L’intelligenza è diventata infrastruttura. La domanda ora è chi ne possiede la proprietà

Ogni epoca eredita infrastrutture la cui proprietà risolve dibattiti sul potere per decenni, dai binari ferroviari alle reti elettriche ai cavi sottomarini. L’intelligenza artificiale ha assunto questa posizione in meno di un decennio, e le sue condizioni di proprietà si stanno ora definendo, per lo più fuori dalla vista del pubblico.

Il dibattito pubblico continua a tornare su umani contro macchine, offuscando la divisione che modellerà gli anni 2030. L’intelligenza detenuta da una manciata di operatori si comporta in modo molto diverso dall’intelligenza che chiunque può ottenere, e il divario si manifesta nell’economia, nella politica e nella conoscenza.

La crescita ha smesso di necessitare delle folle

Per gran parte della storia industriale, l’ambizione richiedeva folle, poiché un produttore che raddoppiava la produzione assumeva più mani, una ferrovia necessitava di geometri e operai per migliaia, e la produzione rimaneva legata alla partecipazione.

Qualcosa in quel modello si è allentato, perché costruire qualcosa di imponente ora richiede un piccolo gruppo di ingegneri eccezionali insieme a enormi capitali e capacità di calcolo, e il rapporto continua a inclinarsi verso il secondo.

Lovable ha raggiunto 400 milioni di dollari di ricavi ricorrenti annuali con 146 dipendenti, e Midjourney guadagna circa 200 milioni di dollari all’anno con un team di circa undici persone. Confrontate questo con i 660‑690 miliardi di dollari di spese in conto capitale che cinque aziende tecnologiche americane hanno impegnato per il 2026, per lo più destinati a chip, data centre e networking.

Il lavoro è sceso nella lista dei vincoli vincolanti mentre l’hardware è salito in cima, il che riprezza l’intero stack per chiunque allocchi capitale. Su quale lato di quella dipendenza si posiziona un portafoglio? I rendimenti si concentrano attorno ad acceleratori, contratti energetici e terreni vicino a sottostazioni, e quasi tutte le altre attività ora operano secondo termini stabiliti da pochi fornitori.

Concentrazione senza la folla

Se un gruppo può aumentare la propria capacità senza impiegare o commerciare con una grande popolazione, ha pochi motivi per coinvolgere quella popolazione. Gli attori benestanti dei secoli precedenti avevano bisogno di lavoratori, clienti e soldati, e quella dipendenza generava salari, scuole, ospedali e leva politica.

Rimuovere la dipendenza e gli incentivi sottostanti cambiano silenziosamente. Immaginate mille persone, o un milione all’esterno, che detengono capitali, modelli e robotica. Potrebbero perseguire progetti enormi, dalla produzione orbitale a Marte, senza alcun bisogno funzionale dei miliardi di persone fuori dalla stanza.

Qualunque cosa richieda ancora una folla viene sempre più risolta dalla meccanizzazione, perché una flotta di robot costa meno di una forza lavoro una volta che un compito è specificato con sufficiente precisione. Ogni lavoro che una volta richiedeva molte mani viene valutato rispetto a quel sostituto, e la promessa che robotica e IA gestiranno i nostri problemi presuppone che qualcuno possieda i robot.

Tali cluster si allontanerebbero da tutti gli altri senza una rottura drammatica, e l’intelligenza artificiale generale non è un prerequisito, poiché le capacità odierne, estese e a basso costo, sarebbero sufficienti.

L’accesso ai modelli più potenti potrebbe diventare una fonte di disuguaglianza più marcata del denaro, poiché il capitale si accumula a pochi percento all’anno, mentre un vantaggio nella qualità del modello si moltiplica attraverso ogni ricerca, codice e prodotto che tocca.

Influenza che nessun prezzo di mercato cattura

L’intelligenza concentrata plasma ciò in cui le persone credono tanto quanto plasma i mercati. L’uso settimanale di chatbot IA per le notizie è aumentato dal 7% al 10% a livello globale in un solo anno, e più della metà dei giovani tra i 18 e i 24 anni ora indica i social media, le reti video o i chatbot come il loro principale modo di apprendere cosa è accaduto.

I motori di ricerca esercitavano potere editoriale attraverso il posizionamento, ma rimandano a molte risorse, e un lettore incontra comunque una fonte e la giudica. Un assistente fornisce una conclusione con voce calma e autorevole, e discutere con esso richiede uno sforzo che pochi lettori sono disposti a fare.

