Luigi Gambardella è autore di un prezioso intervenuto su AI4Business dove emerge con chiarezza come il dibattito sull’intelligenza artificiale si sia a lungo concentrato sulla questione di chi possieda il modello più potente. Questa domanda, tuttavia, rischia di diventare rapidamente secondaria rispetto a un tema ben più strutturale: il prezzo dell’intelligenza, ovvero quanto costi produrla, distribuirla e renderla accessibile su scala globale.
Il passaggio da una competizione centrata sulla potenza dei modelli a una focalizzata sul costo unitario dell’output utile rappresenta un cambio di paradigma con conseguenze profonde per l’economia, le strategie industriali e gli equilibri geopolitici.
Secondo Gambardella, il prezzo deve continuare a essere determinato dal mercato ma ipotizza un benchmark indipendente e internazionale, elaborato con una metodologia trasparente da un organismo come l’OCSE, da un consorzio di università o da una partnership pubblico-privata.
Questo indice dovrebbe misurare il costo a parità di qualità e prestazioni, non solo il costo nominale per milione di token, per evitare di confrontare prodotti diversi in modo puramente quantitativo. Non si tratterebbe quindi di un prezzo imposto, ma di un “indice del prezzo dell’intelligenza”, utile per capire l’accessibilità dell’IA, l’efficienza degli operatori e l’evoluzione della concorrenza.
Secondo il CEO di Nvidia, Jensen Huang, abbiamo superato la prima fase dell’intelligenza artificiale, quella in cui i token venivano inviati direttamente all’utente e le metriche principali erano la velocità e il costo di generazione per singolo pezzetto di testo. Questo approccio basato sul token come merce standard, però, è entrato in crisi con l’avvento dei modelli di ragionamento e degli agenti autonomi.
Oggi, infatti, i modelli generano una valanga di token per “pensare” prima di dare la risposta definitiva, e ognuno lo fa in modo diverso. Ad esempio, per arrivare alla stessa soluzione corretta, un modello potrebbe consumare molti più token di un altro. Di conseguenza, i token non sono affatto intercambiabili come il petrolio o il grano.
La vera merce di scambio standard e universale è il risultato finale, ovvero l’intelligenza stessa. Se due intelligenze artificiali diverse forniscono la stessa risposta esatta, l’utente ottiene lo stesso valore, ma il costo di produzione per l’azienda cambia drasticamente. Questo costo finale non dipende più solo da quanti token sforna la GPU, ma da una serie di efficienze strutturali: quanto è grande il modello, come gestisce la memoria, come ottimizza i calcoli e, soprattutto, quanti pochi token gli bastano per arrivare alla conclusione corretta.
I numeri dicono tutto. Far girare un milione di token con i modelli cinesi costa circa 1,4 dollari; con i modelli americani siamo intorno ai 20 dollari. È una differenza enorme, che cambia completamente i conti di fine anno. Grandi gruppi come Siemens e Airbnb hanno già capito l’antifona e stanno combinando le due sponde: usano l’AI cinese per le attività ordinarie e massive, e quella americana per le richieste più sofisticate.
La scelta però non è solo economica, è geopolitica. Il mercato dell’intelligenza artificiale si sta spaccando in due blocchi. Gli Stati Uniti vigilano sull’uso della tecnologia cinese, mentre Pechino blocca i modelli americani. Presto le multinazionali dovranno scegliere da che parte stare, sdoppiando le proprie infrastrutture digitali e rinunciando alle sinergie. E la scelta per molti mercati emergenti è già chiara: in Africa diversi capi di governo si chiedono apertamente perché dovrebbero scegliere l’AI americana, visto che i cinesi hanno costruito i loro porti, aeroporti e oleodotti. Che la tecnologia di Pechino spinga forte lo dimostra Moonshot AI: il lancio del loro nuovo modello open-source Kimi K3 – un colosso da 2.800 miliardi di parametri – ha letteralmente mandato in tilt il sito per i troppi accessi.
Dall’altra parte dell’oceano, Elon Musk prova a sparigliare le carte. SpaceX è in trattativa con il Pentagono per fornire potenza di calcolo e pianifica di fare concorrenza diretta ai fornitori di “neocloud” come Coreweave, puntando ad abbattere i prezzi commerciali della capacità di calcolo.
