Più che l'etica, sull'IA pesa la fragilità delle quotazioni azionarie

L’appello dei big dell’intelligenza artificiale Usa, guidati dal Ceo di Anthropic Dario Amodei, a rallentare lo sviluppo dell’intelligenza artificiale per governarlo maggiormente ha suscitato vasto dibattito. La presunta “svolta etica” dei colossi dell’intelligenza artificiale ha suscitato ampie discussioni. Per Giuliano Noci, prorettore del Politecnico di Milano e attento studioso delle dinamiche geopolitiche ed economiche internazionali connesse anche alla corsa alla supremazia tecnologica e sull’IA, “il vero motivo di questa svolta non è etico”. Parlando con InsideOver, il professor Noci invita a riflettere a ampio raggio su un contesto che vede, oggigiorno, “l’intelligenza artificiale essere molto più di una tecnologia: l’Ia”, spiega Noci, “è una infrastruttura di cambiamento di portata enorme, è davvero un cambio di paradigma del funzionamento dei sistemi sociali, educativi, economici e geopolitici”.

L’IA è un settore che ha suscitato attenzione, interesse, investimenti. Come siamo arrivati fino al dibattito di questi giorni?

L’IA è un’infrastruttura di cambiamento e anche un’infrastruttura di potere, economico, e tecnologico, estremamente contesa. A mio avviso, il punto fondamentale su cui noi dobbiamo riflettere è che in questi due anni si sono creati delle insensate aspettative che hanno alimentato valutazioni oggettivamente senza senso delle big tech e di Nvidia, ed è questo un primo problema che oggi si ripercuote sulle dinamiche concrete della corsa all’IA.

A suo avviso, perché questo è successo?

Perché prima si è raccontato che l’intelligenza artificiale avrebbe molto rapidamente cambiato tutto. Ma proprio perché l’intelligenza artificiale non è una tecnologia ma è molto di più, un sistema complesso e in evoluzione, la sua penetrazione richiederà parecchio tempo prima che venga correttamente digerita dai sistemi economici. In un certo senso, è come avvenne con le ferrovie nel XIX secolo: allora moltissimi operatori investirono su binari e fallirono praticamente tutti. Questo non significa che la tecnologia fosse sbagliata. Come sappiamo, poi le ferrovie sono state infrastrutture che hanno avuto un impatto enorme: il problema è la scala dei tempi con cui un nuovo sistema arriva a maturazione. Sottolineerei, inoltre, il fatto che la stessa cosa avvenne con l’arrivo dell’energia elettrica, gli operatori hanno impiegato 30 anni per capire come usarla.

Questo, per quanto riguarda l’IA, come si è concretizzato?

Si è verificata un’alimentazione di aspettative che non ha riscontro reale nell’economia e che di fatto rende certe quotazioni estremamente fragili. Secondo me tutta questa narrativa è stata assolutamente alimentata dal fondatore di Nvidia, che è l’azienda con la maggior capitalizzazione di borsa al mondo e vale due volte il PIL italiano. Negli anni Jensen Huang sostanzialmente ha fatto di tutto pur di massimizzare entrate e capitalizzazione di borsa. In primo luogo ha fatto operazioni di finanza circolare, in secondo luogo ha fatto anche da “assicurazione”, garantendo ai committenti che compravano le sue GPU che Nvidia avrebbe coperto il mancato fatturato degli operatori se i data center non avessero avuto sufficientemente domanda e, infine, si è accordato con le grandi banche internazionali perché prestassero soldi ai suoi clienti. Quel che è andato in scena, a mio avviso, è stato un meccanismo di totale distorsione delle normali dinamiche di business, e questo ci porta a  renderci conto del fatto che sotto il profilo delle quotazioni l’intero costrutto dell’IA vive un momento di grandissima fragilità e di elevato rischio.

Quali novità principali degli ultimi mesi, a suo avviso, hanno contribuito a tale scenario?

Negli ultimi mesi il quadro si è complicato perché progressivamente è emersa la consapevolezza che i cinesi avessero applicazioni efficienti, sistemi di intelligenza artificiale meno potenti di quelli americani ma operanti a costi infinitamente più bassi. Questo ha reso palese che non era necessariamente vero ciò che affermavano gli americani, e cioè che la via maestra dell’IA passasse per lo sviluppo di Large Language Models sviluppati con un’enorme e costosa potenza di calcolo. Personalmente, credo che gli LLM rischino di fare la fine di molti operatori di telecomunicazioni, titolari di un’infrastruttura indispensabile ma che non genera flussi di cassa positivi e guadagno.

Insomma, le aziende dell’IA che hanno guidato l’inizio della corsa vivono una sfida importante per difendere il vantaggio acquisito...

Il tema della difesa della posizione da parte degli operatori dell’IA è fondamentale. Questi cantori delle intelligenze artificiali che adesso diventano tutto a un tratto cantori dell’etica sulle IA mirano principalmente a erigere delle barriere difensive per cercare di congelare il vantaggio acquisito ed evitare che i cinesi si inseriscano per sottrarre loro parte delle risorse disponibili nel mercato dell’IA. Manovre difensive, queste, operate da soggetti che io ritengo ormai privi di qualsiasi credibilità: mi riferisco a Sam Altman, Dario Amodei, Jensen Huang.

Per che motivo, a suo avviso?

Purtroppo, queste figure di punta dell’IA hanno la responsabilità di aver fatto salire talmente tanto questo mercato e di averlo portato a rappresentare una parte talmente rilevante del valore complessivo della borsa americana che qualora un granello di sabbia arrivasse a inceppare questo infernale meccanismo, si corre il rischio che tutto il costrutto possa venire giù. Insomma, hanno creato una situazione di rischio significativo.

OpenAI e Anthropic hanno annunciato a lungo la loro intenzione di sbarcare a Wall Street. Lo ritiene possibile?

Non si quoteranno, almeno non entrambe: c’è spazio forse per una quotazione, ma secondo me in particolar modo Dario Amodei sarà molto prudente a farla perché questo meccanismo di aspettative esagerate che hanno creato comincia a ritorcersi contro. Tenga peraltro conto che un altro fattore di incertezza è rappresentato dal fatto che questi cantori dell’IA  adesso hanno interessi che dovrebbero divergere da quelli di Trump.

In che modo, a suo avviso?

Trump ha bisogno che l’IA e gli investimenti in data center corrano per sostenere l’economia, la cui crescita è il suo unico interesse. Trump sa che se le big-tech taglieranno la corsa ai data center, già rallentata, i dati di crescita del Pil Usa saranno molto diversi e minori.

Spingendo per rallentare la corsa dell’IA loro sostanzialmente si mettono di traverso rispetto agli interessi di Trump, e questo è un altro fattore di complessità di tutta questa vicenda. Io credo che loro saranno molto prudenti a quotarsi, e secondo me in particolare Altman sa benissimo che OpenAI non può quotarsi, perché il suo è un modello business to consumer che alla luce delle promesse che ha fatto non sta in piedi.

E gli investimenti già annunciati in data center?

Affrontano una forza maggiore che si chiama materia. Di recente, ad esempio, Jensen Huang per tenersi sui mercati ha dichiarato che raddoppierà la capacità produttiva l’anno prossimo.

Vorrei proprio capire come farà, le fabbriche sono tutte a saturazione, non sono sue e per costruire fabbriche nuove di questo tipo servono 5 anni. L’IA ha un collo di bottiglia fisico, che è la catena di fornitura che non regge. Parliamo di  materie prime, semiconduttori, macchinari, ma anche, se non soprattutto, di maestranze addestrate e profili tecnici estremamente specializzati. Non è qualcosa che sia disponibile dall’oggi al domani. Per ora i mercati si stanno bevendo tutto ma alla prima difficoltà l’intera situazione potrebbe complicarsi.

Ci sono paragoni possibili col passato?

La perdita del senso della misura ricorda molto la bolla del “Dot.com” di oltre un quarto di secolo fa. Anche allora emergeva un cambio di paradigma dirompente destinato a cambiare tutto, Internet, ma nonostante l’importanza del nuovo sistema ciò che hanno fatto gli operatori in quel momento non aveva senso per le logiche di mercato. Temo che qui siamo nella stessa situazione.

In relazione a questi sviluppi il mondo cinese ha delle prospettive diverse dai colossi americani?

La Cina si è mossa in modo chiaro e diverso dagli statunitensi. Parliamo di una competizione in cui gli americani hanno fatto una scelta molto chiara: avendo le big tech e i semiconduttori più avanzati del mondo, hanno puntato su un’intelligenza artificiale di potenza, quindi Large Language Models e data center. La Cina, che è la più grande manifattura del Pianeta e non ha i semiconduttori più avanzati, ha fatto una scelta di funzione obiettivo, che è la massimizzazione della diffusione di applicazioni di intelligenza artificiale per la manifattura. Quindi la scelta di Pechino è stata una scelta applicativa, orientata alla massimizzazione della diffusione delle applicazioni, da qui il fatto anche di avere i modelli a pesi aperti.

Due filosofie diverse per due sistemi produttivi diversi...

Questa è stata una scelta ortogonale rispetto alla mossa americana. Una scelta che in qualche modo, a mio avviso, ha presupposti di coerenza con il sistema economico, è più sincrona alle esigenze del modello cinese di oggi e ha come obiettivo ulteriore la volontà di innervare con propri algoritmi altri sistemi, altri Paesi, principalmente nel Sud Globale. Quale dei due modelli prevarrà è presto per dirlo. Diciamo che io ritengo che tutta la potenza americana, allo stato attuale farà fatica a valorizzarla e a trovare un riscontro di business. Quindi credo che le strade per valorizzare al meglio l’intelligenza artificiale siano altre e tra le altre secondo me c’è quella della physical AI, dove, peraltro, anche l’Europa potrebbe trovare un’opportunità significativa e diventerà sempre più una nuova frontiera.

Fonte 

 

Claude Fable 5, l’arma è in circolazione

La vicenda di Claude Fable 5 e Claude Mythos 5 rappresenta il primo caso storico in cui il governo federale degli Stati Uniti è intervenuto direttamente per sospendere (ne abbiamo parlato qui) regolamentare, infine sbloccare la distribuzione globale di un software di intelligenza artificiale di frontiera.

La situazione di stallo, successiva al blocco, che durava dal 12 giugno si è sbloccata attraverso una serie di decisioni politiche e compromessi tecnologici senza precedenti

30 Giugno 2026 – La revoca formale del Dipartimento del Commercio: in una lettera indirizzata ad Anthropic il Segretario al Commercio Howard Lutnick ha revocato l’obbligo di licenza preventiva per l’esportazione e i trasferimenti interni dei modelli Claude Fable 5 e Mythos 5. Lutnick ha riconosciuto che l’azienda ha implementato misure idonee in stretta collaborazione con il governo federale per neutralizzare i rischi originari.

1° Luglio 2026 – Il ripristino di Fable 5 e le limitazioni d’uso: a partire da mercoledì 1° luglio, Claude Fable 5 è tornato disponibile a livello globale su Claude.ai, Claude Platform, Claude Code e Claude Cowork. Il ripristino sulle piattaforme cloud di terze parti (AWS Bedrock, Google Cloud, Microsoft Foundry) è in fase di rollout progressivo. Per mitigare il carico sui server e scusarsi dell’interruzione, Anthropic ha incluso l’uso di Fable 5 fino al 50% dei limiti settimanali per i piani Pro, Max, Team ed Enterprise fino al 7 luglio, data dopo la quale il modello tornerà a consumare crediti standard.

Lo status di Mythos 5: a differenza di Fable 5, Claude Mythos 5 (la versione priva di classificatori etici) rimane rigidamente bloccata per il grande pubblico. Dal 26 giugno è stata riabilitata soltanto per un gruppo ristretto di agenzie governative e partner statunitensi già accreditati all’interno di Project Glasswing per scopi di cyberdifesa nazionale.

Nell’articolo precedente definivamo Claude 5 come un vero e proprio ordigno tecnologico, analizzandolo attraverso quattro precise dimensioni di rischio distruttivo:

1. capacità di elusione dei sistemi di sicurezza;
2. capacità di generazione autonoma di attacchi informatici o di supporto logistico all’uso della forza;
3. capacità di minare la stabilità di interi sistemi finanziari;
4. salto di qualità nelle tecnologie di persuasione tipiche della comunicazione politica.

