Now Reading: Big Tech e AI: chi controlla modelli, cloud e chip
-
01
Big Tech e AI: chi controlla modelli, cloud e chip
Modelli, cloud, chip e distribuzione contano più della singola demo: la corsa all’AI è una competizione per controllare l’intero stack digitale.
La corsa all’intelligenza artificiale viene raccontata come una classifica tra modelli: chi risponde meglio, chi ragiona di più, chi genera il video più convincente. È una lettura utile per confrontare prodotti, ma insufficiente per capire il potere economico. La partita decisiva si gioca sull’intero stack dell’AI: chip, data center, cloud, modelli, sistemi operativi, piattaforme e distribuzione.
Una società può avere il modello migliore del momento e perdere comunque terreno se deve affittare il calcolo da un concorrente, non controlla i canali attraverso cui raggiunge gli utenti o dipende da hardware difficile da sostituire. È per questo che parlare di Big Tech significa guardare meno alla demo e più all’infrastruttura.
La corsa all’AI non ha un solo traguardo
Google, Microsoft, Amazon, Meta, Apple e Nvidia non competono tutte nello stesso punto della catena. Alcune controllano cloud e software aziendale, altre piattaforme consumer, altre sistemi operativi, altre ancora l’hardware che rende possibile addestrare ed eseguire i modelli.
Questo rende fuorviante chiedere semplicemente “chi sta vincendo?”. Nell’AI si può essere forti in un livello e dipendere da un concorrente in un altro. Un provider cloud può sviluppare chip propri ma continuare a comprare GPU; un produttore di modelli può avere grande notorietà senza possedere data center; un sistema operativo può diventare il principale punto di accesso agli agenti pur non avendo il modello più avanzato.
Primo livello: chip e capacità di calcolo
GPU e acceleratori AI sono una base materiale della nuova industria. Per addestrare e servire modelli di grandi dimensioni servono memoria ad alta velocità, networking, packaging avanzato e una quantità crescente di energia.
Nvidia rimane un attore centrale, ma il mercato sta diventando più eterogeneo: hyperscaler e produttori di semiconduttori sviluppano acceleratori proprietari o personalizzati. Nell’ottobre 2026 Reuters ha descritto sia la crescita dei chip custom per i data center sia nuovi sistemi pensati per collegare acceleratori di fornitori diversi. Il punto è strutturale: più l’AI diventa infrastruttura, più il valore si distribuisce tra chip, memoria, rete e software di orchestrazione.
Secondo livello: data center e cloud
Possedere o controllare capacità cloud significa poter offrire modelli come servizio, distribuire agenti nelle aziende e legare l’AI a database, applicazioni e identità già esistenti. È qui che Amazon Web Services, Microsoft Azure e Google Cloud hanno un vantaggio che una startup di modelli non può replicare facilmente.
Il data center non è più soltanto il luogo dove “vive internet”: è una fabbrica di inferenza. Ogni richiesta a un modello remoto consuma risorse fisiche e crea costi. Per questo la competizione cloud riguarda anche efficienza, disponibilità di chip e capacità di finanziare investimenti enormi.
Terzo livello: i modelli
I foundation model sono il livello più visibile. Qui la competizione riguarda capacità linguistiche, multimodalità, ragionamento, coding, strumenti e agenti. Ma un modello non è un’isola. Per essere utile deve essere integrato in prodotti e workflow.
La nostra guida all’intelligenza artificiale distingue proprio il modello dal sistema che lo usa. Due prodotti possono partire da modelli comparabili e offrire esperienze molto diverse in base a strumenti, memoria, accesso ai dati e interfaccia.
Quarto livello: distribuzione
È il livello spesso sottovalutato. Un’azienda che controlla browser, sistema operativo, suite da ufficio, social network o e-commerce può portare l’AI davanti a centinaia di milioni di utenti senza doverli acquisire uno per uno.
Nel 2026 la competizione sugli agenti ha reso evidente questa dinamica: Google ha integrato nuovi agenti nel cloud e nel lavoro, Microsoft spinge l’AI dentro Windows e Copilot, Meta usa la propria rete di prodotti consumer. La distribuzione può contare quanto il vantaggio tecnico del modello.
Il vero vantaggio è controllare più livelli insieme
Il potere aumenta quando la stessa azienda possiede più pezzi dello stack. Cloud più modelli. Sistema operativo più assistente. Social network più dati comportamentali. E-commerce più infrastruttura cloud. Hardware più software per sviluppatori.
Questo produce economie di scala, ma anche lock-in. Più servizi sono integrati, più diventa costoso cambiare fornitore. È lo stesso meccanismo descritto nell’articolo sulle piattaforme digitali: il vantaggio non deriva soltanto dal prodotto, ma dal fatto che quel prodotto diventa un ambiente.
Quindi chi guida davvero la corsa?
Non esiste una risposta unica e stabile. La leadership cambia a seconda del livello che osserviamo. Ed è proprio questo il punto che rende più utile abbandonare la metafora della gara tra chatbot.
La questione da seguire è chi riesce a controllare contemporaneamente calcolo, modelli e distribuzione, mantenendo abbastanza apertura da attrarre sviluppatori e abbastanza integrazione da rendere difficile l’uscita. La corsa all’AI non serve soltanto a costruire sistemi più intelligenti: serve a decidere quali aziende diventeranno l’infrastruttura attraverso cui li useremo.
