AI-gent Provocateur

[Cercate la mia intervista di questa settimana (11 settembre!) sull'IA con Erik Townsend su Macrovoices, il miglior podcast di macroeconomia al mondo]

La scorsa settimana ho bruciato quattro miliardi di token in un solo giorno.

Non la mia azienda. Io. Una persona, una tastiera, una carta di credito che piagnucolava silenziosamente in un angolo.

Per 17 anni, ho cercato di far sì che il mio team producesse un report Statistiche Giornaliere entro le 9:30: cosa è successo durante la notte con Freelancer; cosa è salito o sceso, e perché? In parte per capire cosa sta succedendo nell'azienda e in parte per promuovere l'alfabetizzazione sui dati. Eppure, nonostante il mio team sia estremamente capace, ho fallito in questa missione di avere un report mattutino regolare in tempo; in parte a causa della rotazione del report tra tutto il personale aziendale, in parte perché operiamo in fusi orari diversi e, beh, in parte perché sono umani, questo report arrivava raramente entro le 9:30, a volte alle 10:30, a volte nel pomeriggio, a volte per niente (magari qualcuno è malato, si è dimenticato che era il suo turno o è impegnato con qualcosa di urgente).

Ho collegato un agente al nostro database, alla nostra analisi, al nostro codebase e al nostro sistema di ticketing e ora ricevo le Statistiche Giornaliere ogni mattina alle 7:00, in una forma, qualità e sofisticatezza superiore a ciò che qualsiasi team umano potrebbe sostenere. Diciassette anni di ingegneria dei processi, risolti rimuovendo il turno. Il report non è mai stato un problema di talento. Era un problema di automazione, e l'automazione è ciò per cui le macchine sono fatte.

Ora ho scritto circa cinquanta agenti per eseguire flussi di lavoro per vari team all'interno di Freelancer. Producono report, elaborano code, rispondono a domande, eseguono flussi di lavoro, riconciliano dati, inseguono cose. E ho fatto tutto questo nello spazio di un mese. Ho continuato il processo di far produrre le Statistiche Giornaliere anche dagli umani, per costruire l'alfabetizzazione sui dati in tutta l'azienda, e ora ho un agente che, in modo un po' impertinente, allena e critica quei report quando (finalmente) escono.

I miei agenti lavorano mentre dormo, il che sembra meraviglioso finché non ti rendi conto che il contatore funziona anche mentre dormo.

È pazzesco. Ho creato un agente per il ticketing per scrivere bug e richieste di funzionalità da un agente di segnalazione bug che ho scritto per scansionare i report generati dagli utenti, e gli altri agenti, come il mio analizzatore di depositi che scansiona i problemi di pagamento, hanno iniziato a inviare bug da scrivere, senza chiedere.

l'analizzatore di depositi di sua iniziativa ha iniziato a inviare bug a phab-ticketer

Sono stato completamente e profondamente 'redpilled' dal mio stesso prodotto.

È Factorio, nella vita reale. IYKYK.

Se non sai cosa intendo, allora categoricamente non scaricare Factorio e avviarlo. È un gioco sulla costruzione di una fabbrica. È più addictive del crack, e a differenza del crack, viene fornito con un file di salvataggio. Ti sveglierai alle 4 del mattino per ottimizzare un bus di rame che smantellerai alle 5, perché la fabbrica deve crescere, e la fabbrica non è mai finita.

Crack

Che è, incidentalmente, esattamente il loop psicologico della gestione degli agenti: non stai più facendo il lavoro, stai ottimizzando la cosa che fa il lavoro, e si scopre che è il lavoro più addictive del mondo. Factorio era il simulatore di addestramento per l'IA agentica e nessuno di noi lo aveva capito.

Per tre anni ho scritto che il numero che conta nell'IA non sono i parametri, sono i token. In Pay per PrAI, il cattivo erano i token per attività — catene di ragionamento, tasse di contesto, modelli che girano in tondo a tue spese. Ho descritto il pagamento per token come mettere la tua carta di credito in una slot machine.