E l’Europa? Come spesso accade, le istituzioni viaggiano su un binario diverso rispetto alla realtà. I cittadini europei chiedono a gran voce difese contro i deepfake, la manipolazione online e la protezione dei minori. Eppure, il mandato legale del nuovo Ufficio UE per l’IA si concentra su rischi sistemici teorici e da fantascienza: attacchi informatici su larga scala, minacce chimiche o la perdita di controllo dei sistemi. Nel frattempo, da Bruxelles c’è chi invoca pressioni commerciali per testare la stabilità di Pechino.
L’Unione Europea potrebbe tuttavia distogliere l’attenzione su questi temi e pensare di replicare sull’IA l’esperienza degli ETS, ma la nascita di una tassa di frontiera sui token o sul compute rischierebbe di essere complessa e protezionistica. Ecco perchè.
Sommario
L’opportunità dei futures sui token
L’intelligenza artificiale sta assumendo il ruolo di infrastruttura critica, paragonabile per importanza al petrolio o all’elettricità nell’era industriale. Proprio come il prezzo dell’energia ha determinato per decenni la competitività di interi settori, il costo dell’inferenza sta diventando un fattore decisivo per le imprese che integrano l’IA nei propri processi. Quando questo costo diminuisce in modo significativo, intere categorie di applicazioni passano da marginali a economicamente sostenibili, generando un’espansione della domanda che a sua volta spinge ulteriori investimenti in infrastrutture di calcolo, reti e data center. Questo circolo virtuoso premia chi riesce a offrire intelligenza a prezzi contenuti su larga scala, penalizzando al contempo chi opera in contesti caratterizzati da costi più elevati.
In questo quadro assume particolare rilievo l’ipotesi di sviluppare mercati di contratti futures sui token di intelligenza artificiale. Strumenti di questo tipo permetterebbero alle imprese di fissare oggi il costo futuro dell’inferenza, riducendo l’incertezza e facilitando la pianificazione degli investimenti. Un’azienda che prevede di consumare miliardi di token nei mesi o negli anni successivi potrebbe proteggersi dalla volatilità dei prezzi, proprio come avviene nei mercati energetici. La nascita di tali meccanismi segnalerebbe la maturazione dell’intelligenza artificiale come risorsa gestibile a livello finanziario, e non più solo come servizio tecnologico dal costo variabile.
Tuttavia, la realizzazione di futures efficaci richiede la soluzione di un problema centrale: i token non sono una commodity omogenea.
La qualità, la latenza, le capacità di ragionamento e il valore economico del risultato variano enormemente a seconda del modello utilizzato. Ciò rende necessaria la definizione di benchmark più sofisticati, capaci di misurare non il semplice numero di token, ma il costo effettivo per unità di intelligenza utile. Questa esigenza di misurazione richiama direttamente l’esperienza maturata con il sistema europeo di scambio di quote di emissione (ETS).
L’ETS ha rappresentato un tentativo pionieristico di attribuire un prezzo a un’esternalità attraverso un mercato delle quote che limita le emissioni complessive e consente il trading tra i soggetti obbligati. Nel tempo, il meccanismo ha influenzato le decisioni industriali, ha generato entrate per gli Stati e ha spinto verso tecnologie più efficienti, pur richiedendo continui aggiustamenti per bilanciare obiettivi ambientali e competitività economica. Allo stesso modo, un sistema di pricing per l’intelligenza artificiale potrebbe evolversi da semplici listini verso indicatori compositi e strumenti derivati.
Il rischio che gli Stati europei introducano forme di tassazione sul compute o sui token si inserisce naturalmente in questo contesto ma l’effetto sarebbe disastroso per la nostra industria.
Proprio come l’ETS ha creato una base imponibile legata alle emissioni di carbonio, un meccanismo analogo applicato all’intelligenza artificiale potrebbe spingere i governi a considerare il consumo di risorse computazionali come una fonte di entrate fiscali o come uno strumento di regolazione dell’accesso a tecnologie esterne. In un periodo di finanze pubbliche sotto pressione e di forte domanda di investimenti nelle infrastrutture digitali e nella transizione energetica, la tentazione di tassare il calcolo computazionale appare concreta.
Una tassa sul consumo di token o sulle operazioni di calcolo potrebbe essere motivata come misura di equità per catturare parte del valore generato dall’intelligenza artificiale o come forma di protezione per le industrie nazionali.
Tuttavia, questo approccio rischierebbe di sovrapporsi agli oneri già esistenti, creando un carico cumulativo per le aziende dell’Unione Europea, che si trovano in una posizione particolarmente delicata. Da un lato devono assorbire i costi derivanti dall’ETS, che impongono un prezzo al carbonio e richiedono investimenti in decarbonizzazione o l’acquisto di quote; dall’altro, potrebbero dover fronteggiare ulteriori esborsi qualora venissero introdotte tasse specifiche sul compute o meccanismi di aggiustamento alla frontiera per i servizi di intelligenza artificiale.