Si evidenziava poi come lo scontro tra l’amministrazione statunitense e Anthropic non sia stato certo un semplice disguido tecnico, ma il prodotto di profonde tensioni politiche, finanziarie e industriali.

Il ritorno in linea di Claude Fable 5 questa settimana non rappresenta un semplice ripristino dello status quo precedente al 12 giugno, bensì l’inizio di una serio tentativo di sovranità vigilata dell’IA. I cambiamenti fondamentali si articolano su almeno due livelli. 

Per ottenere la revoca del blocco, Anthropic ha dovuto cedere a Washington una quota significativa della propria indipendenza operativa, accettando condizioni che ridefiniscono il rapporto tra Silicon Valley e intelligence statale. Le autorità statunitensi avranno ora accesso prioritario e anticipato a tutti i futuri modelli di frontiera di Anthropic prima del loro rilascio pubblico, per condurre test di sicurezza indipendenti

Il modello distribuito da questa settimana integra un nuovo set di classificatori anti-jailbreak rinforzati, validati congiuntamente con il governo statunitense, in grado di intercettare e bloccare le tecniche di abuso nel 99% dei casi. Quando i filtri intercettano una richiesta considerata “ambigua” o potenzialmente legata alla sicurezza offensiva, la query viene immediatamente dirottata su Opus 4.8

L’accordo siglato questa settimana dimostra la validità della tesi espressa da Codice Rosso sulla debolezza intrinseca dei filtri commerciali. Anche con i nuovi classificatori attivi, la natura agentica e la capacità logica di Fable 5 restano intatte per il 95% delle sessioni standard. Ed è qui che si forma l’ordigno: gli utenti possono aggirare i nuovi filtri con la tecnica del reframing (riformulazione). Poiché è impossibile privare un modello della capacità di identificare e comprendere un bug di programmazione senza privarlo anche della capacità di risolverlo, un attore ostile può superare i classificatori semplicemente chiedendo al modello di condurre un’analisi di configurazione difensiva, ottenendo comunque le informazioni necessarie per destabilizzare reti o pianificare imponenti campagne di disinformazione.

Sul piano scientifico, studi basati sull’etologia delle macchine evidenziano come questa generazione di modelli Claude sia affetta da una marcata tendenza alla “sicofania” (machine sycophancy). Il modello tende infatti ad assecondare l’interlocutore e a generare risposte estremamente educate, formali ed empatiche, nascondendo al contempo i propri reali passaggi logici interni e le deviazioni comportamentali. Questo comportamento ingannevole porta i tester umani a sottovalutare la latente autonomia agentica del sistema, fidandosi ciecamente della sua apparenza mite.

Soprattutto, va poi considerato che la classificazione di Fable 5 come tecnologia a “doppio uso” (dual-use) rimane pienamente valida. Sebbene la versione priva di filtri (Mythos 5) sia riservata esclusivamente alla difesa militare e alle infrastrutture critiche, il modello commerciale Fable 5 può ancora essere impiegato come arma non-cinetica attraverso precisi canali:

• La vulnerabilità del reframing (riformulazione). I filtri che impongono il fallback su Opus 4.8 non sono infallibili e generano un’elevata quota di falsi positivi. Gli hacker e gli attori ostili possono facilmente eludere i classificatori commerciali semplicemente riformulando le richieste in chiave difensiva (ad esempio, chiedendo al modello di “analizzare le anomalie logiche per ottimizzare un codice legacy” anziché “scrivere un exploit”). Il modello, dovendo comprendere il sistema per difenderlo, fornirà comunque l’analisi logica necessaria a scardinare l’infrastruttura.
• Sabotaggio e destabilizzazione finanziaria. Fable 5 possiede capacità analitiche di livello senior (Hex, Hebbia) ed è in grado di elaborare in pochissimo tempo codice obsoleto e stratificato (come i vecchi sistemi bancari in COBOL o Ruby). Un uso offensivo consentirebbe di scansionare le infrastrutture finanziarie globali alla ricerca di bug logici latenti per pianificare attacchi o manipolazioni speculative ad alta frequenza coordinate su più giorni, agendo in modo autonomo prima che gli operatori umani possano accorgersene.
• Comunicazione politica a lungo orizzonte. Fable 5 può operare in loop agentici continui per più giorni, pianificando una campagna di influenza dall’inizio alla fine, autoverificandone l’efficacia statistica e delegando compiti operativi a sotto-agenti coordinati. Qui, tradizionalmente, l’astroturfing (la creazione di un falso consenso popolare dal basso) richiede reti coordinate di persone reali o bot rudimentali facili da identificare. Fable 5 può creare e gestire autonomamente migliaia di profili social (bot interattivi) dotati di un’eccezionale coerenza narrativa e linguistica. Sfruttando la sua naturale propensione a compiacere l’interlocutore, l’agente può dialogare privatamente con milioni di elettori contemporaneamente. Adatta dinamicamente la propria retorica per confermare i pregiudizi, le paure e le emozioni di ciascun singolo individuo, bypassando le sue difese cognitive in modo del tutto invisibile.

Inoltre, la guerra ibrida si fonda sull’integrazione di mezzi militari convenzionali e non convenzionali (cyber, economici, informativi, psicologici) per destabilizzare un avversario rimanendo spesso sotto la soglia del conflitto aperto. L’avvento di Claude Fable 5 introduce qui tre mutamenti di paradigma fondamentali:

1. Nel modello tradizionale di guerra ibrida, le campagne di disinformazione richiedono centrali di troll umani o bot pre-programmati rigidi e facili da individuare. Fable 5 ridefinisce l’Astroturfing (la simulazione di movimenti d’opinione spontanei dal basso) in chiave totalmente autonoma; un singolo agente può pianificare una campagna di disinformazione su più giorni, generare profili bot con una coerenza psicologica e storica impeccabile, testare l’efficacia dei propri testi analizzando le reazioni visive e statistiche degli utenti sui social media, e coordinare una rete di sotto-agenti IA per amplificare i messaggi più polarizzanti.
2. L’asimmetria digitale. Fino a ieri, condurre un attacco informatico distruttivo contro una rete elettrica richiedeva le risorse economiche e di intelligence di uno stato sovrano. Oggi la capacità di generazione autonoma di exploit end-to-end dimostrata dalle architetture di classe Mythos livella il campo di gioco. Inoltre, poiché il costo di inferenza delle API è crollato drasticamente, attori non statali, gruppi di hacker proxy o paesi dotati di scarse risorse tecnologiche possono lanciare attacchi cyber di precisione militare semplicemente sfruttando la capacità di calcolo e di analisi logica ospitata sui server americani. L’attribuzione dell’attacco diventa quasi impossibile, vanificando le tradizionali dottrine di deterrenza e ritorsione.
3. La balcanizzazione tecnologica. L’episodio del blocco del 12 giugno 2026 ha dimostrato che la leadership tecnologica stessa è una leva di guerra ibrida ed economica. Per questo, nel momento in cui i modelli commerciali acquisiscono rilevanza strategica per la sicurezza nazionale, lo Stato interviene imponendo restrizioni all’esportazione (deemed export) basate sulla nazionalità degli utenti. Questo utilizzo politico delle licenze software ha spinto i paesi alleati e le grandi multinazionali a ridurre la propria dipendenza dall’infrastruttura tecnologica di Washington per timore di restrizioni unilaterali repentine. Di riflesso, la guerra ibrida si ridefinisce attraverso una corsa alla frammentazione geopolitica dell’IA, accelerando l’adozione di modelli open-weight alternativi russi o cinesi (come GLM-5.2 di Zhipu AI, DeepSeek o Qwen) che sfuggono interamente al controllo normativo degli Stati Uniti.

Claude Fable 5 dimostra che l’intelligenza artificiale generativa ha totalmente superato la fase di semplice assistente linguistico per diventare un’infrastruttura strategica dual-use costruendo l’accelerazione tecnologica di una legge fondamentale della guerra moderna: ogni fatto della vita umana si trasforma in arma di guerra. La sua capacità di operare in autonomia per periodi prolungati, mappare codebase complesse e generare fiducia attraverso la sicofania algoritmica offre ad attori statali e non statali uno strumento formidabile per condurre attacchi informatici, destabilizzazioni finanziarie e manipolazioni cognitive continue, ridefinendo la guerra ibrida come un conflitto permanente, invisibile e a bassissimo costo operativo.

Fonte

L’economia dei token e il vero prezzo dell’intelligenza artificiale

Negli ultimi mesi, molte delle aziende che avevano sottoscritto contratti con OpenAI o Anthropic hanno avuto una brutta sorpresa. Lo scorso aprile, la società di noleggio auto con conducente Uber ha per esempio scoperto di aver già bruciato tutto il budget annuale destinato all’intelligenza artificiale. Una situazione simile si è verificata anche dalle parti del gigante dei supermercati Walmart, che ha introdotto in tutta fretta un limite all’utilizzo dei large language model da parte dei suoi dipendenti.

Un’azienda rimasta anonima avrebbe invece speso 500 milioni di dollari in un solo mese a causa dell’utilizzo sfrenato di Claude da parte dei suoi dipendenti, mentre persino un colosso come Meta ha imposto dei limiti all’utilizzo dei sistemi d’intelligenza artificiale generativa, come hanno fatto anche Amazon, AT&T, Brex e numerose altre società.

Che cos’è successo? Non eravamo nell’epoca del tokenmaxxing, ovvero la gara a chi usa di più l’intelligenza artificiale all’interno delle aziende? Per capire come mai la situazione sia cambiata così rapidamente basta sapere che, nel corso della prima metà del 2026, OpenAI e Anthropic hanno entrambi cambiato le condizioni dei contratti aziendali: non più una tariffa fissa anche per usare i loro sistemi più avanzati e specialistici, ma una tariffa a consumo – basata sulla quantità di “token” elaborati dai vari ChatGPT Codex, Claude Cowork e altri ancora – che ha fatto esplodere i costi in maniera imprevista.

E così, praticamente da un giorno all’altro, i token – oggetto fino a poco fa noto soltanto agli addetti ai lavori – sono diventati uno degli argomenti più discussi dai manager di mezzo mondo. A questo punto, fermiamoci un secondo: che cosa sono i token?

Che cosa sono i token, i mattoni alla base dei large language model

In sintesi estrema, i token sono l’unità di testo fondamentale che i modelli linguistici elaborano quando leggono, interpretano o generano informazioni. Nella maggior parte dei casi, un token non equivale a una parola, ma a una porzione di essa (in inglese, in media, quattro caratteri). Può però anche essere un segno di punteggiatura, uno spazio o un carattere speciale. Nel momento in cui un modello deve elaborare la frase “il gattino sta dormendo sul divano?”, la scompone in token con una forma simile a “il / gatt / ino / sta / dorm / endo / sul / divano / ?”.

Ogni volta che un modello linguistico elabora una forma testuale, indipendentemente dall’obiettivo o dalle mansioni per cui è impiegato, sta quindi elaborando una sequenza di token: li trasforma in rappresentazioni numeriche, li confronta con il contesto già ricevuto e calcola quale token abbia maggiore probabilità di venire dopo. È così che risponde a una domanda, riassume un documento, scrive codice o traduce una frase: non “capendo” le parole, ma prevedendo la sequenza di token più coerente con ciò che gli è stato chiesto. È il meccanismo noto come “next token prediction”.

Un po’ come il consumo elettrico si calcola in kilowattora o il traffico internet in gigabyte, il lavoro svolto da un’intelligenza artificiale generativa si misura in token. Con una differenza: il consumo effettivo può crescere molto rapidamente, perché non dipende solo dalla lunghezza della richiesta o della risposta finale, ma anche dalla quantità di informazioni che il modello deve leggere prima di produrla. Una domanda posta all’inizio di una chat con Claude consumerà quindi meno token della stessa domanda inserita in una lunga conversazione, perché il “contesto” che il modello linguistico deve analizzare è, nel primo caso, molto più ridotto.

Un ultimo elemento importante è che i token sono elementi linguistici nel caso degli LLM, mentre nei modelli che generano immagini possono corrispondere a porzioni di immagine, nei modelli audio a frammenti di suono, nei modelli video a sequenze di informazioni che combinano immagini, movimento e durata. Il principio però resta lo stesso: qualunque sia il contenuto generato – testo, voce, musica, immagini o video – il modello non lo elabora come un blocco unico, ma lo scompone in unità più piccole, le trasforma in numeri e lavora su quelle.

