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 .

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 .