Modelli AI cinesi open-weight in Europa: sovranità digitale o rischio dati?

Per le aziende europee, la scelta tra modelli AI cinesi open-weight e alternative proprietarie statunitensi non è un semplice bivio. Come ha dichiarato un consulente con sede in Germania al South China Morning Post, "un modello open-weight sviluppato in Cina, gestito su infrastrutture europee con i dati sotto il controllo dell'azienda, può offrire sotto alcuni aspetti una maggiore sovranità operativa rispetto all'utilizzo di un modello proprietario straniero che può essere modificato, ritariffato o ritirato da remoto" . Il fattore decisivo non è dove il modello è stato costruito, ma come viene implementato.

Il Paradosso della Sovranità: Auto-Ospitare vs. Noleggiare un'API

I modelli cinesi open-weight possono paradossalmente migliorare la sovranità operativa europea quando sono auto-ospitati su server locali. Una volta pubblicati con licenze permissive (DeepSeek usa MIT, Qwen usa Apache 2.0), questi pesi possono essere scaricati, modificati ed eseguiti interamente sull'infrastruttura dell'azienda, senza che alcun dato fluisca verso il fornitore .

Al contrario, i modelli chiusi statunitensi di OpenAI, Anthropic e Google richiedono il noleggio tramite API, con un costo per token, e sottopongono le aziende ai termini del fornitore, alle variazioni di prezzo e alla sua roadmap di sviluppo . Come ha osservato CNBC, questo crea una dipendenza da "una manciata di fornitori di IA" . Il Parlamento Europeo ha inoltre sollevato preoccupazioni sul fatto che il dominio di aziende AI extraeuropee crei incertezza sul fatto che l'IA nel mercato UE "salvaguardi i diritti fondamentali e i valori dell'UE" .

Attualmente, l'Europa non ha un modello chiuso di frontiera alla pari di GPT o Claude; il suo campione open-weight più forte, Mistral, è competitivo ma non all'assoluta frontiera . Quindi, la scelta realistica a breve termine per la maggior parte delle aziende europee è tra un modello proprietario statunitense e uno cinese open-weight, non tra un'alternativa europea.

Il Divario più Profondo: Conformità GDPR e Controllo dei Dati

È qui che la modalità di implementazione crea un abisso legale. Il Sovereign AI Registry classifica DeepSeek R1 come "Pronto per gli Appalti UE" quando è auto-ospitato, notando: "I flussi di dati passano interamente — stessi pesi, zero flussi di dati verso la RPC" . Il rischio GDPR è legato al servizio ospitato, non ai pesi open-weight stessi .

• API cinese ospitata (es. deepseek.com): La Cina non ha una decisione di adeguatezza GDPR UE, e la privacy policy di DeepSeek afferma esplicitamente che i dati sono memorizzati in Cina e possono essere condivisi con le autorità cinesi. L'Italia ha vietato il servizio ospitato entro 72 ore . La Commissione Europea ha confermato che qualsiasi trasferimento di dati personali in Cina da parte di DeepSeek deve rispettare il GDPR, richiedendo clausole contrattuali standard o una decisione di adeguatezza che attualmente non esistono .
• Pesi open-weight auto-ospitati: Un modello cinese open-weight auto-ospitato su infrastrutture UE non invia alcun dato in Cina. Molti analisti legali confermano che eseguire modelli open-weight in locale comporta lo stesso basso rischio di eseguire Qwen o Llama locali: nessun flusso di dati transfrontaliero .
• API proprietaria USA: I fornitori di cloud statunitensi offrono generalmente accordi di elaborazione dei dati conformi al GDPR e opzioni di residenza dei dati nell'UE. Tuttavia, ogni chiamata API invia comunque i dati del prompt all'infrastruttura del fornitore, il che può sollevare preoccupazioni per casi d'uso altamente sensibili .