Quando un numero limitato di fornitori decide cosa dice un modello, un’agenda può essere incorporata in una forma quasi impossibile da rilevare dall’esterno. L’aumento delle capacità rende ancora più difficile la rilevazione, poiché un modello più potente produce ragionamenti più persuasivi e errori più plausibili. Come potrebbe chiunque al di fuori dell’azienda accorgersene?

Lo scetticismo non è scomparso, per correttezza, poiché la fiducia nelle notizie fornite dall’IA si attesta al 20% a livello globale, al di sotto del 37% registrato per le notizie in generale, e il pubblico rimane cauto anche se la loro dipendenza aumenta.

I pesi aperti chiudono metà del divario

I modelli pubblicati migliorano davvero la situazione, e i più recenti sono potenti. Moonshot AI ha rilasciato i pesi di Kimi K3 a 2,8 trilioni di parametri, avvicinando le versioni aperte alla frontiera più di quanto fosse accaduto da DeepSeek R1.

Offrire uno di questi modelli è un’altra questione per chiunque al di fuori di un data centre. Un sistema mixture-of-experts della scala di K3 richiede un cluster di acceleratori mantenuti attivi e caldi, il che rende l’auto‑hosting fuori dalla portata della maggior parte delle università, startup e ricercatori.

La maggior parte delle persone accede quindi ai modelli aperti tramite un endpoint ospitato da un’azienda con capitali e GPU. L’azienda rivende l’accesso, e i clienti non possono confermare che i pesi forniti corrispondano a quelli pubblicati, o che non vi sia nulla tra il prompt e la risposta. Cosa è stato aperto in tale configurazione, oltre alla licenza stessa?

La proprietà inizia al livello hardware

I termini della licenza da soli non riescono a distribuire il potere, poiché l’hardware decide chi può esercitare i diritti concessi da una licenza. Possedere quindi inizia dove termina la licenza, nella macchina stessa, poiché chi esegue il modello è l’unica parte in grado di testarlo, rintracciare una risposta fino ai pesi che l’hanno generata e correggere ciò che è errato.

Ciascuno di questi dipende dall’accesso a sufficiente capacità di calcolo a un prezzo che le istituzioni ordinarie possano assorbire, quindi un ecosistema pubblico ha bisogno sia di pesi aperti sia di calcolo aperto. Ognuno da solo ricrea la concentrazione che si intende dissolvere.

Un livello di calcolo pubblico è economicamente plausibile

L’hardware capace è già inattivo in enormi quantità nelle università, nei data centre regionali, in ex operazioni minerarie e in mani private, e metterlo in pool è stato un difficile problema ingegneristico.

Covenant-72B, un modello da 72 miliardi di parametri, è stato pre-addestrato su più di settanta pari indipendenti tramite collegamenti internet di consumo, senza whitelist, senza cluster centrale e con un meccanismo blockchain che valida i contributi man mano che arrivano. La verifica è al centro di quel design, poiché i partecipanti, che nessuno ha verificato, devono comunque dimostrare che il lavoro che presentano è reale.

L’efficienza rimane l’obiezione onesta, poiché uno sciame su connessioni ordinarie è ancora più lento di un cluster strettamente accoppiato, la latenza penalizza le esecuzioni più grandi, e i sistemi decentralizzati mantengono l’abitudine di riconglomerarsi dove si concentra il capitale.

La distanza da questo punto si sta riducendo rapidamente, però, poiché l’esecuzione Covenant ha mantenuto il 94,5% di utilizzo hardware sotto reali vincoli di rete e ha prodotto un modello competitivo con pari dimensioni rispetto ai pari addestrati centralmente. La capacità inutilizzata costa meno di una nuova costruzione, il che lascia l’economia basata più sulla maturità ingegneristica che sull’aritmetica.

Decisioni prese per impostazione predefinita

Quindi chi decide quale futuro arriverà, dato che nessuno voterà mai sulla questione? I risultati si accumuleranno dalle scelte di approvvigionamento, licenze, finanziamenti alla ricerca e regolamentazioni effettuate nei prossimi anni, per lo più individualmente insignificanti.

Una strada porta a pochi fornitori che gestiscono il substrato della vita economica e intellettuale, responsabili verso gli azionisti e i governi da cui dipendono. Un’altra porta a qualcosa di più simile a un servizio pubblico, con modelli aperti che girano su calcolo posseduto da molte parti e che chiunque può verificare. E cosa mantiene aperta la seconda strada?

Denaro e approvvigionamento, per lo più, poiché ogni contratto firmato per l’intelligenza ospitata e ogni sovvenzione diretta all’infrastruttura condivisa sposta l’equilibrio. Entrambi rimangono disponibili dal 2026, e la finestra per scegliere deliberatamente è misurata in anni – non molti.