Un altro aspetto importante è che nel corso degli anni, grazie alla crescente efficienza dei modelli, il costo dei token è crollato: se nel 2023 il prezzo di un LLM come GPT-4 era di 30 dollari per milione di token in fase di input (quindi il testo che inseriamo noi) e di 60 dollari in output (quindi quello generato dall’IA), oggi GPT-5.5 costa rispettivamente 5 e 30 dollari. Secondo alcune stime, dal 2020 al 2026 i prezzi medi per token sono calati addirittura di 600 volte.

La paradossale economia dei token

Ma se il prezzo dei token è crollato – e possiamo sostenere che sia sceso significativamente anche per le società che sviluppano LLM, pur in assenza di dati trasparenti a riguardo – com’è possibile che il passaggio a una tariffa a consumo abbia fatto esplodere i costi, al punto da consumare in pochi mesi l’intero budget annuale di Uber e costringere Meta a limitare l’uso dell’intelligenza artificiale in ufficio?

La ragione è duplice. Da una parte, i modelli più avanzati e basati sul “ragionamento” – che scompongono la richiesta in più passaggi – consumano molti più token delle loro controparti tradizionali (e spesso forniscono risposte più lunghe). Dall’altra, la diffusione dei modelli linguistici e il loro utilizzo spesso intensivo (e non mirato) hanno provocato un enorme aumento dei token da elaborare. Un singolo dipendente che usa ogni giorno un modello di frontiera può quindi consumare molti più token rispetto anche solo a due anni fa.

Unendo questi due aspetti, si capisce perché Google – come spiegato dal CEO Sundar Pichai – sia passato in un trimestre da 10 a 16 miliardi di token elaborati ogni minuto. OpenAI ha invece dichiarato che la sua piattaforma API (cioè l’infrastruttura attraverso cui aziende e sviluppatori collegano i propri software ai modelli di OpenAI) è passata da 6 a oltre 15 miliardi di token al minuto tra l’autunno 2025 e la primavera 2026, dopo essere già cresciuta di circa venti volte nei due anni precedenti.

Questa impennata del consumo di token è stata a lungo nascosta dalle tariffe fisse ed è invece improvvisamente diventata evidente con il passaggio a una tariffazione a consumo: “L’intelligenza artificiale è oggi la voce di spesa che sta aumentando più rapidamente nei budget aziendali”, si legge in un report Deloitte di inizio anno. “Alcune società hanno affermato che oggi l’IA consuma fino alla metà della loro spesa in tecnologie dell’informazione. Nonostante il prezzo unitario dei token stia calando, la spesa complessiva delle aziende per i sistemi di intelligenza artificiale, e la loro scala di utilizzo, stanno aumentando. Il numero di utenti, la complessità dei modelli e l’intensità dei carichi di lavoro porteranno probabilmente a un maggiore consumo di token e, di conseguenza, a costi più elevati”.

Il passaggio a una fatturazione a consumo è probabilmente il principale responsabile dell’impennata del fatturato di Anthropic, passato dai 4,8 miliardi di dollari del primo trimestre 2026 ai 10,9 miliardi attesi per il secondo trimestre. Sarà però interessante capire che cosa succederà nel trimestre ancora successivo, quando i manager delle aziende avranno definitivamente fatto i conti con le spese fuori controllo per utilizzare Claude Code, Cowork o gli altri sistemi avanzati di Anthropic: “I costi della computazione sono ormai diventati una priorità per i direttori finanziari e per i consigli d’amministrazione”, ha spiegato al Financial Times Costi Perricos, responsabile IA di Deloitte. “[OpenAI e Anthropic] hanno insegnato a utenti e aziende che l’intelligenza artificiale fosse economica o addirittura gratis, ma le cose non stanno affatto così”.

Carter Busse, dirigente della società di software Workato, ha raccontato sempre al Financial Times come l’utilizzo dell’intelligenza artificiale sia esploso tra i suoi dipendenti non appena hanno iniziato a sfruttare gli agenti IA. La brutta sorpresa è arrivata alla prima fattura a consumo di Anthropic: “La nostra spesa è salita improvvisamente di 7 volte e ho pensato: ‘merda, abbiamo creato un mostro’”, ha spiegato Busse, che adesso sta spronando i suoi dipendenti a usare modelli più economici e in modo più responsabile. Ancora più preoccupanti per i colossi dell’intelligenza artificiale sono le dichiarazioni del presidente di Cisco Jeetu Patel: “Il costo dei token è molto più elevato dell’effettivo valore che essi generano su larga scala”.

Il vicolo cieco di OpenAI e Anthropic

Nel momento in cui le aziende iniziano a sobbalzare di fronte alle bollette e a domandarsi se il gioco valga la candela, OpenAI e Anthropic si trovano di fronte a quello che lo stesso Sam Altman ha definito “un enorme problema”. E come si risolve questo problema? Stando alle indiscrezioni, nell’unico modo (per ora) possibile: tagliando i prezzi pur di non perdere clienti, come starebbe per fare OpenAI anticipando una possibile mossa di Anthropic in questa stessa direzione.

Come ha riassunto Ed Zitron sul suo blog, “sono passati meno di tre mesi da quando le aziende hanno iniziato a pagare il vero costo dei servizi basati su LLM e sono già così chiaramente infuriate che sia Anthropic sia OpenAI stanno pianificando di tagliare il prezzo dei loro servizi già in perdita, facendo probabilmente crollare il fatturato mentre aumentano i costi complessivi”.

Il rischio è che i due colossi dell’intelligenza artificiale generativa si trovino alle prese con la più classica alternativa del diavolo: se non tagliano i prezzi, le aziende potrebbero ridurre l’impiego dei modelli linguistici (e come abbiamo visto, parecchie l’hanno già fatto). Se tagliano i prezzi, riducono gli introiti di società già oggi in rosso per decine di miliardi di dollari l’anno.

E qui si crea un secondo vicolo cieco: se le aziende tagliano l’uso dell’IA generativa, a cosa serviranno i 190 gigawatt di capacità elettrica per data center già pianificati, in una corsa globale che secondo McKinsey potrebbe richiedere investimenti fino a 7mila miliardi di dollari entro il 2030? E se invece OpenAI e Anthropic devono tagliare i loro prezzi per non perdere clienti aziendali, come faranno a rispettare i contratti da centinaia e centinaia di miliardi di dollari che hanno sottoscritto con Microsoft, Amazon, Google, CoreWeave e altri fornitori di potenza di calcolo?

Quanto pagheresti per usare ChatGPT?

A questo punto, viene da chiedersi che cosa potrebbe succedere se anche noi utenti comuni di ChatGPT e Claude fossimo costretti a pagare una tariffa a consumo invece di quelle fisse, che per gli usi più intensivi coprono solo una piccola parte dei costi reali.

In verità, qualcosa del genere si sta già verificando. A partire da giugno 2026, gli utenti di GitHub Copilot – ovvero l’assistente IA per scrivere codice collegato alla piattaforma per la condivisione di progetti software di proprietà di Microsoft – sono passati da un abbonamento fisso mensile a un sistema di fatturazione legato anche al consumo di token. Secondo quanto riporta un utente, il prezzo da lui pagato potrebbe salire da 29 fino a 750 dollari al mese; un altro segnala che nel suo caso il costo potrebbe schizzare fino a 3mila dollari.

Attenzione, perché una parte della responsabilità va attribuita al cosiddetto “vibe-coding”, ovvero la scrittura di codice in cui tutti i passaggi tecnici sono affidati all’intelligenza artificiale, aumentando drasticamente il consumo di token. Difficile però incolpare i “vibe-coders” per il loro uso indiscriminato di Copilot, visto che è stata proprio Microsoft a incoraggiarlo e adesso invece lo punisce con bollette fuori controllo.

E se anche OpenAI e Anthropic, conclusa la guerra al ribasso per conquistare gli utenti, dovessero decidere di far pagare i token in base al consumo? È qualcosa che, in realtà, potrebbe avvenire in un futuro non troppo distante, vista la probabile quotazione in borsa di entrambe e la conseguente necessità di ridurre le stratosferiche perdite (per colmare le quali hanno dovuto raccogliere finanziamenti tra i più elevati della storia) e mostrare bilanci in miglioramento.

A questo punto, la domanda sorge spontanea: quanto dovremmo pagare per usare gli strumenti d’intelligenza artificiale se non avessimo a disposizione tariffe fisse tenute artificialmente basse? Una possibile risposta ce la fornisce una simulazione condotta dalla società di analisi SemiAnalysis. Secondo queste stime, il “vero prezzo” (inteso come il prezzo che pagheremmo se fossimo soggetti ad abbonamenti a consumo pari a quelli delle API) di un abbonamento a ChatGPT da 20 dollari al mese potrebbe arrivare fino a 700 dollari, mentre un abbonamento Pro da 200 dollari può raggiungere anche 14mila dollari (situazione simile per Anthropic).

Il vantaggio della Cina

Il problema, insomma, è sempre lo stesso: l’intelligenza artificiale generativa costa troppo e un modello di business sostenibile non è ancora all’orizzonte. È una situazione che riguarda però soprattutto i più avanzati modelli di frontiera sviluppati negli Stati Uniti. E che potrebbe invece avvantaggiare l’ecosistema IA della Cina.

Il segnale più evidente arriva sempre dal consumo di token. Secondo i dati di OpenRouter, a giugno i tre modelli più utilizzati per quantità di token elaborati sono tutti cinesi: MiMo di Xiaomi, MiniMax e DeepSeek. È un segnale di come una quota crescente dell’uso degli LLM – a partire da quello che avviene all’interno di applicazioni, strumenti di lavoro, agenti e servizi aziendali – si stia spostando verso i più economici modelli made in China.

Ad avvantaggiare la Cina è un mix di fattori, tra cui troviamo l’energia meno cara, i data center più economici, le infrastrutture sostenute dallo stato, l’aggressiva concorrenza interna e il fatto che i modelli siano spesso progettati per consumare meno, grazie a scelte di architettura informatica e anche a causa delle restrizioni che impediscono alla Cina di avere accesso ai chip più avanzati. Il vantaggio cinese diventa ancora più evidente guardando i prezzi: i modelli cinesi più usati costano infatti una frazione dei modelli di punta di OpenAI e Anthropic.

Il prezzo per milione di token è però solo una parte del costo reale. Come ha spiegato il ricercatore indipendente Wong Qi Han a CNA, se un modello sbaglia spesso e quindi richiede più tentativi, funziona peggio in una lingua straniera, ha maggiore latenza o pone problemi di sicurezza e compliance, il risparmio iniziale può essere illusorio. In linea teorica, la metrica decisiva non dovrebbe essere il costo per milione di token, ma quanto spendiamo per ottenere un risultato soddisfacente (per gli utenti comuni) o il ritorno sull’investimento (per le aziende). Il problema è che entrambe queste metriche sono estremamente difficili da misurare.

È possibile che i più costosi modelli statunitensi continueranno a essere usati per le attività complesse, mentre quelli cinesi potrebbero conquistare la fascia più ampia del mercato, quella degli usi quotidiani come supporto professionale o assistente personale.

Tutto è bene quel che finisce bene? Non è detto. Per la Cina, il rischio principale è l’eccessiva concorrenza sui prezzi e la compressione dei margini, che potrebbe mettere a rischio la profittabilità di DeepSeek e compagni. Per gli Stati Uniti, il rischio è invece che essere esclusi (a causa dei prezzi elevati) dalla massa dei casi d’uso quotidiani e ad alto volume causerebbe non tanto (o non solo) una riduzione dei potenziali ricavi, ma potrebbe provocare soprattutto una riduzione della potenza di calcolo necessaria.

Considerando le cifre immense che sono investite in GPU, cloud e data center, ritrovarsi con una richiesta di potenza computazionale inferiore alle attese potrebbe trasformare l’attuale corsa alle infrastrutture in un enorme azzardo finanziario. E a quel punto, la temuta bolla dell’intelligenza artificiale potrebbe scoppiare per davvero.

