Questi numeri, riportati da The Information sulla base di documenti condivisi con gli azionisti, mettono in luce la sfida centrale dell'industria dell'IA: una domanda esplosiva che non si traduce ancora in profitti sostenibili . La posta in gioco è alta: sia OpenAI che Anthropic avrebbero depositato richieste di IPO in via riservata a metà 2026, obbligandole a dimostrare un percorso credibile verso la redditività .

La soluzione software: routing multi-modello

L'ottimizzazione software specifica che OpenAI ha sviluppato per ridurre i costi di inferenza di oltre la metà è il routing multi-modello. Questa tecnica instrada automaticamente le query più semplici verso modelli più piccoli ed economici, riservando i modelli più potenti (e costosi) solo per le richieste complesse .

Le guide di settore descrivono questo approccio ibrido come in grado di offrire una riduzione dei costi dal 30 al 75% a livello di modello, grazie a tecniche come quantizzazione, distillazione e dimensionamento corretto, combinate con ottimizzazioni runtime come batching, decodifica speculativa e gestione della cache KV che possono garantire incrementi di produttività dal 40 all'80% . OpenAI ha anche reso operativa questa strategia offrendo sconti del 50% per l'inferenza differita tramite la sua Batch API—se i clienti accettano di attendere fino a 24 ore per i risultati .

Oltre al routing, gli ingegneri di OpenAI hanno riferito a The Information che le tecniche sono così potenti che in un certo momento sono riusciti a servire ChatGPT agli utenti non autenticati con solo un paio di centinaia di GPU Nvidia .

L'iniziativa hardware: il chip di inferenza custom Jalapeño

Il 24 giugno 2026, OpenAI e Broadcom hanno svelato Jalapeño, il primo chip di inferenza custom di OpenAI . Ecco i dettagli principali:

• Tipo: Circuito integrato specifico per applicazione (ASIC)—non una GPU, progettato esclusivamente per l'inferenza dei modelli linguistici di grandi dimensioni (LLM)
• Riduzione dei costi: I primi test mostrano un costo per inferenza inferiore di circa il 50% rispetto all'attuale hardware di inferenza basato su GPU Nvidia
• Prestazioni: Offre prestazioni per watt "sostanzialmente migliori" rispetto allo stato dell'arte attuale
• Sviluppo: Progettato da zero e portato in produzione in soli nove mesi, accelerato dall'uso dei modelli di IA di OpenAI nella progettazione del chip
• Distribuzione: Implementazione su scala gigawatt prevista per la fine del 2026
• Impegno a lungo termine: Parte di un impegno infrastrutturale da 10 GW fino al 2029
• Risparmio annuo: La riduzione dei costi del 50% potrebbe tradursi in un risparmio annuo compreso tra 500 milioni e 1 miliardo di dollari per OpenAI entro il 2028

OpenAI descrive il chip come "il primo elemento costitutivo di una roadmap pluriennale per il silicio custom", con l'obiettivo di costruire il proprio stack computazionale e ridurre il potere di determinazione dei prezzi di Nvidia . Il chip è verticalmente integrato—OpenAI lo utilizzerà esclusivamente per i propri carichi di lavoro di inferenza, senza venderlo a clienti esterni .

Le pressioni finanziarie in dettaglio

I dati principali dai documenti per gli azionisti del primo trimestre 2026:

• Ricavi: 5,7 miliardi di dollari (circa triplicati su base annua)
• Cash burn: 3,7 miliardi di dollari (anch'esso triplicato su base annua)
• Perdita operativa: 9,3 miliardi di dollari nel solo primo trimestre
• Perdita netta: 21,3 miliardi di dollari (inclusa la compensazione basata su azioni per 2,3 miliardi e una voce contabile non monetaria di 12,4 miliardi)
• Spese in R&S: 8,6 miliardi di dollari
• Margine lordo: Leggermente migliorato al 39%
• Riserve di cassa: 73 miliardi di dollari in contanti e titoli, che garantiscono margine di manovra nonostante le perdite massicce

Il margine operativo dell'azienda è stato di circa il -122%, il che significa che ha perso circa 1,22 dollari per ogni dollaro guadagnato . Nell'intero 2025, OpenAI ha registrato perdite per circa 38,5 miliardi di dollari su una spesa totale di 34 miliardi .

