 0,97 dollari

L’indice di Silicon Data non conta tutti i token consumati né rappresenta l’intera spesa globale per l’intelligenza artificiale. Misura invece il prezzo effettivo ponderato per l’uso di un milione di token nell’inferenza LLM, combinando i listini dei fornitori con i consumi osservati su un universo definito di modelli. 24

In pratica, se una quota maggiore dei carichi di lavoro viene spostata su modelli meno costosi, l’indice può scendere anche se le organizzazioni consumano più token e spendono di più in valore assoluto. Il dato fotografa quindi insieme il livello dei prezzi e il mix di modelli scelti dagli utenti, non i ricavi complessivi del mercato.

La concorrenza cinese ha abbassato il costo per i carichi di lavoro più comuni

La guerra dei prezzi tra fornitori cinesi ha messo sul mercato alternative molto economiche per le attività che non richiedono necessariamente il modello di frontiera più potente. DeepSeek V4-Flash, per esempio, era quotato a 0,14 dollari per un milione di token in input e a 0,28 dollari per un milione di token in output. 49

DeepSeek ha inoltre ridotto del 75% i prezzi di V4-Pro nel maggio 2026, in una mossa interpretata come un’intensificazione della competizione tra i fornitori cinesi di modelli. 58 Anche altri tagli e offerte a basso costo nell’ecosistema cinese hanno aumentato la pressione sui fornitori in competizione per i grandi volumi di inferenza. 452

Il quadro mostra una forte associazione tra questa pressione competitiva e la discesa del prezzo medio ponderato dei token. Non consente però di attribuire una quota causale precisa a un singolo laboratorio, modello o annuncio tariffario: incidono anche i miglioramenti di efficienza, l’espansione della capacità di calcolo e le scelte delle aziende nel distribuire le richieste tra modelli diversi.

Perché token più economici possono far aumentare la spesa AI

L’apparente paradosso si spiega con una relazione semplice:

spesa totale per token = prezzo effettivo per token × volume di token

Quando il costo unitario cala, diventano sostenibili casi d’uso prima troppo costosi: più workflow automatizzati, prompt e contesti più lunghi, maggiore generazione di codice, sistemi basati su agenti AI e un minor numero di limiti all’utilizzo.

Se il volume dei token cresce più in fretta di quanto diminuisce il prezzo effettivo, la spesa complessiva sale. È un andamento coerente con le stime secondo cui il prezzo per token è diminuito di oltre il 90% dal 2023, mentre la spesa per l’uso degli LLM è circa raddoppiata dalla fine del 2025. 4143

Il punto non è quindi che gli sconti abbiano fallito nel ridurre i costi: rendendo l’inferenza più accessibile, hanno ampliato il numero di attività per cui vale la pena adottare l’AI.

I volumi in Cina mostrano la portata della risposta della domanda

Secondo proiezioni governative citate da Reuters, il consumo giornaliero di token AI in Cina aveva superato i 140.000 miliardi entro marzo 2026, rispetto ai 100.000 miliardi della fine del 2025. 18

Anche le comunicazioni di imprese e istituti finanziari indicano una forte crescita. China Merchants Bank ha dichiarato che il proprio throughput medio giornaliero di token è aumentato di oltre il 78% su base annua; altre informazioni riportavano per la banca un consumo vicino a 33 miliardi di token al giorno alla fine di maggio. 1929 Altre banche cinesi avrebbero registrato incrementi ancora più marcati nell’uso medio quotidiano di token. 20

Questi numeri non misurano direttamente i ricavi delle API e non dimostrano che ogni carico di lavoro produca un ritorno economico. Mostrano però che un’inferenza meno costosa viene tradotta rapidamente in un utilizzo molto più elevato.

Il problema si sposta sui margini dei fornitori

Per chi acquista AI, prezzi di inferenza più bassi sono un vantaggio. Per chi sviluppa e vende modelli, l’equazione è più difficile: il ricavo per token può diminuire mentre restano elevati gli investimenti in chip, data center, addestramento e sviluppo dei modelli.

La questione centrale non è più se le aziende consumeranno token a basso prezzo: i dati suggeriscono di sì. La vera incognita è se l’aumento dei volumi, le offerte premium e i prodotti per le imprese riusciranno a generare ricavi durevoli e miglioramenti di produttività misurabili abbastanza in fretta da sostenere gli investimenti infrastrutturali. Il calo dell’indice ha riportato l’attenzione proprio sul rischio per il potere di determinazione dei prezzi dei fornitori. 436

Cosa seguire nei prossimi mesi

Più del listino di un singolo modello, contano quattro indicatori:

• Prezzi effettivi ponderati dei token, come SDLLMTK, per capire su quali modelli vengono realmente instradati i carichi di lavoro. 2
• Volumi di token, che mostrano se i prezzi più bassi stanno ampliando la domanda.
• Ricavi e margini, per valutare se i fornitori riescono a trasformare l’aumento dell’uso in rendimenti sostenibili.
• Qualità e valore dei workflow, perché un consumo elevato di token, da solo, non dimostra un beneficio economico.

La conclusione è lineare: la concorrenza sulle API a basso costo in Cina ha contribuito a rendere l’inferenza LLM molto più economica, spingendo il prezzo medio ponderato sotto 1 dollaro per milione di token. Ma proprio quei prezzi più bassi incoraggiano un utilizzo più intenso: consumo di token e spesa totale per l’AI possono quindi crescere contemporaneamente. 2441