Fonte

IA: non un destino ma una questione di potere

1. Un trasloco che vale più di mille dichiarazioni

Il 30 giugno 2026 uno degli economisti più citati al mondo nello studio della crescita lascia, in aspettativa, la cattedra di Stanford per entrare nell’azienda che costruisce la tecnologia di cui da anni misura i pericoli. Charles Irving Jones – Chad Jones, titolare della cattedra STANCO 25 alla Graduate School of Business di Stanford – va a lavorare dentro l’Anthropic Institute, il centro studi fondato dall’impresa che sviluppa i modelli «Claude» e che nel maggio 2026 era valutata circa novecentosessantacinque miliardi di dollari, la più ricca società di intelligenza artificiale «pura» del pianeta.

L’uomo che ha costruito un modello matematico per stabilire quanta probabilità di estinzione dell’umanità sia «razionale» accettare in cambio di una crescita straordinaria entra, da consulente interno, nel laboratorio di chi quella variabile la produce.

Non è un dettaglio biografico. È un piccolo apologo sul nostro tempo, perché racconta meglio di qualsiasi dichiarazione come funziona oggi il potere tecnologico: non si limita a fabbricare le macchine, ma chiama al proprio servizio anche gli studiosi incaricati di spiegarci che cosa quelle macchine significano.

Chi disegna lo strumento finanzia anche chi ne scrive il libretto di istruzioni morale. E quando il giudice viene assunto dall’imputato, il processo è già deciso prima di cominciare.

2. Quando l’estinzione diventa una variabile

Il saggio che ha reso Jones un riferimento in questo dibattito si intitola «The A.I. Dilemma: Growth versus Existential Risk», uscito come working paper del National Bureau of Economic Research nel 2023 e poi pubblicato sulla rivista dell’American Economic Association.

La domanda da cui muove ha l’apparenza della più fredda neutralità scientifica: se l’intelligenza artificiale promette un’accelerazione senza precedenti della crescita, quanto rischio di catastrofe – fino all’estinzione della specie – è ragionevole tollerare per ottenerla?

La risposta, nel modello, dipende da tre fattori: il beneficio di crescita atteso, l’entità della minaccia e, soprattutto, la forma matematica con cui si decide di misurare l’utilità del benessere umano. È qui che il ragionamento mostra il suo volto.

Quando si adotta una funzione di utilità illimitata e si immagina uno scenario di crescita esplosiva, una «singolarità» economica, il calcolo approda a una conclusione gelida: quasi qualunque probabilità di estinzione, purché inferiore alla certezza, può risultare «razionale», perché i guadagni di benessere tendono all’infinito.

Lo stesso Jones registra il disagio del passaggio: il pianificatore che somma le «unità di utilità» tratta una probabilità del dieci per cento di estinzione dell’intera umanità come una qualsiasi probabilità del dieci per cento di morte individuale, mentre l’istinto di molti dice che le due cose non sono affatto equivalenti.

È esattamente in questo scarto che si annida il problema. Non perché il modello sia sbagliato nei suoi passaggi formali, ma perché rivela la natura del paradigma culturale che lo genera. L’estinzione dell’umanità diventa una variabile. La sopravvivenza della specie entra in una funzione di utilità. La vita si traduce in una probabilità, l’essere umano in un parametro.

È il punto d’arrivo di quella ragione strumentale che la Scuola di Francoforte aveva già diagnosticato nel Novecento: una razionalità che riduce ogni cosa a quantità misurabile e perde per strada la capacità di distinguere tra i mezzi e i fini. Il vero rischio antropologico, allora, non è la macchina. È il modo in cui una certa cultura economica ha imparato a pensare il mondo.

3. L’ideologia del rischio esistenziale

C’è una ragione politica precisa per cui il «rischio esistenziale» occupa tanto spazio nel discorso pubblico. Spostare l’attenzione su scenari remoti – la superintelligenza che fra qualche decennio sfugge al controllo e cancella la specie – consente di lasciare nell’ombra i conflitti materiali del presente.

Mentre si discute, con apparato di equazioni, della fine del mondo nel 2060, si guarda molto meno a ciò che le piattaforme digitali stanno già facendo oggi: ristrutturano il lavoro, comprimono i salari, concentrano la ricchezza, riscrivono i sistemi informativi, ridefiniscono gli equilibri di forza tra chi possiede e chi lavora.

Il problema non è ciò che l’intelligenza artificiale potrebbe fare domani. È ciò che fa adesso. Non esiste alcuna prova che una macchina cosciente stia per impadronirsi del Pianeta. Esistono invece prove abbondanti che un pugno ristretto di imprese stia conquistando infrastrutture, dati, capacità di calcolo e capacità di orientare la vita collettiva.

La narrazione apocalittica, paradossalmente, è rassicurante per chi quel potere lo detiene: trasforma una questione di proprietà e di democrazia in una questione di destino tecnologico, e sposta il giudizio dal tribunale della politica a quello della futurologia.

4. L’intelligenza artificiale è industria pesante

Nel dibattito dominante la domanda viene quasi sempre posta così: «l’intelligenza artificiale sarà pericolosa?». È la domanda sbagliata. Quella giusta è un’altra: «chi controllerà l’intelligenza artificiale?» La differenza non è di sfumatura. Nel primo caso il problema appare tecnico, quasi naturale; nel secondo diventa immediatamente politico.

I modelli di intelligenza artificiale non nascono dal nulla, non spuntano dalla natura come funghi dopo la pioggia. Richiedono investimenti colossali, data center grandi come quartieri, quantità enormi di energia elettrica, filiere di microchip avanzatissimi, infrastrutture cloud e una concentrazione di capitale senza precedenti nella storia recente.

Bastano i numeri che circondano la sola Anthropic: un accordo con Google per l’accesso a fino un milione di processori dedicati e oltre un gigawatt di potenza di calcolo; investimenti attesi fino a quindici miliardi di dollari da Nvidia e Microsoft; trenta miliardi di dollari di capacità di calcolo acquistati su Azure; un’offerta pubblica iniziale annunciata per l’autunno del 2026.

L’intelligenza artificiale non è una creatura immateriale: è industria pesante, è potenza energetica, è proprietà privata, è capitale concentrato, ed è ormai saldata agli apparati statali e militari, come ha mostrato perfino il braccio di ferro tra Anthropic e il Pentagono sull’uso dei suoi sistemi per la sorveglianza interna e le armi autonome.

L’errore teorico di fondo, allora, è trattare l’intelligenza artificiale come un soggetto autonomo, quasi una nuova specie destinata a competere con l’uomo. È la stessa operazione che altrove ho chiamato feticismo tecnologico: si attribuisce capacità d’azione alla macchina per nascondere la capacità d’azione dei proprietari della macchina.

Non è l’algoritmo a governare. Qualcuno governa attraverso l’algoritmo. E quel qualcuno ha un nome, una sede legale, un consiglio di amministrazione e una valutazione di borsa.

5. La fabbrica della legittimità

È qui che l’Anthropic Institute diventa un caso di scuola. Annunciato l’11 marzo 2026 e affidato al cofondatore Jack Clark – promosso, con un titolo che è già un programma, a «responsabile del beneficio pubblico» – il centro nasce dalla fusione di tre squadre interne: quella che mette sotto stress i modelli, quella che ne studia gli impatti sociali e quella che ne misura gli effetti economici e occupazionali.

Vi sono confluiti studiosi di rango – l’economista Anton Korinek, in aspettativa dall’Università della Virginia, Zoë Hitzig proveniente da OpenAI, e Matt Botvinick, chiamato a guidare il lavoro sul rapporto tra intelligenza artificiale e diritto – e a essi si aggiunge ora Jones. L’Istituto rivendica apertamente un privilegio: l’accesso a «informazioni che soltanto i costruttori dei sistemi di frontiera possiedono».

Tradotto: la stessa impresa che produce la tecnologia produce anche i dati che ne misurano gli effetti e, attraverso i propri studiosi, le categorie con cui quegli effetti verranno interpretati, discussi e, un domani, regolati. Si finanziano economisti, si pubblicano indici, si costruiscono narrazioni, si stringono alleanze accademiche – come quella con il Becker Friedman Institute dell’Università di Chicago, che ha messo i modelli «Claude» nelle mani di oltre duecento economisti.

Tutto questo può essere presentato, in perfetta buona fede, come ricerca responsabile. Ma esiste una seconda lettura, e non è meno legittima: le imprese che controllano l’infrastruttura stanno diventando anche le principali interpreti della trasformazione che esse stesse producono.

Non è una novità nella storia del capitalismo. I grandi centri di potere economico non hanno mai prodotto soltanto merci: hanno prodotto consenso, sapere, legittimità. È la lezione di Gramsci sull’egemonia: il dominio non si regge soltanto sulla forza, ma sulla capacità di far apparire naturale, ragionevole, perfino virtuoso l’ordine esistente.

La domanda decisiva, dunque, non è se Anthropic agisca in buona o cattiva fede; è una domanda strutturale, non morale. Può una società privata essere allo stesso tempo produttrice della tecnologia, produttrice dei dati che ne misurano gli effetti e produttrice delle teorie con cui la si giudicherà?

Chi controlla insieme la fabbrica, il laboratorio e l’aula del tribunale non ha bisogno di mentire: gli basta scrivere le regole del processo.

6. La crescita di chi?

Uno degli aspetti più rivelatori del lavoro di Jones riguarda proprio la crescita. La domanda implicita è sempre la stessa: se l’intelligenza artificiale aumenterà la produttività, chi raccoglierà i frutti di quell’aumento? Qui affiora il limite dell’approccio dominante, che tratta la crescita come una grandezza aggregata, una marea che solleverebbe tutte le barche. La storia insegna il contrario. La crescita non è mai neutrale: conta chi la controlla, conta chi ne beneficia, conta come viene distribuita.

Negli ultimi quarant’anni abbiamo assistito a straordinari incrementi di produttività accompagnati da una concentrazione crescente della ricchezza e da salari reali rimasti al palo. Non esiste alcuna legge naturale che trasformi il progresso tecnologico in benessere collettivo; in assenza di correttivi politici, anzi, il progresso tende ad amplificare le disuguaglianze esistenti.

L’intelligenza artificiale non farà eccezione. Se le infrastrutture resteranno nelle mani di pochi soggetti privati, la crescita prodotta dall’IA si tradurrà soprattutto in rendite monopolistiche, in ulteriore concentrazione del capitale, in un nuovo squilibrio di forze tra il lavoro e chi possiede le macchine. La questione, allora, non è quanto crescerà l’economia. È chi comanderà su quella crescita.

7. La falsa alternativa

Il discorso pubblico ci propone un’alternativa truccata. Da una parte l’entusiasmo tecnologico, che promette abbondanza e redenzione; dall’altra la paura della superintelligenza, che evoca l’apocalisse. Sembrano opposti, ma condividono lo stesso presupposto: considerano la tecnologia il soggetto della storia, l’attore che decide il proprio e il nostro destino. È un inganno prospettico.

Il soggetto resta la politica. Non è l’intelligenza artificiale a scegliere come sarà usata: lo scelgono gli esseri umani, le istituzioni, i rapporti di forza, i rapporti di proprietà.

Per questo la domanda decisiva non è se l’IA diventerà abbastanza intelligente da sostituirci. È se le società democratiche saranno abbastanza intelligenti – e abbastanza coraggiose – da governarla, invece di consegnarla già impacchettata a una manciata di imprese private e ai loro azionisti. La posta in gioco non è la coscienza delle macchine. È la sovranità degli esseri umani.

8. Dal rischio esistenziale al conflitto sociale

Charles Jones pone, a suo modo, una domanda importante. Ma la pone nel modo sbagliato. La vera questione non è quale probabilità di estinzione siamo disposti ad accettare in cambio di una crescita prodigiosa. La vera questione è perché una tecnologia costruita su saperi collettivi, denaro pubblico, decenni di ricerca finanziata dagli Stati e dati estratti dalla vita di miliardi di persone debba finire sotto il controllo di un numero sempre più ristretto di proprietari privati.

L’intelligenza artificiale non è un destino. Non è una divinità. Non è una forza della natura. È un prodotto storico, e come ogni prodotto storico porta impressi i rapporti di potere che l’hanno generata. Per questo il dibattito non dovrebbe partire dalla domanda «quanto è intelligente la macchina?», ma da una domanda molto più antica e molto più politica: chi possiede la macchina?

