Il 24 luglio 2026 venticinque aziende tecnologiche americane hanno pubblicato una lettera aperta intitolata "Open Weights and American AI Leadership", ospitata sul sito di corporate responsibility di Microsoft. Il messaggio è semplice: gli Stati Uniti manterranno la leadership nell'intelligenza artificiale solo se costruiranno un ecosistema di modelli aperti, e Washington deve smettere di ragionare su restrizioni ai modelli scaricabili.
Nell'elenco iniziale ci sono Nvidia, Microsoft, Meta, IBM, Dell, Palantir, Mistral, Hugging Face, Mozilla, CrowdStrike, Perplexity, Andreessen Horowitz, Y Combinator. Jensen Huang ha usato il suo primo post in assoluto su X per condividerla, scrivendo che i modelli aperti «rafforzano la sicurezza e la cybersecurity, accelerano l'innovazione e la diffusione, e abilitano la sovranità».
Al 3 agosto i firmatari erano oltre 270. Ma il dato interessante non è la valanga di adesioni: è chi non c'è.
Cosa chiede davvero la lettera
Il testo definisce i pesi scaricabili dei modelli come parte dell'infrastruttura strategica del paese: una base per la competizione, la diffusione economica, la ricerca sulla cybersecurity e la sovranità tecnologica.
Gli argomenti sono quattro, e vale la pena leggerli per quello che sono — cioè posizioni di parte, non verità neutre.
Accesso. I modelli aperti permettono a startup, aziende, università e istituzioni pubbliche di costruire su modelli avanzati «senza addestrarne uno da zero né pagare prezzi da modello di frontiera per ogni singolo compito».
Concorrenza. È il passaggio più rivelatore: i pesi aperti «creano rivalità non solo tra sviluppatori di modelli, ma trasversalmente su chip cloud, applicazioni e servizi». Tradotto: se il modello è una commodity scaricabile, il margine si sposta altrove — sull'hardware, sull'hosting, sugli strumenti. Chi vende quelle cose ha un interesse diretto.
Controllo. Le organizzazioni possono tenersi i propri dati, valutare e adattare i modelli, e installarli dove i requisiti di business impongono.
Sicurezza. Qui la lettera fa il passaggio più aggressivo: sostiene che «l'apertura può essere una delle strade più importanti verso la sicurezza dell'AI», perché una comunità più ampia individua le vulnerabilità. Nello stesso paragrafo ammette però che i pesi aperti «comportano rischi reali e distinti»: una volta rilasciati, sfuggono per sempre al controllo di chi li ha addestrati.
Le richieste concrete al governo sono quattro: espandere l'accesso alla capacità di calcolo per startup e ricercatori, investire risorse pubbliche in dataset condivisi e framework di valutazione, evitare «restrizioni premature sui modelli scaricabili», e distinguere la distillazione legittima dall'appropriazione indebita.
Il vero oggetto del contendere è la Cina
La lettera non nomina quasi mai il convitato di pietra, ma esiste per un motivo preciso. Nell'estate 2026 l'amministrazione Trump ha rilanciato la spinta a vietare i modelli AI cinesi, motivandola con la cybersecurity, dopo il lancio di Kimi K3. Alcune commissioni della Camera hanno aperto istruttorie formali su aziende americane che usavano modelli cinesi nelle proprie operazioni.
Il problema è che un divieto sui pesi aperti è tecnicamente quasi ineseguibile. Un modello rilasciato in open weight non si richiama: è un file, esiste in migliaia di copie, si scarica da mirror ovunque. Gli esperti di policy lo hanno detto senza giri di parole — vietarli del tutto è impossibile — e diversi giuristi hanno sollevato obiezioni di Primo Emendamento sull'idea di proibire la pubblicazione di parametri liberamente disponibili. L'opzione realmente in discussione al Congresso è più ristretta: un divieto negli appalti federali, cioè le agenzie pubbliche non possono acquistare o usare modelli cinesi.
Contro un divieto generalizzato si sono mosse anche circa 200 startup americane, con un argomento economico più che filosofico: bloccare i modelli cinesi non li fa sparire, alza i costi per chi in America ci costruisce sopra prodotti, e colpisce le aziende piccole molto più di quelle grandi.
I numeri che spiegano l'urgenza
Il contesto competitivo è cambiato in fretta, e in una direzione sola.
I modelli open source cinesi sono passati da circa 1,2% di quota d'uso globale a fine 2024 a quasi il 30% nel giro di pochi mesi dell'anno successivo. La famiglia Qwen di Alibaba ha superato il miliardo di download complessivi, con una media intorno a 1,1 milioni di download al giorno.