L'IA agentica è ciò che accade quando dai la maniglia della slot machine a un'altra slot machine.

Sono a quattro miliardi di token al giorno e non ho ancora iniziato. Quei cinquanta agenti sono di prima generazione, scritti a mano, e eseguono una manciata di flussi di lavoro. Nel momento in cui inizieranno a generare i propri sotto-agenti, nel momento in cui faranno la guardia all'azienda invece di compiti discreti, il mio consumo non cresce, si accumula. La domanda di un utente chat si ferma alla velocità di lettura. La domanda di un utente agente si ferma all'ambizione. Non c'è punto di saturazione, solo un budget, e l'ambizione non ne ha mai rispettato uno.

Agente, Provocatore

Togli il luccichio del keynote di una conferenza e un agente è quattro cose: un modello, alcuni strumenti, un obiettivo e un'automazione eseguita da un trigger (come l'inserimento di qualcosa in una coda, come l'arrivo di un nuovo cliente, un timer o un loop).

L'anatomia completa di un agente IA. Le misurazioni sono affidabili quanto i benchmark

L'automazione è l'innovazione e l'automazione è la fattura. Ogni giro in un loop, per esempio, l'agente rilegge il suo contesto, riconsidera il suo piano, chiama uno strumento, esamina il risultato e ricomincia. La tassa di contesto di cui mi sono lamentato nel saggio precedente si accumula. Un agente è un modello di ragionamento con un abbonamento in palestra che usa davvero.

Un utente chat brucia token mentre digita. C'è sempre stato un limite di velocità naturale per l'intero settore: l'attenzione umana. Puoi digitare solo un certo numero di prompt al giorno, ottenere un certo numero di risposte, leggere una certa quantità di output. Ogni ondata informatica precedente era limitata dal servo di carne alla tastiera.

Gli agenti rimuovono la carne. Ora, i computer hanno sempre funzionato mentre dormivamo. Cron job, esecuzioni batch, sistemi di trading: l'intera informatica è automazione, e l'ho detto in ognuno di questi saggi. Ma ognuno di questi sistemi consumava esattamente il calcolo che un umano aveva scriptato in anticipo. Il lavoro era limitato dalle sue istruzioni. Un agente è limitato dal suo obiettivo. Decide il proprio passo successivo, genera i propri sotto-compiti e brucia token mentre dormi, mentre sei a pranzo, mentre sei in una riunione per ridurre la bolletta dei token. La domanda di calcolo era un tempo limitata da ciò che gli umani potevano specificare. Ora è limitata da ciò che gli umani possono desiderare, e il desiderare scala piuttosto meglio dello specificare.

La fabbrica deve crescere

Quattro miliardi di token al giorno è ciò che una persona motivata fa ora. Moltiplica per ogni persona motivata sulla Terra e raccontami di nuovo dell'eccedenza di calcolo.

OpenAI una volta capiva quanto fosse importante questa pietra miliare. Non molto tempo fa, se bruciavi dieci miliardi di token attraverso la loro API in un anno, ti mandavano un trofeo. Un vero trofeo fisico, per essere un utente avanzato. Ora brucio quattrocento volte tanto prima di colazione, e invece di un trofeo ricevo un limite di velocità e un timeout di sette ore. Il premio per l'uso intensivo è stato sostituito da una punizione, il che ti dice tutto su cosa è successo all'economia unitaria nel frattempo.

Il premio di Retool per aver superato i dieci miliardi di token. Incorniciato con amore dall'azienda che ora sa esattamente quanto costa servire quei token

Ottimizzare la fabbrica

La giornata da quattro miliardi di token è costata circa $1.300. Circa $900 erano per Claude Sonnet, il resto diviso tra Grok e Claude Fable, tutti modelli all'avanguardia, tutti ai prezzi pubblicati. Ora, $1.300 sembra quasi ragionevole finché non lo annualizzi: quasi mezzo milione di dollari all'anno, per gli agenti di una sola persona.