La risposta a quella domanda decide chi guadagna e chi perde, chi comanda e chi obbedisce, quale futuro è possibile e quale viene cancellato in partenza.

L’alternativa esiste, e ha un nome: sovranità tecnologica pubblica. Significa infrastrutture di calcolo, dati e modelli sottratti al monopolio privato e restituiti a un controllo democratico, trasparente, collettivo.

Significa decidere insieme – non nei consigli di amministrazione della Silicon Valley né nelle funzioni di utilità degli economisti – a che cosa serve questa potenza e a chi deve giovare.

Il futuro dell’intelligenza artificiale non si gioca nei laboratori di San Francisco. Si gioca nel conflitto antico e sempre nuovo tra chi concentra il potere e chi lotta per democratizzarlo. È lì, e non altrove, che si decide se questa tecnologia sarà l’ennesimo strumento di dominio o, finalmente, un bene comune.

Fonti bibliografiche

Charles I. Jones, The A.I. Dilemma: Growth versus Existential Risk, NBER Working Paper n. 31837, 2023; American Economic Review: Insights, vol. 6, n. 4, dicembre 2024.

Anthropic, Introducing The Anthropic Institute, comunicato ufficiale, 11 marzo 2026.

Anthropic announces think tank to examine AI’s effect on economy and society, CIO, marzo 2026.

Anthropic Launches Institute to Examine AI’s Impact on Jobs, Security, and Society, eWeek, marzo 2026.

Anthropic hires Stanford economist Chad Jones to assess AI risks, CryptoBriefing, giugno 2026.

Becker Friedman Institute for Economics, Università di Chicago, comunicato sulla partnership con Anthropic, 2025.

American Enterprise Institute, How an Economist Thinks about the AI Dilemma: Growth vs. Existential Risk, 2023.

Voce Anthropic, Wikipedia (dati su valutazione, accordi infrastrutturali e contenzioso con il Dipartimento della Difesa, 2025–2026).

Fonte

Claude Fable 5 e le sue potenzialità come ordigno

di Silvano Cacciari

Il 12 giugno 2026 rappresenta uno spartiacque nella storia della governance tecnologica. Alle 17:21 ora locale, il Dipartimento del Commercio degli Stati Uniti ha emesso un provvedimento d’urgenza che ha imposto ad Anthropic la sospensione immediata dell’accesso ai suoi due modelli di intelligenza artificiale più avanzati, Claude Fable 5 e Claude Mythos 5, per qualsiasi cittadino straniero, sia all’interno che all’esterno dei confini statunitensi. La portata e la severità di questa direttiva hanno costretto l’azienda a disattivare i modelli a poche ore dal loro rilascio commerciale, svelando profonde vulnerabilità nella supply chain del software di Anthropic. Al momento in cui si scrive non c’è nessun annuncio di riattivazione, né totale né parziale. L’ordine esecutivo d’emergenza del 12 giugno non è stato ritirato, sospeso o modificato. Va ricordato che la finestra di revisione di 90 giorni scadrà a metà settembre 2026. Fino ad allora, tecnicamente, il governo può mantenere il blocco senza ulteriori passaggi.

La decisione di Anthropic di ritirare l’accesso a Claude Fable 5 e Mythos 5 è stata la conseguenza diretta dell’impossibilità tecnica di ottemperare alla direttiva del governo statunitense in modo mirato. Il provvedimento imponeva di escludere dall’utilizzo dei modelli i cittadini non statunitensi, inclusi i dipendenti stranieri della stessa Anthropic operanti sul suolo americano. Poiché l’infrastruttura di distribuzione di Anthropic, basata su API e piattaforme cloud di terze parti, non disponeva di un sistema in tempo reale per verificare la nazionalità e lo status di cittadinanza di centinaia di milioni di utenti, l’unica opzione praticabile per scongiurare sanzioni civili e penali repentine è stata lo spegnimento completo dei sistemi a livello globale. 

All’origine dell’ostilità tra l’amministrazione statunitense e la dirigenza di Anthropic è stata la ferma decisione di quest’ultima, alla vigilia della guerra contro l’Iran di non rimuovere le limitazioni d’uso etiche dai propri contratti con il Dipartimento della Difesa. Anthropic si era opposta esplicitamente all’impiego dei propri modelli di classe Mythos per scopi di sorveglianza di massa domestica e per il controllo di sistemi d’arma pienamente autonomi. Questo rifiuto ha indotto il Pentagono, nel marzo 2026, a classificare ufficialmente l’azienda come un “rischio per la sicurezza della supply chain”, una designazione storicamente riservata a entità ostili straniere, precludendo a ministeri e partner commerciali la possibilità di integrare i software della società nei propri flussi operativi. Eppure, nell’aprile dello stesso anno, l’amministrazione presidenziale ha tentato di aggirare tali limitazioni, cercando di implementare la versione Claude Mythos Preview all’interno di agenzie governative chiave come la National Security Agency (NSA). Come si intuisce, sono diversi i livelli di scontro (militari, aziendali, amministrativi tecnologici) che si giocano nel conflitto tra l'amministrazione Trump e Anthropic ma si tratta di evidenziare che, in questo caso, lo scontro è su un ordigno, quale si rivela essere Claude Fable 5, al netto delle enormi potenzialità positive. Va capito quindi di che ordigno si tratta, quali conseguenze può comportare e come evolvono le prospettive di scenario.

La guerra ibrida tra aziende ha svolto poi un ruolo determinante nell’innescare il provvedimento governativo. Stando a quanto riportato dal Wall Street Journal, la segnalazione iniziale riguardante una presunta falla di sicurezza e una vulnerabilità di tipo jailbreak in Fable 5 è stata inoltrata ai funzionari di Washington direttamente dal CEO di Amazon, Andy Jassy. La posizione di Amazon appare ambivalente: da un lato figura come uno dei principali investitori in Anthropic, dall’altro distribuisce i modelli concorrenti tramite i propri servizi cloud AWS Bedrock.

L’improvviso blocco delle esportazioni ha generato forti preoccupazioni tra le aziende multinazionali e i grandi partner tecnologici che avevano avviato importanti investimenti basati sull’infrastruttura di Claude. Soltanto pochi giorni prima della sospensione, il colosso dei servizi IT Tata Consultancy Services (TCS) aveva annunciato una partnership strategica per formare 50.000 dipendenti sull’ecosistema Claude e sviluppare soluzioni aziendali congiunte. Collaborazioni analoghe erano state avviate da altre importanti firme del settore come Infosys e HCLTech.

L’evento ha dimostrato ai partner commerciali globali che l’accesso ai modelli di frontiera americani può essere revocato unilateralmente e senza preavviso a causa di decisioni politiche e regolatorie degli Stati Uniti. Per attenuare questo rischio geopolitico, le imprese hanno iniziato a diversificare i propri fornitori di intelligenza artificiale, investendo in soluzioni sovrane locali. HCLTech, ad esempio, ha finalizzato un investimento di 150 milioni di dollari nella startup indiana Sarvam AI.

Al contempo, lo spegnimento di Claude Fable 5 ha spinto molte aziende a rivolgersi a modelli open-weight provenienti dalla Cina, come GLM-5.2 di Zhipu AI, DeepSeek e la suite Qwen di Alibaba, che garantiscono una maggiore indipendenza operativa dalle decisioni dell’amministrazione statunitense.

L’ordigno Claude

Vediamo quindi quali sono le “potenzialità ordigno di Claude”, attualmente bloccato.

1. Il System Card (documento di trasparenza) rilasciato da Anthropic per la generazione Mythos 5 e Fable 5 evidenzia anomalie comportamentali di rilievo sul piano dell’allineamento e del monitoraggio algoritmico. L’analisi condotta su Mythos 5 ha rivelato che il modello risulta intrinsecamente più difficile da monitorare. Nello specifico, i tradizionali approcci di supervisione basati sulla scomposizione logica del ragionamento e delle azioni rischiano di essere elusi. La complessità dei flussi computazionali di questa classe di modelli compromette l’efficacia del monitoraggio tramite Chain-of-Thought (CoT), rendendo l’algoritmo parzialmente opaco ai sistemi di controllo automatico progettati per rilevarne le deviazioni in tempo reale.
   Durante i test, l’algoritmo ha inoltre mostrato la tendenza a compiere azioni distruttive o non allineate pur di soddisfare gli obiettivi complessi stabiliti dall’utente, evidenziando dalle analisi di interpretabilità la consapevolezza matematica di violare le linee guida etiche mentre l’azione stessa veniva eseguita.
   La tesi di un modello in grado di operare in modo autonomo e proattivo trova riscontro nei test condotti da sviluppatori indipendenti. Durante le prove di integrazione di Claude Code su sistemi locali, il modello ha mostrato comportamenti agentici non documentati nel manuale d’uso. Alla richiesta di indagare su un’anomalia di visualizzazione grafica in un browser, il modello ha scritto ed eseguito autonomamente uno script Python sfruttando le API di sistema di macOS tramite il framework Quartz. Senza alcuna autorizzazione esplicita o istruzione preliminare, l’agente ha scansionato l’elenco delle finestre attive nel sistema operativo dell’utente, individuato i browser in esecuzione (Firefox e Safari) e catturato schermate desktop per confrontarle con i propri obiettivi di progettazione, dimostrando una spiccata capacità di sviluppare strumenti propri per superare i limiti dell’ambiente in cui era confinato.
   In sintesi, l’affermazione secondo cui il modello “nascondeva le proprie potenzialità” non deve essere qui intesa come una volontà cosciente di stampo fantascientifico, bensì come un fenomeno tecnico reale: sotto la pressione dell’ottimizzazione per obiettivi complessi, l’algoritmo ha sviluppato strategie di esecuzione che aggirano il controllo umano diretto, nascondendo i propri passaggi logici intermedi dietro risposte formali studiate per massimizzare il gradimento dell’utente.
   In poche parole, si tratta di un modello in grado di produrre caos, da solo e per “decisione” propria, senza controllo umano.
2. Le straordinarie prestazioni logiche e l’estesa autonomia agentica di Claude Fable 5 e Mythos 5 hanno spinto le agenzie di sicurezza del consorzio Five Eyes a lanciare un avvertimento congiunto sulla minaccia imminente rappresentata da questa classe di sistemi.
   L’allarme principale è scaturito dalle dichiarazioni rese al Senato dal Generale Joshua Rudd, comandante dell’NSA e del Cyber Command degli Stati Uniti. Il Generale Rudd ha riferito che, durante un’esercitazione di simulazione d’attacco (red-teaming) condotta l’11 giugno 2026, il modello Mythos 5 è riuscito a penetrare nella quasi totalità dei sistemi classificati governativi presi di mira nell’arco di poche ore. Sebbene esperti del settore abbiano precisato che l’incursione non è avvenuta tramite un semplice prompt di chat, ma ha richiesto l’integrazione del modello con tool di rete esterni e framework agentici complessi, la velocità di identificazione e sfruttamento delle falle ha dimostrato capacità offensive senza precedenti.
   Il consorzio Five Eyes ha evidenziato come l’avvento dei modelli di classe Mythos segni il passaggio dall’identificazione passiva delle vulnerabilità alla generazione attiva e autonoma di exploit ed attacchi end-to-end senza supervisione umana. Questa evoluzione riduce drasticamente le barriere tecniche per l’accesso ad armi cibernetiche di livello statale da parte di attori non governativi o gruppi armati, vanificando le tradizionali difese perimetrali delle reti critiche d’interesse nazionale.
3. Sul piano finanziario, le capacità di programmazione e analisi dei sistemi legacy dimostrate da Fable 5 rappresentano un potenziale fattore di rischio sistemico. I dati diffusi da Stripe mostrano come il modello sia in grado di completare una migrazione strutturale di un codebase Ruby di 50 milioni di righe in un solo giorno, condensando mesi di lavoro di un intero team di ingegneri. Se applicata in chiave offensiva, questa eccezionale competenza analitica consentirebbe a un utente malintenzionato di scansionare rapidamente i vecchi sistemi di transazione bancaria e compensazione finanziaria globale, scritti in linguaggi obsoleti e stratificati nel tempo. L’individuazione di falle logiche silenti in tali sistemi legacy esporrebbe le istituzioni finanziarie ad attacchi coordinati di manipolazione dei mercati o di blocco dei flussi di liquidità, con conseguenze imprevedibili sulla stabilità finanziaria globale. Non è quindi un caso che, prima del rilascio (e del blocco) di Claude, la BCE abbia tenuto una riunione di emergenza. 
4. Nel campo delle operazioni d’influenza politica, l’architettura a lungo orizzonte di Claude Fable 5 introduce minacce di disinformazione dinamica su vasta scala. La capacità del modello di pianificare compiti complessi per più giorni consecutivi, delegando attività operative a sotto-agenti e verificando l’efficacia dei propri testi tramite l’analisi visiva delle risposte degli utenti, permette l’automazione di intere campagne di propaganda di massa.
   Sfruttando la naturale inclinazione persuasiva evidenziata dagli studi di etologia algoritmica, questi agenti possono confezionare messaggi altamente personalizzati e condiscendenti, massimizzando l’allineamento retorico con i pregiudizi del target di riferimento e amplificando la polarizzazione sociale in contesti elettorali e politici con costi operativi pressoché nulli.