Nel frattempo, ecosistemi alternativi offrono intelligenza a costi sensibilmente inferiori grazie a ottimizzazioni architetturali e a un’integrazione verticale tra modelli, infrastrutture e distribuzione. Questa differenza di costo si traduce in un vantaggio strutturale per chi opera in contesti con minori vincoli regolatori e fiscali. Le imprese europee, al contrario, si confrontano con un costo totale dell’intelligenza che include non solo il prezzo di mercato, ma anche oneri aggiuntivi legati alle normative ambientali e a potenziali nuove imposte.
Il divario di competitività si manifesta in modo evidente nei settori ad alta intensità di intelligenza artificiale. Un’azienda manifatturiera che integra agenti autonomi per ottimizzare la produzione, una società di servizi finanziari che utilizza modelli avanzati per l’analisi del rischio o una piattaforma logistica che impiega sistemi predittivi devono calcolare il proprio costo effettivo dell’inferenza includendo gli oneri cumulativi. Quando questi ultimi risultano significativamente più elevati rispetto a quelli sostenuti dai concorrenti storici o globali, i margini si riducono, la capacità di reinvestire in innovazione diminuisce e la perdita di quote di mercato diventa più probabile.
L’esperienza dell’ETS insegna che tali meccanismi richiedono un’attenzione costante agli impatti sulla competitività industriale, da attuare attraverso misure di sostegno mirate o strumenti di compensazione per i settori più esposti.
La questione degli standard e dei benchmark amplifica ulteriormente queste dinamiche: chi riuscirà a definire le metriche con cui misurare e prezzare l’intelligenza artificiale avrà un’influenza determinante sul funzionamento dell’intero mercato.
L’opportunità per l’Europa di definire standard
Un benchmark condiviso e trasparente permetterebbe confronti oggettivi tra soluzioni diverse e favorirebbe la concorrenza sul merito. Al contrario, l’assenza di tali riferimenti rischia di lasciare spazio a standard de facto imposti da chi controlla i volumi maggiori e le infrastrutture di trading. L’Europa ha l’opportunità di contribuire attivamente a questo processo promuovendo indicatori che tengano conto non solo del costo, ma anche della qualità, dell’affidabilità e della sostenibilità dell’intelligenza prodotta.
Un approccio di questo tipo potrebbe trasformare i vincoli normativi in un vantaggio competitivo, permettendo alle imprese europee di posizionarsi su segmenti ad alto valore aggiunto in cui l’eccellenza tecnologica e la conformità alle regole diventano fattori distintivi. L’integrazione tra i meccanismi di mercato per l’intelligenza artificiale e l’esperienza maturata con l’ETS suggerisce anche la necessità di una riflessione più ampia sulle politiche industriali.
La disponibilità di futures sui token potrebbe facilitare la pianificazione aziendale riducendo la volatilità dei costi, ma solo se accompagnata da un quadro regolatorio coerente e da benchmark riconosciuti a livello internazionale.
Allo stesso tempo, l’introduzione di forme di tassazione sul compute dovrebbe essere valutata con estrema cautela per evitare effetti distorsivi che penalizzino l’adozione dell’intelligenza artificiale proprio nei contesti in cui potrebbe generare i maggiori benefici in termini di produttività e innovazione.
In prospettiva, il prezzo dell’intelligenza si conferma come la leva strategica centrale per i prossimi decenni. La sua evoluzione attraverso mercati più maturi, benchmark sofisticati e possibili forme di tassazione influenzerà non solo i bilanci aziendali, ma anche la capacità dell’Europa di mantenere un ruolo rilevante nelle catene del valore globali.
Le imprese europee si trovano di fronte alla necessità di navigare in un ambiente in cui i costi dell’intelligenza includono componenti di mercato, oneri regolatori derivanti da meccanismi come l’ETS e potenziali nuove imposte sul compute.
La capacità di gestire questa complessità, combinando l’innovazione tecnologica con una politica attenta agli impatti sulla competitività, sarà determinante per evitare che il divario con gli ecosistemi a basso costo si ampli in modo strutturale. Il controllo del prezzo e della misurazione dell’intelligenza non è quindi soltanto una questione tecnica o finanziaria, ma un elemento chiave della sovranità economica e industriale del continente per i decenni a venire.