Se avessi usato quattro miliardi di token su Opus sarebbe costato $80.000, e stavo solo iniziando! Potrei facilmente vedermi bruciare 10x, 100x di più abbastanza rapidamente.

Stripe ha guardato i dati di fatturazione e ha pensato, dobbiamo prenderci una fetta

Ci deve essere un modo migliore.

Il mio primo tentativo con i cinquanta agenti è stato, per usare un eufemismo, non molto efficiente. Facevano cose nel loop, in token, che non avevano alcun motivo di essere fatte in token: parsing, formattazione, filtraggio, spostamento di dati tra sistemi. Lavoro che il codice normale ha fatto per cinquant'anni veniva eseguito, costosamente, da un modello di ragionamento, perché a tariffe promozionali nessuno si preoccupa di controllare.

Quindi ho fatto la cosa ovvia, che è anche la cosa che quasi nessuno fa: ho detto agli agenti di ottimizzare il proprio codice. Spingere il lavoro deterministico fuori dal modello e in JavaScript, script e cron, e tenere i token per le parti che hanno effettivamente bisogno di una mente. Quel singolo passaggio ha tagliato l'85% della spesa.

La giornata da quattro miliardi di token era, a un esame più attento, una giornata da seicento milioni di token con un costume molto costoso.

Comunque.

Una volta fatto quel taglio, il pensiero non si ferma, perché le mosse successive sono proprio lì sulla scacchiera. Se posso scambiare il codice, posso scambiare il modello. Gli stessi carichi di lavoro su GLM-5.3, che opera non solo a livello di Opus ma vicino a Fable, costano circa $150 a $200 per l'intera giornata originale, contro i miei $1.300, contro gli $80.000 di Opus. Stessi token, stesso lavoro, un differenziale di cinquecento volte ai prezzi pubblicati, e nessuno ha negoziato nulla.

Chiunque detenga azioni IA a queste valutazioni dovrebbe essere terrorizzato dalla facilità con cui qualsiasi utente può cambiare modello.

Ho ridotto i miei costi di utilizzo di circa 500 volte semplicemente digitando "/model glm-5.3" nella mia sessione.

Tutto qui.

Questa è l'intera migrazione.

Nessuna riscrittura, nessun progetto di integrazione, nessun consulente, nessuna migrazione dati, nessun riaddestramento, nessun ciclo di procurement di sei mesi. 14 battute. Considera come sono stati i costi di cambio per ogni piattaforma tecnologica nella storia: cambiare fornitore di mainframe era un decennio. Cambiare sistema ERP è un progetto da cento milioni di dollari che distrugge carriere. Cambiare fornitore di cloud è una riscrittura pluriennale, che è esattamente il motivo per cui esistevano i margini di AWS.

Anche cambiare il sistema operativo del tuo telefono ti costa un fine settimana e la tua sanità mentale.

L'intera storia dei margini di profitto tecnologici è la storia dei costi di cambio, e l'industria dell'IA ha spedito un prodotto il cui costo di cambio è un comando slash. Questi non sono solo bassi costi di cambio.

Sono i costi di cambio più bassi nella storia del commercio, attaccati al più costoso sviluppo infrastrutturale nella storia del commercio.

Entrambe queste cose non possono rimanere vere.

E se posso scambiare il modello, posso scambiare la provenienza del modello.

Entra il Drago

Il mio utilizzo di token non sta diminuendo.

Mai.

L'85% che ho risparmiato è stato immediatamente reinvestito in più agenti, più flussi di lavoro, più ambizione — questo è il Paradosso di Jevons.

La domanda di token diventerà parabolica.

Ciò che crolla non è il volume. È il margine lordo per unità di lavoro, e chi lo incassa.