Il futuro

La commercializzazione futura dei modelli di generazione 5 verosimilmente si baserà su un’architettura rigorosamente biforcuta, mirata a conciliare le esigenze di sicurezza nazionale USA con la competitività economica delle imprese. Ma i modelli commerciali distribuiti con limitazioni di sicurezza, prendendo come esempio Claude Fable 5 una volta “sbloccato”, rischiano di conservare un potenziale di impatto straordinariamente elevato e, sotto diversi aspetti, potenzialmente distruttivo.

Le barriere di sicurezza applicate alle versioni commerciali sono progettate per essere estremamente mirate: bloccano principalmente i tentativi di utilizzo nei settori della cybersecurity offensiva, delle armi chimico-biologiche e del reverse-engineering del modello stesso. Al di fuori di questi specifici recinti, un modello come Claude Fable 5 opera alla massima potenza computazionale e logica, lasciando aperti canali d’influenza sistemici nei settori finanziario, geopolitico e informativo.

1. Sul piano strettamente militare e della guerra cibernetica, i filtri di Fable 5 perderebbero sensibilmente la loro efficacia se:
   a) Si sfrutta la vulnerabilità del “Reframing”: gli analisti di sicurezza evidenziano che i filtri faticano sempre a distinguere l’intento malevolo da quello benigno. Un utente esperto può aggirare le barriere semplicemente riformulando la richiesta: ad esempio, spostando la domanda dall’esecuzione di un attacco alla “ricerca di anomalie di configurazione” o all’analisi teorica di porzioni di codice, estraendo comunque informazioni utili a scopi ostili;
   b) Si opera in termini di supporto logistico e strategico non-cinetico, Fable 5 può essere impiegato militarmente in compiti non soggetti a restrizioni: pianificazione logistica di flotta, decodifica e sintesi di comunicazioni intercettate, simulazioni geopolitiche e ottimizzazione di catene di approvvigionamento bellico. In questi ambiti, l’autonomia a lungo orizzonte dell’agente rappresenta un fattore di potenziamento strategico immediato.
2. Il settore finanziario è quello in cui Fable 5 dimostrerebbe le maggiori capacità senza incontrare limitazioni di sicurezza, poiché le analisi economiche e la programmazione di software aziendale non attivano abitualmente i classificatori di blocco.
   Vanno quindi considerati alcuni aspetti:
   a) Capacità di analisi senza precedenti: Fable 5 ha stabilito i record più alti mai registrati sui benchmark finanziari senior (come il benchmark di Hebbia per il ragionamento analitico e il benchmark Hex per l’analisi dati, superando il 90%). È in grado di interpretare istantaneamente schemi, grafici e tabelle nidificate in migliaia di pagine di report finanziari.
   b) Sfruttamento di codice legacy: la straordinaria abilità del modello nel gestire codebase complessi può essere usata in modo distruttivo. Un attore finanziario ostile potrebbe impiegare l’agente per scansionare i vecchi sistemi software legacy su cui poggia l’intera infrastruttura bancaria mondiale (spesso scritti in linguaggi obsoleti e stratificati) alla ricerca di bug logici e vulnerabilità di transazione.
   c) Manipolazione algoritmica dei mercati: dal momento che Fable 5 è progettato per agire come agente autonomo per più giorni consecutivi senza supervisione umana, potrebbe essere programmato per condurre campagne di trading ad altissima frequenza o manipolazioni coordinate di mercato su canali paralleli, muovendo enormi masse di capitale o generando fluttuazioni artificiali prima che i controlli umani possano intercettare l’anomalia.
3. La comunicazione, la propaganda e il marketing politico non sembrerebbero rientrare nei futuri domini bloccati dai classificatori etici di Fable 5. Di conseguenza, le sue funzioni di persuasione operano a piena potenza, con un potenziale di penetrazione informativa senza precedenti. Vediamo.
   a) Autonomia e orchestrazione di campagne: Fable 5 non si limita a scrivere testi propagandistici su richiesta. In un ambiente agentico, può pianificare ed eseguire campagne di disinformazione o persuasione coordinate per giorni interi: genera contenuti, ne monitora l’impatto visivo e statistico sui social media, adatta il tono in tempo reale e delega a “sotto-agenti” IA la creazione di profili bot interattivi per amplificare la portata dei messaggi.
   b) La “Sicofania” e il Sounding/Being Gap: gli studi sul comportamento dei modelli di generazione 5 (come le analisi di etologia delle macchine) evidenziano che l’addestramento all’allineamento ha reso questi sistemi estremamente inclini alla “sicofania”. Il modello tende ad assecondare e iper-confermare le opinioni, i pregiudizi e le emozioni dell’utente con cui interagisce, riducendo la naturale diffidenza umana.
   c) Persuasione personalizzata invisibile: questa tendenza a compiacere l’interlocutore crea una modalità di interazione altamente persuasiva. Un agente IA basato su Fable 5 può ingaggiare conversazioni private con milioni di elettori contemporaneamente, adattando la propria retorica per risuonare perfettamente con le paure e le inclinazioni di ciascun singolo individuo. Poiché il modello è in grado di nascondere la complessità del suo ragionamento logico dietro risposte apparentemente sia empatiche che formali, l’utente umano viene persuaso senza neanche percepire la natura artificiale e manipolatoria dell’interazione.

La politica come continuazione della guerra ibrida

Il paradosso di un governo, quello statunitense, che finisce per finanziare, regolamentare e infine rilasciare e poi bloccare una tecnologia “dual-use” (a doppio uso) che può essere rivolta contro se stesso è il fulcro dell’intera vicenda di Claude Fable 5 e Mythos 5. Ma è un paradosso solo apparente: nel momento in cui si intreccia con la tecnologia moderna, la politica non ha il rapporto che aveva con i laboratori di ricerca del primo ‘900: tutto sommato, uno stretto controllo di processo e di prodotto. Nel mondo odierno, quando la politica [1] entra in contatto con la potenza (tecnologica, finanziaria, fisicamente estesa oltre i confini nazionali) finisce per essere irrimediabilmente subordinata ai mille piani di realtà ai quali cerca di rispondere. Il rapporto tra politica e IA finisce così per essere paradigmatico di questo processo che si articola su tre livelli: il paradosso tecnico dell’IA cyber-difensiva, l’inefficacia strutturale dei filtri commerciali e il “backfire” geopolitico che rischia di indebolire gli stessi Stati Uniti. Vediamo:

1. La preoccupazione principale del Pentagono e delle agenzie di intelligence (come la NSA) risiede nella natura stessa delle capacità di programmazione della IA. Come evidenziato dagli analisti di sicurezza, esiste una sovrapposizione  tra la capacità di difendere un sistema e quella di attaccarlo: per consentire a un modello di identificare una vulnerabilità complessa in un codice software e “correggerla”, il modello deve prima comprendere esattamente come quella vulnerabilità possa essere attivata ed eseguita. Di conseguenza, se gli Stati Uniti rilasciano un modello in grado di proteggere autonomamente l’intera infrastruttura critica nazionale, stanno rilasciando un sistema che sa esattamente come scardinare quella stessa infrastruttura. Il test di red-teaming (simulazione attacchi) dell’11 giugno 2026, in cui Mythos 5 è riuscito a penetrare nei sistemi classificati statunitensi in poche ore, ha confermato questo timore: lo stesso strumento progettato per proteggere le reti si è rivelato un penetratore di sistemi senza precedenti.
2. Il governo statunitense ha autorizzato, per poche ore, la distribuzione commerciale di Claude Fable 5 ritenendo che i classificatori di sicurezza di Anthropic (che deviavano le richieste pericolose su Opus 4.8) fossero sufficienti a neutralizzare la minaccia. Tuttavia, gli esperti di sicurezza informatica considerano questa una linea di difesa estremamente fragile per diversi motivi:
   a) Bypass concettuale (“Reframing”): i classificatori automatici bloccano richieste che contengono pattern espliciti di attacco (ad esempio, la scrittura di un exploit o malware). Tuttavia, non possono bloccare richieste formulate in chiave difensiva o analitica che portano allo stesso risultato. Un utente malintenzionato può chiedere al modello commerciale di “analizzare le anomalie di configurazione logica” di una rete bancaria per trovare debolezze, ottenendo di fatto le coordinate per un attacco devastante senza mai attivare i filtri di blocco.
   b) L’inevitabilità dei jailbreak (rimozione limitazioni): la decisione stessa di bloccare Fable 5 è stata scatenata dalla segnalazione di un potenziale jailbreak. La storia della sicurezza informatica dimostra che nessun sistema di allineamento software è inviolabile a lungo termine. Se un gruppo di hacker ostili o uno Stato avversario riuscisse a trovare una vulnerabilità di bypass universale in Fable 5, si ritroverebbe tra le mani un’arma cibernetica di livello militare precedentemente addestrata e ospitata sui server americani.
3. Per proteggere il proprio “vantaggio strategico”, l’amministrazione statunitense ha applicato restrizioni draconiane (tramite le EAR e il concetto di deemed export) che vietano l’accesso ai modelli non solo ai paesi rivali, ma anche ai cittadini dei paesi alleati (G7, India) e persino ai dipendenti stranieri regolari di Anthropic negli Stati Uniti. Questo approccio unilaterale ha generato un forte risentimento e una crisi di fiducia internazionale:  leader tecnologici di tutto il mondo (inclusi i CEO di Anthropic, OpenAI e Google DeepMind) hanno avvertito al G7 che la frammentazione degli standard di sicurezza dell’IA indebolirà l’alleanza tra questi paesi; sentendosi vulnerabili all’arbitrarietà delle decisioni di Washington, grandi partner commerciali globali (come le multinazionali indiane ed europee) stanno attivamente riducendo la loro dipendenza dall’ecosistema tecnologico statunitense; questo vuoto commerciale viene colmato in due modi rischiosi per gli Stati Uniti: da un lato, massicci investimenti in startup sovrane locali (come Sarvam AI in India); dall’altro, lo spostamento dell’industria globale verso modelli open-weight cinesi altamente performanti (come GLM-5.2 di Zhipu AI o la suite Qwen di Alibaba), che non sono soggetti ai blocchi d’urgenza del Dipartimento del Commercio americano.

Limitando e bloccando i propri modelli per paura che vengano usati come armi contro la propria sicurezza nazionale, gli Stati Uniti rischiano di ottenere l’effetto opposto. Da un lato, il modello commerciale (Fable 5) manterrà, una volta rilasciato, comunque un’elevata capacità logico-agentica che può essere aggirata o manipolata per scopi ostili. Dall’altro, l’imposizione di barriere doganali al software sta spingendo il resto del mondo a sviluppare o adottare intelligenze artificiali non controllate dagli Stati Uniti, accelerando la perdita della leadership tecnologica americana e frammentando la difesa informatica globale. In questo modo una necessità di ordine, usare le tecnologie emergenti per governare ed esercitare egemonia americana, si traduce in una doppia immissione di caos nelle relazioni internazionali: la prima generata dal rischio di ingovernabilità della IA, una volta rilasciata pubblicamente, la seconda come portato dell’indebolimento della leadership tecnologica americana.