Dipendenze della Catena di Fornitura: Una Forma Diversa di Rischio

L'uso di modelli cinesi open-weight crea una dipendenza a valle dai laboratori AI cinesi per aggiornamenti, patch di sicurezza e versioni future del modello. CNBC ha notato il rischio che "le aziende americane diventino dipendenti dalla tecnologia cinese" — la stessa logica si applica all'Europa . Il Centre for European Policy avverte che i modelli cinesi potrebbero contenere "backdoor che non possono essere rimosse nemmeno attraverso procedure intensive di safety training" e che il controllo politico è "profondamente radicato nell'architettura dei dati di training" .

Tuttavia, entrambe le opzioni dipendono in ultima analisi da chip progettati negli Stati Uniti (Nvidia, AMD) o da alternative cinesi soggette a controlli all'esportazione. Un modello cinese eseguito su hardware europeo dipende comunque da una catena di fornitura globale di semiconduttori.

L'uso di modelli statunitensi lega l'azienda ai fornitori di cloud USA e a una tariffazione API monovendor. Con l'aumento dei costi dell'IA statunitense, le aziende globali si stanno attivamente orientando verso alternative più economiche . Goldman Sachs ha osservato che i modelli cinesi open-weight "stanno raggiungendo un punto critico di intelligenza che li rende alternative valide" .

Il Vantaggio di Costo è Drammatico

I modelli cinesi open-weight costano dal 60 al 90% in meno rispetto ai modelli proprietari statunitensi di punta . DeepSeek V4 Flash costa $0,14 per milione di token di input, rispetto a GPT-5.2 a $1,75 . Un flusso di lavoro che costa $10.000 al mese su un modello statunitense leader potrebbe funzionare tra $1.000 e $4.000 utilizzando un'alternativa cinese open-weight .

Entro luglio 2026, le aziende statunitensi instradavano oltre il 30% dei loro token OpenRouter verso modelli aperti cinesi, rispetto a solo il 4,5% nella prima metà del 2025 . Coinbase ha annunciato a giugno 2026 di aver reindirizzato i carichi di lavoro di ingegneria di routine da OpenAI ai modelli cinesi open-weight di Zhipu AI e DeepSeek .

Una Via di Mezzo Pratica: Instradamento Multi-Modello

Molte aziende europee stanno adottando una strategia di "instradamento del carico di lavoro": utilizzare modelli open-weight più economici per attività non sensibili e modelli premium per quelle ad alto rischio, riducendo la dipendenza da un singolo fornitore . Questo approccio ibrido consente di bilanciare costi, rischi e prestazioni.

Una strategia di selezione del modello difendibile prevede quattro passaggi, secondo The National Law Review: mappare quali flussi di lavoro toccano quali modelli; identificare dove la tecnologia soggetta a controllo all'esportazione entra in questi flussi; impostare una postura di modello e implementazione per ogni carico di lavoro; e documentare a fondo la due diligence .

Il Paradosso degli Open-Weight non può essere Ignorato

I pesi open-weight sono "irrevocabili" — una volta rilasciati, le salvaguardie di sicurezza possono essere rimosse con il minimo sforzo, e migliaia di varianti spogliate delle protezioni circolano già liberamente . Il potenziale di equalizzazione dei modelli open-weight e i rischi per la sicurezza che li accompagnano sono inseparabili .

L'AI Act dell'UE, che si applica ai modelli di IA per uso generale immessi sul mercato UE dall'agosto 2025, presume che i modelli addestrati al di sopra di 10²⁵ operazioni in virgola mobile comportino un rischio sistemico e debbano soddisfare maggiori obblighi di sicurezza e trasparenza . Sia i modelli cinesi open-weight che quelli proprietari statunitensi dovranno conformarsi.

In conclusione: La scelta per le aziende europee non è tra "cinese" e "statunitense" come categorie monolitiche. Auto-ospitare un modello cinese open-weight su infrastrutture europee può offrire un migliore controllo dei dati e una maggiore sovranità operativa rispetto all'affidarsi a un'API proprietaria statunitense — ma introduce diverse dipendenze della catena di fornitura, rischi per la sicurezza e preoccupazioni politiche. Il percorso più pratico per molte aziende è una strategia ibrida che instradi i carichi di lavoro sensibili verso modelli aperti auto-ospitati e riservi le API proprietarie statunitensi per attività meno sensibili e ad alte prestazioni .