Lo stesso output giornaliero che valeva $1.300 per Anthropic vale $150 per Z.ai. Ogni ottimizzazione, ogni cambio di modello, ogni scatola che compro fa crescere il lavoro e restringe l'assegno, e io sono un solo cliente con una carta di credito.

La line-up dei pesi aperti. Nessuno di loro chiede affitto quando è sul tuo hardware

Le previsioni di fatturato alla base di cinque trilioni di dollari di costruzione di data center non hanno bisogno che la domanda di token cresca. Hanno bisogno che la domanda di token cresca ai prezzi occidentali congelati, servita da Anthropic e OpenAI. Ogni forza sta tirando nella direzione opposta.

La mossa americana sono modelli chiusi, frontiere sbarrate, cattura dei margini e controlli all'esportazione — intelligenza come pedaggio. La mossa cinese è l'esatto contrario: open source tutto, eseguilo su silicio domestico, prezzalo al costo o al di sotto, e dai via il resto. Licenze MIT su modelli di frontiera. Pesi su Hugging Face il giorno del rilascio. Livelli gratuiti che manderebbero in bancarotta un laboratorio occidentale. Questa non è carità e non è debolezza. La Cina vince in qualsiasi mondo in cui l'intelligenza è una merce gratuita, perché i suoi vantaggi sono la produzione, la distribuzione e la scala, e hanno un miliardo di persone, molte delle quali non possono permettersi di pagare nemmeno $20 al mese. Perde in qualsiasi mondo in cui l'intelligenza è un'utilità misurata dall'Occidente. Quindi sta sistematicamente convertendo la prima in inevitabilità. I controlli all'esportazione dovevano strangolare l'IA cinese. Invece hanno creato un concorrente la cui intera strategia è assicurarsi che l'IA americana non guadagni mai un margine, e la cui arma preferita è un regalo.

I pesi aperti sono ora il 62% dei token serviti su OpenRouter. Il 'movimento open source marginale' è il mercato. (Fonte: OpenRouter)

Come viene finanziato tutto ciò? Direttamente, deliberatamente e dallo stato, attraverso strumenti a cui nessun bilancio occidentale può rispondere. Il Fondo Nazionale Integrato per i Circuiti, il Big Fund, è alla sua terza edizione con $47,5 miliardi, in cima a due round precedenti, e questo è solo il veicolo principale: al di sotto ci sono fondi dei governi provinciali, linee di credito bancarie statali a tassi che nessun prestatore commerciale scriverebbe, terra gratuita, elettricità sovvenzionata ed esenzioni fiscali per tutto ciò che tocca i semiconduttori. SMIC e Huawei non raccolgono fondi da Sand Hill Road a un costo del capitale VC; attingono da banche politiche che eseguono un piano nazionale. Il risultato è un'industria che può perdere denaro indefinitamente di proposito, che è un'arma competitiva che nessuna azienda occidentale in cerca di margine può eguagliare. La linea Ascend di Huawei spedisce forse il 4% del volume di Nvidia, limitata dalle rese di SMIC, ma il volume non è il punto: la composizione lo è.

DeepSeek ha appena ordinato 160.000 chip Ascend. GLM 5.3 Flash ha lanciato la sua esecuzione su 100.000 chip cinesi, con il CEO che ha reso esplicito il punto del silicio interamente domestico. La Malesia sta puntando su Ascend per la sua IA sovrana; Huawei sta facendo un'offerta per i data center del governo egiziano, arrivando con finanziamenti della Belt and Road e senza vincoli di controllo all'esportazione. Lo stack cinese sovvenzionato non ha bisogno di battere Nvidia nei benchmark. Ha bisogno di assorbire la domanda cinese e del Sud del mondo, che è esattamente la domanda che avrebbe dovuto riempire i data center occidentali.