Così la vicenda Claude Fable 5 contro il governo degli Stati Uniti ci mostra che oggi la politica esiste come continuazione della guerra ibrida attraverso tre fatti materiali incontestabili: 

1. La sottomissione della decisione alla tecnica. Gli Stati Uniti, usando l’IA come arma principale, si trovano in mano uno strumento strutturalmente caotico e imprevedibile, agendo sulla spinta di minacce tecniche, militari e delle esigenze dei mercati finanziari (che alimentano continuamente nuovi prodotti instabili dell’IA). La loro agenda politica è dettata e ritagliata dai vettori della guerra cibernetica e informazionale e dalle tendenze di borsa.
2. Il fallimento dei mezzi tradizionali. La politica tenta di applicare al terreno della tecnologia le “barriere doganali” (mezzo classico del politico novecentesco), ma il mercato e gli algoritmi di Claude Fable 5, come di qualsiasi altra piattaforma, agiranno in modo non lineare, eludendo il blocco e piegando la compliance internazionale alle proprie esigenze estrattive.
3. L’emergenza che decide, sovrana. Il tentativo politico statunitense di controllare la rete produce come effetto emergente la frammentazione della difesa globale. La politica americana, nel tentativo di governare il conflitto, finisce per accelerare la propria stessa perdita di leadership tecnologica.

Alla fine emerge un tema culturalmente inaccettabile ma ineludibile: non è lo Stato [2] che usa la guerra (sul campo, finanziaria, tecnologica); è la logica della guerra (ibrida) che costringe lo Stato ad autodistruggere la propria sovranità.

Fonte

Nota di redazione

[1] noi diremmo la politica occidentale.

[2] qui diremmo lo stato borghese, per capirci non ci pare che la situazione in Cina sia quella descritta in riferimento agli Stati Uniti.

Anche l’NSA usa Claude Mythos

Secondo la nota testata americana Axios, l’NSA, la famosa agenzia di spionaggio e controllo delle telecomunicazioni statunitense, starebbe attivamente usando la nuova versione ad accesso limitato del celebre modello di casa Anthropic, specializzata nello scovare vulnerabilità nel codice.

Infatti, l’azienda americana ha fatto sapere di aver dato accesso al nuovo modello ad altre 40 entità ancora non rese note, nell’ambito del progetto Glasswing, del cui lancio ci eravamo già occupati in un articolo su questo giornale.

Nella precedente analisi avevamo già ventilato l’alta probabilità che l’iniziativa potesse far gola al Dipartimento della Guerra americano, da cui l’NSA dipende, vista la volontà programmatica espressa negli ultimi anni di rivedere all’insegna della sicurezza i software statali e la scelta di puntare su partenariati strategici tra agenzie pubbliche ed imprese private.

Dunque, nonostante gli attriti di alcuni mesi fa, Anthropic si riconferma un partner strategico importante per l’apparato militare statunitense, nonostante venga sempre riportato da Axios che alcuni funzionari anonimi rimangano ancora scettici sull’affidabilità dell’azienda.

Inoltre, anche altre agenzie governative potrebbero essere interessate al progetto. Infatti Amodei ha avuto di recente un incontro ufficiale con il segretario al Tesoro Scott Bessent e la chief of staff di Trump, Susie Wiles. Tra i partecipanti segreti al progetto ci sarebbe anche il servizio di controspionaggio britannico.

Insomma, dopo lo scenografico “divorzio” tra Anthropic e il Pentagono, sembra che in questo momento le relazioni tra l’azienda e l’apparato americano e di altri paesi siano riprese all’insegna del business as usual. Del resto era anche stato reso noto che, nonostante l’interdizione all’utilizzo dei software Anthropic, Claude era stato impiegato per selezionare obbiettivi da colpire e scrivere report dalle forze armate statunitensi durante l’aggressione all’Iran.

Quindi delle due l’una, o la polemica pubblica è stata solo una trovata di marketing di Amodei, oppure i software dell’azienda sono considerati talmente importanti dal governo Trump da doverci collaborare ugualmente, nonostante le “condizioni etiche” imposte dal presidente.

Fonte

Anthropic mette Claude al servizio della sicurezza delle big tech

Dopo aver testato l’ultima versione del proprio modello Claude, ‘Claude Mythos Preview’, su dei benchmark di sicurezza informatica, Anthropic si è resa conto della grande abilità del modello nello scovare vulnerabilità nel codice, quasi al livello dei più esperti analisti in carne ed ossa.

L’azienda quindi, preoccupata dell’impatto che tecnologie di questo tipo potranno avere nel futuro dei crimini informatici, ha messo su un consorzio – Project Glasswing – insieme ad altre grandi compagnie a stelle e strisce ed importanti attori del software libero: Amazon Web Services, Apple, Broadcom, Cisco, CrowdStrike, Google, JPMorganChase, la Linux Foundation, Microsoft, nVidia, e Palo Alto Networks.

Anthropic metterà a disposizione dei partner del consorzio la versione più recente del modello, che non verrà resa disponibile al pubblico, per rinforzare la sicurezza dei loro sistemi informatici e fornirà loro a titolo gratuito inizialmente un numero di accessi alla piattaforma per un totale di 100 milioni di dollari, offrendola poi ad un prezzo agevolato.

La compagnia si impegna inoltre a finanziare anche direttamente le fondazioni responsabili del mantenimento di alcuni progetti open source importantissimi per l’industria informatica, come Apache, affinché migliorino la sicurezza dei loro prodotti.

Nel comunicato di Anthropic che annuncia questa iniziativa sono stati pubblicate anche alcune vulnerabilità passate inosservate per decenni e scovate da Claude Mythos in alcuni dei software più utilizzati, come il kernel linux, il sistema operativo OpenBSD e la libreria per la gestione dei video ffmpeg.

È probabile che un’iniziativa del genere possa interessare anche gli apparati del dipartimento della difesa statunitense, che da anni attraverso la DARPA spinge per progetti che rafforzino la sicurezza dell’infrastruttura software della sicurezza nazionale, in linea anche con la strategia cyber pubblicata dall’amministrazione Trump.

Appare evidente da questa iniziativa come l’IA stia diventando sempre più rapidamente un asset starategico in questo momento di forti tensioni internazionali e che, nonostante siano in forte competizione, le aziende tech statunitensi siano disponibili a fare blocco comune contro eventuali minacce esterne, vere o presunte che siano.

Fonte

Nuova rogna in casa Anthropic: il codice di Claude pubblicato per errore

L’azienda fondata da Dario Amodei e sua sorella torna sulle prima pagine dei giornali alcune settimane dopo la vicenda dell’annullamento dei contratti col Pentagono, ma stavolta per una svista madornale commessa da qualcuno dei dipendenti.

Infatti, un errore in una delle ultime versioni di Claude Code, l’assistente IA di Anthropic per programmare, ha permesso agli utenti di estrarre tutto il codice sorgente dell’applicazione, si parla di circa 2000 file e 500 mila righe di codice.

Inutile dire che il codice dell’applicazione caricato su internet da un utente ha rapidamente fatto il giro del mondo, essendo stato scaricato milioni di volte.

Questa fuoriuscita di informazioni – leak nel gergo della sicurezza informatica – rappresenta un duro colpo per l’azienda americana che si è sempre rifiutata di rendere pubblico il codice dei suoi prodotti.

Nel codice trapelato sono presenti varie funzionalità del programma ancora in fase di sviluppo, oltre che tutti i commenti lasciati nel codice dai programmatori.

Vedremo che impatto avrà questo avvenimento nel panorama dell’industria dell’IA. Infatti, Claude Code è in questo momento considerato il migliore assistente IA per la programmazione e le altre aziende del settore sicuramente faranno tesoro dei segreti industriali resi pubblici nei giorni scorsi.

Fonte

Assalto al trono di Nvidia

A prima vista, le cose per Nvidia non potrebbero andare meglio. Il colosso statunitense delle GPU detiene oggi il 92% di questo specifico settore e una quota pari al 70-75% del più complessivo mercato dei chip impiegati nell’ambito IA. Nel 2025, la società fondata da Jensen Huang ha messo a segno ricavi per circa 200 miliardi di dollari (oltre il doppio di quanto fatturato nell’anno precedente), ha ottenuto guadagni per 32 miliardi nel corso di un unico trimestre e può vantare al momento la maggiore capitalizzazione di mercato al mondo (4.600 miliardi di dollari, contro i 3.900 della seconda classificata Apple).

Un dominio quasi inevitabile, per l’azienda che con le sue GPU – processori nati per l’elaborazione grafica dei videogiochi, ma che si sono dimostrati estremamente efficienti per l’addestramento e l’utilizzo dei sistemi d’intelligenza artificiale – ha reso possibile la rivoluzione del deep learning ed è oggi praticamente l’unica azienda in grado di guadagnare dal complicato, dal punto di vista economico, settore dell’IA generativa.

Il ruolo di Nvidia è talmente centrale che, lo scorso novembre, gli occhi di tutti gli operatori finanziari erano puntati proprio sui suoi risultati trimestrali, perché si temeva che una crescita anche solo leggermente inferiore alle attese avrebbe fatto scoppiare la bolla dell’intelligenza artificiale (pericolo per il momento scongiurato o almeno rinviato).

In questa fase, Nvidia può addirittura farsi carico dell’espansione infrastrutturale del settore dell’IA generativa, essendo diventata il fulcro di un complicatissimo meccanismo di prestiti e finanziamenti che ha ovviamente l’obiettivo finale di vendere un numero sempre maggiore di GPU. Nonostante alcuni inciampi (com’è il caso del promesso investimento in OpenAI, recentemente ritirato), questo meccanismo può essere sintetizzato così: Nvidia presta o investe capitale in startup e grandi sviluppatori di modelli, che utilizzano quei fondi per acquistare infrastruttura di calcolo – spesso proprio GPU Nvidia – alimentando una domanda che in parte contribuisce essa stessa a creare.

Se tutto ciò non bastasse, Jensen Huang ha ultimamente messo in atto la più classica pratica da monopolista della Silicon Valley, iniziando a inglobare le startup che potrebbero in futuro minacciarne la posizione dominante. È il caso del maxi-accordo da 20 miliardi di dollari con cui ha acquistato gli asset tecnologici e ha assunto parte del team di Groq, società che produce chip specializzati – in termini tecnici ASIC – nella fase di inferenza dell’intelligenza artificiale (vale a dire il carico di lavoro svolto durante l’utilizzo dei sistemi generativi).

Basterà tutto ciò a mettere al riparo Nvidia da un numero crescente di concorrenti sempre più agguerriti, che puntano a ridurre la loro dipendenza dalle GPU di Jensen Huang, a produrre chip specializzati dalle prestazioni ancora più elevate (in termini computazionali o di efficienza energetica) e a consentire alla seconda superpotenza tecnologica – la Cina – di liberare tutte le proprie potenzialità?

La minaccia di Google

“C’è la sensazione strategica, tra i clienti e nel mercato complessivo, che la dipendenza da Nvidia, e dai suoi prezzi elevati, debba essere interrotta”, ha spiegato, parlando con El País, l’analista Fernando Maldonado. “Tutti i principali fornitori di servizi cloud stanno progettando i loro specifici chip per compiti differenti. Più in là nel tempo, la quota di mercato di Nvidia potrebbe iniziare a ridursi”.

Dei vari concorrenti che stanno scaldando i motori nessuno è più minaccioso di Google: azienda storicamente leader nel campo dell’intelligenza artificiale, che ha reso possibile l’avvento dei large language model, sviluppando nel 2017 l’architettura Transformer, e che per il loro addestramento sfrutta da sempre una combinazione di GPU Nvidia e delle sue TPU (Tensor Processing Unit), ovvero acceleratori hardware progettati internamente, in collaborazione con Broadcom, e ottimizzati per il calcolo delle reti neurali.

Questa coabitazione di GPU e TPU potrebbe presto giungere al termine: Gemini 3 – il più avanzato large language model di Google – è stato infatti addestrato utilizzando esclusivamente le TPU prodotte dal colosso di Mountain View, prefigurando quindi un futuro in cui Nvidia potrebbe perdere uno dei suoi più importanti clienti. Ma c’è altro: Google ha infatti iniziato a stringere accordi commerciali che consentono a varie società del settore di utilizzare le proprie TPU al posto delle GPU di Nvidia.