La corsa più ampia del settore: il crollo dei costi di inferenza

Le mosse di riduzione dei costi di OpenAI si inseriscono in una ben più ampia guerra dei prezzi a livello di settore che sta ridisegnando l'economia dell'IA:

• Anthropic ha accelerato la crescita della propria base clienti e ha superato OpenAI nell'adozione tra le imprese statunitensi (34,4% contro 32,3%) a maggio 2026 .
• I modelli open-source comprimono i prezzi: quattro modelli cinesi a pesi aperti eguagliano ora i benchmark di coding all'avanguardia a un terzo del costo delle alternative proprietarie . DeepSeek V4, secondo quanto riportato, costa cinquanta volte meno da eseguire rispetto a Claude Opus 4.6 .
• Google Gemini 3.1 Flash costa 0,10 dollari per milione di token in input—una riduzione del 99,7% in tre anni .
• Claude Sonnet 4.6 di Anthropic supera GPT-4 in tutti i benchmark storici a 3 dollari per milione di token in input .
• I costi di inferenza sono diminuiti di circa 50 volte in tre anni, con un mercato che si prevede passerà da 103 miliardi di dollari (2025) a 255 miliardi (2030) .
• OpenAI sta valutando tagli significativi ai prezzi per token per sviluppatori e clienti enterprise, per prevenire mosse simili da parte di Anthropic .
• I clienti utilizzano sempre più strumenti di routing multi-modello per combinare modelli più economici ed evitare i prezzi premium di un singolo fornitore .

Cosa significa per il settore dell'IA

La combinazione di ottimizzazioni software e hardware posiziona OpenAI per poter potenzialmente dimezzare i propri costi di inferenza mentre scala. Ma l'azienda non agisce nel vuoto. Il crollo generale dei prezzi dell'inferenza—guidato da concorrenti, alternative open-source e hardware specializzato—significa che il potere di determinazione dei prezzi si sta erodendo in tutto il settore .

Per le imprese, questa è una buona notizia: il costo effettivo di esecuzione dei carichi di lavoro di IA sta diminuendo più rapidamente di quanto crescano le capacità. La Batch API di OpenAI offre già sconti del 50% per i carichi di lavoro differiti, mentre il routing multi-modello può tagliare i costi dal 40 al 60% senza sacrificare la qualità . La domanda è se un singolo fornitore possa mantenere prezzi premium in un mercato in cui i modelli open-source cinesi offrono capacità all'avanguardia a una frazione del costo .

Questi numeri, riportati da The Information sulla base di documenti condivisi con gli azionisti, mettono in luce la sfida centrale dell'industria dell'IA: una domanda esplosiva che non si traduce ancora in profitti sostenibili . La posta in gioco è alta: sia OpenAI che Anthropic avrebbero depositato richieste di IPO in via riservata a metà 2026, obbligandole a dimostrare un percorso credibile verso la redditività .

La soluzione software: routing multi-modello

L'ottimizzazione software specifica che OpenAI ha sviluppato per ridurre i costi di inferenza di oltre la metà è il routing multi-modello. Questa tecnica instrada automaticamente le query più semplici verso modelli più piccoli ed economici, riservando i modelli più potenti (e costosi) solo per le richieste complesse .

Le guide di settore descrivono questo approccio ibrido come in grado di offrire una riduzione dei costi dal 30 al 75% a livello di modello, grazie a tecniche come quantizzazione, distillazione e dimensionamento corretto, combinate con ottimizzazioni runtime come batching, decodifica speculativa e gestione della cache KV che possono garantire incrementi di produttività dal 40 all'80% . OpenAI ha anche reso operativa questa strategia offrendo sconti del 50% per l'inferenza differita tramite la sua Batch API—se i clienti accettano di attendere fino a 24 ore per i risultati .

Oltre al routing, gli ingegneri di OpenAI hanno riferito a The Information che le tecniche sono così potenti che in un certo momento sono riusciti a servire ChatGPT agli utenti non autenticati con solo un paio di centinaia di GPU Nvidia .

L'iniziativa hardware: il chip di inferenza custom Jalapeño

Il 24 giugno 2026, OpenAI e Broadcom hanno svelato Jalapeño, il primo chip di inferenza custom di OpenAI . Ecco i dettagli principali:

• Tipo: Circuito integrato specifico per applicazione (ASIC)—non una GPU, progettato esclusivamente per l'inferenza dei modelli linguistici di grandi dimensioni (LLM)
• Riduzione dei costi: I primi test mostrano un costo per inferenza inferiore di circa il 50% rispetto all'attuale hardware di inferenza basato su GPU Nvidia
• Prestazioni: Offre prestazioni per watt "sostanzialmente migliori" rispetto allo stato dell'arte attuale
• Sviluppo: Progettato da zero e portato in produzione in soli nove mesi, accelerato dall'uso dei modelli di IA di OpenAI nella progettazione del chip
• Distribuzione: Implementazione su scala gigawatt prevista per la fine del 2026
• Impegno a lungo termine: Parte di un impegno infrastrutturale da 10 GW fino al 2029
• Risparmio annuo: La riduzione dei costi del 50% potrebbe tradursi in un risparmio annuo compreso tra 500 milioni e 1 miliardo di dollari per OpenAI entro il 2028

OpenAI descrive il chip come "il primo elemento costitutivo di una roadmap pluriennale per il silicio custom", con l'obiettivo di costruire il proprio stack computazionale e ridurre il potere di determinazione dei prezzi di Nvidia . Il chip è verticalmente integrato—OpenAI lo utilizzerà esclusivamente per i propri carichi di lavoro di inferenza, senza venderlo a clienti esterni .

Le pressioni finanziarie in dettaglio

I dati principali dai documenti per gli azionisti del primo trimestre 2026:

• Ricavi: 5,7 miliardi di dollari (circa triplicati su base annua)
• Cash burn: 3,7 miliardi di dollari (anch'esso triplicato su base annua)
• Perdita operativa: 9,3 miliardi di dollari nel solo primo trimestre
• Perdita netta: 21,3 miliardi di dollari (inclusa la compensazione basata su azioni per 2,3 miliardi e una voce contabile non monetaria di 12,4 miliardi)
• Spese in R&S: 8,6 miliardi di dollari
• Margine lordo: Leggermente migliorato al 39%
• Riserve di cassa: 73 miliardi di dollari in contanti e titoli, che garantiscono margine di manovra nonostante le perdite massicce

Il margine operativo dell'azienda è stato di circa il -122%, il che significa che ha perso circa 1,22 dollari per ogni dollaro guadagnato . Nell'intero 2025, OpenAI ha registrato perdite per circa 38,5 miliardi di dollari su una spesa totale di 34 miliardi .

La corsa più ampia del settore: il crollo dei costi di inferenza

Le mosse di riduzione dei costi di OpenAI si inseriscono in una ben più ampia guerra dei prezzi a livello di settore che sta ridisegnando l'economia dell'IA:

• Anthropic ha accelerato la crescita della propria base clienti e ha superato OpenAI nell'adozione tra le imprese statunitensi (34,4% contro 32,3%) a maggio 2026 .
• I modelli open-source comprimono i prezzi: quattro modelli cinesi a pesi aperti eguagliano ora i benchmark di coding all'avanguardia a un terzo del costo delle alternative proprietarie . DeepSeek V4, secondo quanto riportato, costa cinquanta volte meno da eseguire rispetto a Claude Opus 4.6 .
• Google Gemini 3.1 Flash costa 0,10 dollari per milione di token in input—una riduzione del 99,7% in tre anni .
• Claude Sonnet 4.6 di Anthropic supera GPT-4 in tutti i benchmark storici a 3 dollari per milione di token in input .
• I costi di inferenza sono diminuiti di circa 50 volte in tre anni, con un mercato che si prevede passerà da 103 miliardi di dollari (2025) a 255 miliardi (2030) .
• OpenAI sta valutando tagli significativi ai prezzi per token per sviluppatori e clienti enterprise, per prevenire mosse simili da parte di Anthropic .
• I clienti utilizzano sempre più strumenti di routing multi-modello per combinare modelli più economici ed evitare i prezzi premium di un singolo fornitore .

Cosa significa per il settore dell'IA

La combinazione di ottimizzazioni software e hardware posiziona OpenAI per poter potenzialmente dimezzare i propri costi di inferenza mentre scala. Ma l'azienda non agisce nel vuoto. Il crollo generale dei prezzi dell'inferenza—guidato da concorrenti, alternative open-source e hardware specializzato—significa che il potere di determinazione dei prezzi si sta erodendo in tutto il settore .

Per le imprese, questa è una buona notizia: il costo effettivo di esecuzione dei carichi di lavoro di IA sta diminuendo più rapidamente di quanto crescano le capacità. La Batch API di OpenAI offre già sconti del 50% per i carichi di lavoro differiti, mentre il routing multi-modello può tagliare i costi dal 40 al 60% senza sacrificare la qualità . La domanda è se un singolo fornitore possa mantenere prezzi premium in un mercato in cui i modelli open-source cinesi offrono capacità all'avanguardia a una frazione del costo .