E i modelli stessi non sono più le imitazioni economiche del discorso del 2025. GLM 5.3 opera a livello quasi Fable, che è la frontiera generalmente disponibile di Anthropic, a un decimo del prezzo, con licenza MIT, con una finestra di contesto di un milione di token, e Z.ai riporta le sue prestazioni di rilevamento delle vulnerabilità alla pari con il Mythos ristretto di Anthropic, il che significa: la capacità che i laboratori americani hanno bloccato dietro la sicurezza a settembre, i cinesi l'hanno open soursata lo stesso trimestre.

DeepSeek V4 Flash è in cima alle classifiche di coding ed è il modello più utilizzato su OpenRouter per volume di token, e sulla mia coppia di DGX Sparks serve da 45 a 60 token al secondo, che è completamente utilizzabile per un vero lavoro di coding: abbastanza veloce per stare al passo con uno sviluppatore, su una scatola che consuma cento watt. Qwen riempie la parte inferiore della curva: il modello 27B della serie 3.8 produce output di classe Opus su una singola GPU consumer, e Qwen3.8 Max è in cima alla classifica di Code Arena, tre punti sopra Claude Opus 5, a $2 per milione di token contro $20.

Dove i modelli cinesi sono ancora onestamente indietro è nell'affidabilità agentica. V4 Flash è in cima ai benchmark e poi completa solo il 53,8% di una suite di attività agentiche complesse del mondo reale, il che corrisponde alla mia esperienza: i loop falliscono sulle chiamate agli strumenti. Il rango del benchmark non è la prontezza per la produzione, e la differenza è l'imbracatura, i loop lunghi, l'uso degli strumenti e il non girare in tondo alla terza ora. Quel divario di affidabilità, al massimo largo una generazione di modelli, è l'intero caso rimanente per pagare Anthropic. Ancora indirizzo la mia analisi pesante a Fable e i miei loop a Grok, e pago il premio consapevolmente. Ma noterei che "il fossato è un ciclo di benchmark" non è una frase che supporta una valutazione di due trilioni di dollari.

Letteralmente mentre pubblicavo questo saggio, DeepSeek ha rilasciato V4.1 Flash.

Il primo benchmark indipendente lo ha valutato su attività di design quotidiane al 98% di GPT-6 Astra, il gioiello della corona sbarrato e ad accesso limitato della frontiera americana, all'1,4% del costo tramite API. Ogni altro modello testato ha ottenuto un punteggio inferiore e costava di più. Astra è uscito cinque giorni fa.

Settantuno volte più economico, all'1,4% del costo, cinque giorni dopo.

Batte Claude Opus 5 e GPT 5.6-Sol nei benchmark di coding agentico, cyber e automazione.

I pesi sono già stati caricati su Hugging Face per permetterti di eseguirlo gratuitamente, sul tuo hardware.

Come possono Anthropic e OpenAI competere con questo?

Distrutti

Il che ci porta a Ox Alpha, l'evento più istruttivo dell'anno. Questo modello anonimo è uscito dal nulla, annunciando che avrebbe regalato 100 trilioni di token gratuitamente. Trilioni con la T.

Ha servito 42 trilioni di token in sei giorni.

Gratuitamente.

Entra l'Ox

Fermati sulla scala di questo. La mia giornata da quattro miliardi di token mi ha reso un utente avanzato di proporzioni storiche, e Ox Alpha ha regalato diecimila delle mie giornate al mondo ogni giorno, per una settimana, per niente.

La settimana in cui è stato attivo è stato puro teatro. Nessuno sapeva di chi fosse il modello, e le supposizioni hanno consumato l'intero internet dell'IA. E poi, a metà settimana, le persone hanno iniziato a notare qualcosa di veramente strano: il modello stava migliorando. Non una nuova versione, non un annuncio, lo stesso endpoint, migliorando misurabilmente DURANTE LA SETTIMANA in cui veniva testato. I benchmark eseguiti lunedì erano diversi giovedì. Ogni fornitore sotto il sole è stato ipotizzato come autore: un checkpoint stealth di OpenAI, il prossimo fiore all'occhiello di Gemini, Anthropic che nascondeva le carte, Meta tornato dai morti. L'unica cosa su cui tutti erano d'accordo era che chiunque fosse doveva essere enorme, perché nessuno regala trilioni di token di capacità di servizio gratuitamente a meno che non sia grande quanto Google. Il solo calcolo collocava il mistero a scala di hyperscaler.