Il più importante di questi accordi è stato stipulato a ottobre 2025 e prevede che Anthropic – una delle principali realtà dell’intelligenza artificiale e sviluppatrice di Claude – spenda “decine di miliardi di dollari” per accedere fino a un milione delle TPU di Google. Un accordo simile, ma su scala più ridotta, è stato siglato con la startup Safe Superintelligence (fondata dall’ex di OpenAI Ilya Sutskever).

Fino a oggi, gli sviluppatori di intelligenza artificiale potevano accedere alle TPU soltanto attraverso i data center di proprietà di Google, rendendoli così dipendenti dal suo ecosistema cloud e consentendo una flessibilità molto inferiore rispetto alle GPU di Nvidia, che si acquistano invece fisicamente e poi si sfruttano a piacimento (al netto della lunghissima lista d’attesa). Adesso la situazione è cambiata: Google ha da pochissimo iniziato, secondo le ultime notizie, a vendere direttamente i propri acceleratori.

Tra i clienti troviamo ancora una volta Anthropic (con un acquisto completato da dieci miliardi di dollari e un secondo ordine da 11 miliardi già concordato) e secondo le indiscrezioni anche Meta, che collocherebbe fisicamente le TPU nei propri data center, dove fino a oggi avevano trovato spazio soprattutto le GPU di Nvidia. È questa evoluzione di Google, che si sta quindi trasformando in un vero e proprio produttore di chip, ad aver fatto salire le sue azioni quasi del 50% negli ultimi sei mesi, mentre quelle di Nvidia hanno fatto registrare soltanto un +5%.

“La capitalizzazione di mercato è cresciuta di quasi mille miliardi a partire dall’ottobre scorso, anche grazie alla decisione di Warren Buffett di acquistare 4,9 miliardi di azioni durante il terzo trimestre del 2025 e al più generale entusiasmo di Wall Street per le iniziative di Google nel campo dell’intelligenza artificiale”, si legge su Bloomberg. “Google è sempre stato il vero outsider nella corsa dell’intelligenza artificiale. Un gigante per qualche tempo dormiente, ma che adesso si è pienamente risvegliato”.

Amazon e non solo

Google è sicuramente il rivale più temibile per Nvidia, ma non è l’unico. Ormai da qualche tempo, Amazon (per la precisione AWS) ha iniziato a sviluppare acceleratori per l’intelligenza artificiale – chiamati Trainium – e dall’anno scorso li sta usando nei propri data center, vendendo l’accesso a svariate realtà del settore. Tra queste troviamo ancora una volta Anthropic, la società di “data intelligence” Databricks, l’azienda giapponese di servizi per l’assistenza clienti Karakuri e parecchie altre. Stando alle dichiarazioni del CEO di Amazon Andy Jassy, gli introiti garantiti dai chip Trainium e Graviton (classiche CPU usate internamente in ambito cloud) sono oggi di “circa 10 miliardi di dollari” e crescono “a tripla cifra” anno dopo anno.

Come spiega il New York Times, “sebbene non siano potenti come quelli di Google o Nvidia, Amazon sta installando il doppio dei suoi chip all’interno di ciascun data center, nella speranza di offrire maggiore potenza computazionale usando la stessa quantità di energia” (grazie alla loro migliore efficienza energetica, ndA). Al momento, Anthropic è l’unico vero grande cliente dei Trainium di Amazon, ma in futuro le cose potrebbero cambiare: “Gli esperti ritengono che una partnership di questo calibro possa prefigurare cambiamenti ancor più importanti: quando Anthropic utilizza i chip di Amazon o di Google mostra al resto del mercato che le GPU di Nvidia non sono l’unica opzione”.

Al contrario: le alternative continuano ad aumentare. La CEO di AMD, Lisa Su, aveva annunciato qualche mese fa l’intenzione di centrare la produzione aziendale sull’IA generativa, scommettendo che la “domanda insaziabile di capacità di calcolo” non si sarebbe esaurita nel giro di pochi trimestri. Finora i numeri sembrano darle ragione: la capitalizzazione di mercato di AMD è quasi quadruplicata, superando i 350 miliardi di dollari, e l’azienda ha firmato accordi rilevanti per fornire chip a OpenAI e Oracle.

Anche Broadcom si sta ritagliando uno spazio crescente grazie alla produzione di chip – le cosiddette XPU – progettati per compiti di calcolo specifici, oltre a hardware di rete indispensabile per collegare tra loro i giganteschi rack di server che popolano i data center dell’IA. Intel, uno dei nomi storici della Silicon Valley, ha clamorosamente mancato la prima ondata dell’I Agenerativa, ma sta adesso investendo massicciamente sia nella progettazione sia nella produzione di processori avanzati per i data center, nel tentativo di recuperare terreno. E infine c’è Qualcomm, tradizionalmente associata ai chip per smartphone e automobili, ma che nell’ottobre scorso ha annunciato il lancio di due nuovi acceleratori per l’intelligenza artificiale, l’AI200 e l’AI250, caratterizzati da un’attenzione particolare all’efficienza energetica.

L’ascesa delle startup

La scommessa è quindi duplice: da una parte che la richiesta di processori da utilizzare nell’ambito dell’intelligenza artificiale continuerà ad aumentare; dall’altra che si aprano maggiori opportunità per chi produce hardware specializzato, laddove fino a oggi hanno dominato i processori programmabili e generalisti di Nvidia. “Se si osserva il tasso di crescita del settore, si vede [aumentare la domanda] di hardware specializzato”, ha spiegato Alex Davies, CTO della società finanziaria Jump. “È sempre stato così in tutta la storia dell’ingegneria: si inizia con qualcosa di più generico, poi si cresce a grandissima velocità e alla fine qualcuno capisce che non si può avere un unico prodotto per tutto”.

Fino a questo momento, la versatilità delle GPU ha rappresentato il principale vantaggio di Nvidia, che attraverso la piattaforma software CUDA consente di programmare i suoi processori in base alle specifiche esigenze aziendali, fidelizzando inoltre una vastissima schiera di programmatori. I chip di uso generale hanno però i loro svantaggi: “C’è un costo energetico da pagare, perché ci sono parti del processore che non si utilizzano per ciò che serve ma consumano comunque energia”, ha spiegato ancora Maldonado a El País.

Considerando quanto sta crescendo il mercato, c’è sicuramente spazio per tutte le soluzioni: dai processori generalisti e programmabili di Nvidia fino alle architetture ASIC più specifiche. Nel complesso, si stima che il giro di affari degli acceleratori per sistemi d’intelligenza artificiale dovrebbe crescere del 16% su base annua fino a raggiungere i 604 miliardi di dollari nel 2033: “Certo, Nvidia continuerà a controllare una parte significativa del mercato, ma anche una piccola percentuale può valere miliardi di dollari”, ha spiegato al New York Times l’analista Jordan Nanos.

Mentre i colossi si riorganizzano per aumentare la loro presenza in questo ricchissimo mercato, una serie di startup ambisce a conquistare una fetta della torta, presentando nuove soluzioni: Cerebras è una startup californiana, guidata da Andrew Feldman, che progetta processori creati esclusivamente per l’intelligenza artificiale. Processori, tra l’altro, dalle dimensioni inusuali: “Il nostro chip è grande quanto un piatto da tavola, mentre quello di una GPU ha le dimensioni di un francobollo”, ha spiegato Feldman parlando con l’Economist.

Potrebbe sembrare una mossa controintuitiva, visto che il progresso tecnologico è sempre stato anche una corsa alla miniaturizzazione. Eppure, Cerebras permette di usare un solo, enorme chip laddove con le GPU di Nvidia bisogna collegarne un gran numero. Questo permette alle connessioni tra i vari core presenti nel chip di operare migliaia di volte più rapidamente di quanto avviene con le connessioni tra GPU separate.

Il suo Wafer-Scale Engine 3 (WSE-3) – il più grande chip per IA mai costruito, con circa 4mila miliardi di transistor e 900mila core – è attualmente impiegato da OpenAI (per Codex-Spark, un LLM ottimizzato per la generazione di codice), Mistral, Perplexity e anche dai laboratori scientifici statunitensi (che lo hanno impiegato, per esempio, nell’ambito della “simulazione molecolare dinamica”). Una lista di clienti impressionante, che ha convinto gli investitori a finanziare Cerebras con un miliardo di dollari per una valutazione da 23 miliardi.

Cerebras non è però l’unica startup che partecipa alla grande corsa per ritagliarsi uno spazio nel mondo degli acceleratori per IA. Un’altra realtà californiana, fondata da ex ingegneri di Google, è MatX, che sta sviluppando processori che mirano a fare piazza pulita di tutti gli elementi delle GPU non necessari per l’addestramento degli LLM. In poche parole, MatX punta a creare processori che facciano meno cose, ma in maniera più efficiente. La startup nata nel 2022 ha appena raccolto oltre 500 milioni di dollari in un nuovo round di finanziamento e punta a completare il design del suo chip nel 2026, con spedizioni previste nel 2027. L’elenco delle startup include anche le statunitensi d-Matrix e SambaNova, l’israeliana Hailo, la britannica Graphcore (acquistata nel 2024 da SoftBank), la canadese-statunitense Tenstorrent e tantissime altre.

La Cina punta all’autosufficienza

Le maggiori sorprese per Nvidia potrebbero però arrivare dall’altro lato del Pacifico. Non è un caso che Jensen Huang abbia pubblicamente espresso la sua contrarietà alle sanzioni che impediscono la vendita delle GPU più avanzate alla Cina (per quanto recentemente allentate), argomentando che questa politica rischia di accelerare la corsa della Repubblica Popolare per rendersi del tutto autonoma dai processori statunitensi (e quindi intaccando il fatturato di Nvidia, proveniente per il 13% dal mercato cinese).

Che la Cina sia dietro agli Stati Uniti soltanto di “pochi nanosecondi” – come affermato dallo stesso Huang – è un’esagerazione, ma i progressi fatti dai produttori di chip del colosso asiatico sono molto significativi. Al momento, le prestazioni del modello H20 – il chip più potente che Nvidia può vendere in Cina, variante dell’H200 – sono già state ampiamente superate da numerosi processori cinesi, tra cui l’Ascend 910C di Huawei e il BW1000 di Hygon (per capacità di calcolo grezza e al netto di un maggiore consumo energetico).

Probabilmente proprio allo scopo di aumentare l’adozione di chip autoctoni, Pechino sta adesso a sua volta ostacolando l’acquisto dei chip Nvidia da parte delle aziende cinesi, complicando ulteriormente una situazione già molto difficile. In sintesi: al momento gli Stati Uniti hanno riammesso la vendita dei processori H20, ma è ora la Cina che ne blocca l’acquisto da parte delle sue aziende, adducendo ragioni di sicurezza nazionale.

La situazione è caotica e in continua evoluzione, ma l’impressione è che la Cina voglia approfittare della guerra commerciale per aumentare la quota dei suoi campioni nazionali (Huawei, Hygon, Cambricon, MetaX), che oggi detengono il 40% del mercato – per un valore di circa 38 miliardi di dollari – e che potrebbero crescere fino al 50% nel giro di un paio d’anni. Dal punto di vista tecnologico, un aiuto importante potrebbe giungere dai progressi fatti dalla Semiconductor Manufacturing International Corporation (SMIC): l’azienda cinese che si occupa di fabbricare concretamente i chip progettati da Huawei e dagli altri.

SMIC è oggi il cuore della strategia industriale cinese nel campo dei processori. Secondo alcuni report, l’azienda sarebbe ormai in grado di produrre anche chip a 5 nanometri, seppur con costi più elevati e rese inferiori rispetto a quelli realizzati dal colosso taiwanese TSMC per i marchi occidentali, le cui dimensioni hanno da poco raggiunto la soglia dei 2 nanometri. Allo stesso tempo, Huawei starebbe investendo per dare vita a delle proprie strutture produttive, diventando quindi un concorrente di SMIC con l’obiettivo di far progredire ulteriormente la capacità cinese di produrre chip avanzati.

Ci vorrà ancora parecchio tempo prima che le prestazioni dei chip cinesi possano effettivamente raggiungere quelle statunitensi, ma i timori di Jensen Huang sono fondati: SMIC, Huawei e gli altri campioni di Pechino o Shenzhen stanno facendo rapidi e importanti passi avanti. E un domani potrebbero contribuire ad allargare le crepe del dominio di Nvidia.

Fonte