Nel segmento dei modelli oltre il miliardo di parametri, la ripartizione dei download vede Meta in testa con il 23,2%, Alibaba al 20%, Mistral al 6,8% e DeepSeek al 3,8%. Un ulteriore 15,6% è finito a singoli individui che hanno ripacchettizzato varianti quantizzate per la community — un dettaglio che dice molto su quanto sia decentralizzata la distribuzione reale, e su quanto poco senso abbia pensare di controllarla a valle.
La domanda che si fanno oggi i compratori non è più «l'open weight è abbastanza buono», ma quale modello aperto per quale carico di lavoro, su quale stack di hosting, con quale forma di deployment sovrano.
Anthropic, e la frattura sulla sicurezza
Anthropic e Amazon sono rimaste fuori da tutte le versioni della lettera — un'assenza notevole, considerando che Amazon è il principale investitore di Anthropic.
La pressione pubblica su questa posizione è stata forte, al punto che il 27 luglio Dario Amodei ha precisato che Anthropic non ha mai chiesto un divieto generalizzato dei modelli open weight. La richiesta è diversa: una regolazione selettiva, calibrata sul livello di rischio tecnologico e geopolitico del singolo modello.
Le obiezioni di merito sono tre, e non sono banali: la diffusione dei parametri di un modello molto potente produce rischi difficili da contenere, perché una volta scaricato il sistema non può essere ritirato né aggiornato d'ufficio, e chi lo esegue può rimuovere le protezioni; modelli sufficientemente avanzati potrebbero abbassare la barriera per trasformare agenti patogeni in armi biologiche; e i modelli di frontiera potrebbero permettere a governi autoritari di colmare il divario con gli Stati Uniti su piano militare, di sorveglianza e di repressione interna.
Chi ha firmato risponde che il rischio va misurato sulla capacità marginale — cioè quanto un modello aperto aggiunge davvero rispetto a quello che è già pubblicamente disponibile — e non sull'esistenza del modello in sé.
Cui prodest
Vale la pena leggere l'allineamento delle firme guardando i bilanci, non i valori dichiarati.
Nvidia vende GPU: più modelli girano in posti diversi — on-premise, cloud sovrani, edge — più silicio serve. Un mondo di modelli chiusi concentrati in tre datacenter è, per Nvidia, un mondo con tre clienti.
Microsoft ha costruito un catalogo, non un modello. Microsoft Foundry ospita oltre 10.000 modelli — da Azure OpenAI, Anthropic, DeepSeek, Meta, Mistral, Cohere, Hugging Face — con circa 50 nuovi modelli pubblicati ogni mese, e ha aggiunto la possibilità di portare in Azure pesi addestrati o messi a punto altrove. La sua famiglia aperta Phi ha superato i 60 milioni di download. Se il valore si sposta dal modello alla piattaforma che lo esegue, Microsoft vince comunque: è una copertura, non una conversione.
Meta ha fatto dei pesi aperti la propria strategia competitiva fin dall'inizio, per erodere il vantaggio di chi era arrivato prima sui modelli chiusi.
Sul fronte opposto, chi ha investito tutto sui modelli di frontiera chiusi ha un interesse strutturale a che la frontiera resti un posto costoso e presidiato. OpenAI e Google, non a caso assenti al lancio, hanno firmato entro circa ventiquattr'ore: un cambio di posizione rapido, che somiglia più a gestione della reputazione che a un ripensamento di strategia.
Cosa guardare adesso
La lettera non ha valore normativo: è una manovra di lobbying, riuscita nel misurare il consenso dell'industria in tempo reale. Le cose da seguire nei prossimi mesi sono tre.
Se il divieto sui modelli cinesi si materializzerà, quasi certamente prenderà la forma stretta degli appalti federali — con effetti sul settore pubblico americano e pochissimi sul resto del mondo.
Il punto sulla distillazione è il più sottovalutato del testo: definire dove finisce l'apprendimento legittimo da un modello e dove comincia l'appropriazione indebita è una questione che tocca tutti, e la risposta sarà scritta in tribunale prima che in Congresso.
E per chi costruisce prodotti, la conseguenza pratica è già qui: la scelta non è più tra aperto e chiuso, ma tra portafogli di modelli. Il costo di cambiare fornitore è la variabile che conta, e i pesi scaricabili sono, per adesso, il modo più economico di tenerlo basso.