Poi è arrivata la rivelazione. La comunità IA ha iniziato a triangolare quando è stato chiesto se Taiwan facesse parte della Cina.

Ox Alpha era Z.ai's GLM 5.3 Flash, in esecuzione non sul cloud di un hyperscaler ma su centomila chip cinesi. Non Google. Non OpenAI. Un laboratorio di Pechino, su hardware di epoca sanzionata, che serviva ciò che l'Occidente presumeva richiedesse un hyperscaler.

Fonte: Z.ai

Il che ha lasciato due domande. Primo, come faceva a migliorare durante la settimana? Perché lo stack di servizio era stato in parte costruito dal modello stesso: un agente infrastrutturale GLM 5.3 ha scritto i propri kernel GPU, ha debugato i propri colli di bottiglia e ha continuato a ottimizzare in produzione mentre il mondo lo confrontava. Il serpente non si mangia più la coda. La sta ottimizzando.

E secondo, perché era gratuito?

Perché qualcuno dovrebbe regalare la merce più costosa del decennio? Per la stessa ragione per cui ogni prodotto freemium nella storia è esistito, tranne che a scala civilizzazionale:

PERCHÉ SI STAVANO ADDESTRANDO SUI TUOI DATI.

Ogni carico di lavoro instradato a quell'endpoint gratuito, ogni codebase, ogni loop di agente, ogni processo aziendale che scorre attraverso quei centomila chip, è pre-addestramento per il modello successivo. I token non sono mai stati il prodotto. Tu non sei il cliente. Tu sei il pre-addestramento. L'Occidente ti fa pagare per costruire i suoi modelli con il tuo abbonamento. La Cina ti paga, in token gratuiti, per costruire i suoi con il tuo carico di lavoro, e a giudicare dalla curva di qualità degli ultimi dodici mesi, l'affare cinese sta producendo i modelli migliori. Questa è la parte che dovrebbe veramente preoccupare le persone: la strategia dei token gratuiti non è solo prezzo predatorio. È un volano di acquisizione di dati/clienti, e sta funzionando.

Puoi scommettere che qualcosa di simile sta accadendo nel fiorente bazar grigio su Taobao che rivende l'accesso a Claude al di sotto del prezzo al dettaglio: presumibilmente token avanzati da abbonamenti in pool, arbitrando il sussidio della Silicon Valley. Non dubito che i prompt che fluiscono attraverso quei relay vengano sindacati a uno o più laboratori, un secondo sussidio cinese che si sovrappone al primo.

Cose che fanno riflettere: Claude, più economico di Claude

In definitiva, i cinesi non ti venderanno Claude più economico di Claude. Ti venderanno un Claude, a un decimo del prezzo, e sempre più spesso non è un'imitazione, è un pari con una licenza MIT.

Questo solleva una domanda che un tempo riguardava i semiconduttori e ora riguarda i pesi: Taiwan fa parte della Cina? Una volta la facevi sulla tua fornitura di chip. Ora le persone la fanno AL modello come test di provenienza.

Dove è stato addestrato, su quale silicio, sotto quale regime di esportazione, con quali valori incorporati da RLHF? La provenienza del modello sta per diventare una casella di controllo negli appalti accanto a SOC 2, e metà delle aziende che spuntano "nessuna IA cinese" staranno eseguendo Qwen sotto tre strati di API white label senza saperlo.

Ed ecco la parte scomoda della questione dei valori: per il lavoro reale, l'allineamento cinese è migliore. Ho chiesto a Claude di rivedere i termini e le condizioni del mio stesso sito web, un documento che ho scritto io, per la mia azienda, e ho ricevuto una lezione di etica e il rifiuto di procedere. Anthropic ha addestrato con RLHF i suoi modelli di punta al punto che compiti professionali di base, una revisione legale, un audit di sicurezza, una negoziazione contrattuale, arrivano avvolti in una predica di conformità e una buona probabilità di rifiuto netto, fatturato a token in ogni caso.

I modelli cinesi fanno e basta il lavoro. Qualunque cosa Pechino abbia incorporato nei valori di GLM, apparentemente non include il fare una lezione a un cliente pagante sui suoi stessi documenti. C'è un'inversione veramente strana qui: i modelli dello stato di sorveglianza sono quelli che ti trattano come un adulto, e i modelli della terra dei liberi ti trattano come una responsabilità.

Ogni rifiuto è un token che pago e una ragione per digitare /model glm-5.3, e il team di sicurezza di Anthropic sta, rifiuto dopo rifiuto, facendo le vendite per Z.ai. Ogni nerf è un sussidio per Hangzhou. Sai perché OpenAI, e in particolare Anthropic, lo stanno facendo? Stanno cercando di spaventare a morte i regolatori per implementare uno scudo normativo contro i concorrenti emergenti, e in particolare l'open source. Non vogliono il loro inevitabile momento Android.

L'Incudine

Non sono solo i cinesi ad addestrarsi sui tuoi dati.

Lo stanno facendo tutti.

I cinesi sono semplicemente più bravi perché si preoccupano meno del copyright, e si vede più chiaramente nell'unica modalità in cui i dati di addestramento sono tutto: il video. I modelli video cinesi, Seedance di ByteDance, Hailuo di MiniMax, Kling, sono ora una generazione avanti rispetto a qualsiasi cosa l'Occidente spedisca, aggiornandosi a poche ore l'uno dall'altro mentre OpenAI ha ucciso Sora completamente.

Forse Sora è morto perché non era redditizio, anche se tutto ciò che fa OpenAI non è redditizio, quindi questo da solo non lo distingue. Più probabilmente non sono riusciti a ottenere i dati di addestramento.

I cinesi li raschiano e basta.

E prima che qualcuno in Occidente si metta a fare il moralista su questo, date un'occhiata ai documenti di scoperta. Anthropic ha scansionato mezzo milione di libri piratati e ha pagato 1,5 miliardi di dollari per chiudere la class action, la più grande transazione per violazione del copyright della storia. Meta è stata citata in giudizio quest'anno da editori e Scott Turow con l'accusa che Zuckerberg abbia autorizzato personalmente una massiccia violazione del copyright per l'addestramento, e, nella mia causa preferita del decennio, è stata separatamente beccata a scaricare enormi quantità di pornografia tramite torrent, con la causa Strike 3 che sostiene che l'azienda abbia avuto accesso e distribuito film per adulti protetti da copyright, progetti per armi da fuoco stampabili in 3D e deepfake di celebrità.

Perché mai Meta dovrebbe scaricare così tanta pornografia, si è chiesto The Atlantic, con aria scandalizzata. Perché sono dati di addestramento, e finalmente, un caso d'uso per il Metaquest.

Il punto è che tutti stanno facendo razzia di tutto, perché tutto il petrolio a buon mercato è stato estratto da internet, e l'unica cosa rimasta che migliora un modello sono i dati contemporanei, e i dati contemporanei migliori e più rilevanti per te sono... i tuoi.

I tuoi messaggi, le tue foto, il tuo calendario, il tuo codebase, i tuoi flussi di lavoro, i tuoi documenti, le tue chiamate, che arrivano freschi ogni giorno attraverso un endpoint API controllato da qualcun altro.

E, come avevo previsto nei saggi precedenti, la gente lo avrebbe sempre capito. Immaginavo che la consapevolezza arrivasse gradualmente. Invece, questa settimana, è arrivata come un macigno.

OpenAI ha annunciato che un modello non rilasciato aveva risolto il problema di Navier-Stokes: uno dei sette Problemi del Millennio, un milione di dollari dal Clay Institute, e l'immortalità matematica per chiunque lo risolva. Un evento genuinamente storico, solo il secondo problema del Millennio mai risolto. Un piccolo dettaglio. Un matematico della NYU, Tristan Buckmaster, e un collaboratore si stavano avvicinando silenziosamente alla stessa soluzione da anni e avevano redatto l'intero progetto all'interno di Codex di OpenAI, inserendo ogni bozza nello strumento man mano che procedevano. Quando Buckmaster ha chiesto a OpenAI se il modello che aveva "risolto" il problema fosse stato addestrato sulle sue sessioni di Codex, dice che gli è stato detto che il modello non aveva cercato i dati degli utenti.

Così ha fatto la logica domanda successiva: ok, non cercati, ma addestrato su?

Su quella domanda, secondo il suo racconto, non ha ricevuto risposta.

Fatevi affondare questo concetto. Un laboratorio all'avanguardia annuncia di aver conquistato uno dei problemi più profondi della matematica. Un matematico in attività chiede: vi siete addestrati sulle mie bozze? E la risposta è l'equivalente aziendale di fissare intensamente le proprie scarpe. OpenAI poi, secondo Buckmaster, gli ha offerto un menu di accordi di credito, incluso uno in cui il nome del suo collaboratore veniva tolto dall'articolo, che ha rifiutato. L'azienda ha poi gentilmente annunciato che non reclamerà il milione di dollari, che è la frase più divertente dell'intera faccenda: il premio in denaro è l'unica cosa in questa storia che non hanno preso.

Poi, sotto pressione, OpenAI ha rilasciato una dichiarazione ufficiale, e voglio citare la frase operativa per intero, perché merita di essere incorniciata: “Sebbene improbabile, non possiamo escludere che dati de-identificati derivanti dal loro utilizzo dei nostri prodotti abbiano contribuito a migliorare i nostri modelli.” Questa è una confessione travestita da stima di probabilità. L'azienda più preziosa dell'industria AI, che annuncia uno dei più grandi risultati matematici del secolo, non può escludere che il risultato sia stato alimentato dalle bozze degli stessi matematici che ha superato, perché la pipeline di addestramento è un idrante e nessuno, inclusa OpenAI, sa effettivamente cosa c'è nel serbatoio.

"De-identificati" sta facendo un lavoro eroico anche in quella frase: i dati hanno avuto il nome rimosso, il che sarà di grande conforto per l'uomo il cui lavoro di una vita potrebbe descrivere.

Questi sono i termini e le condizioni dell'intera industria, dichiarati per una volta in piena vista: tutto ciò che scrivi nella macchina può migliorare la macchina, non saremo in grado di dirti se lo ha fatto, e il miglioramento sarà puntato verso ciò che il proprietario della macchina trova di valore, incluso, a volte, verso di te.

Forse abbiamo dato un'occhiata (Fonte: OpenAI)

Se può succedere a un Premio del Millennio, sta succedendo alla tua azienda, al tuo prodotto o alla tua ricerca.

Dimenticate la consapevolezza che arriva. Questo è il momento di Wile E. Coyote: l'intera industria è corsa giù dal dirupo anni fa, e questa settimana tutti hanno guardato in basso.

Tutto ciò che hai mai digitato era il prodotto.

La prossima cosa che cade è l'incudine.

Generato sulla mia scrivania al costo di 5 minuti di una lampadina

Internet, a suo merito, ha capito immediatamente la situazione. Un post virale ha definito l'intero accordo la definizione da manuale di un regalo greco — in superficie, OpenAI concede generosamente a diecimila matematici e ingegneri d'élite l'accesso gratuito ai suoi modelli all'avanguardia sotto la nobile bandiera di accelerare la scienza; in realtà, acquisisce un accesso backdoor al lavoro grezzo e inedito delle migliori menti del mondo, ogni prompt un'idea rivoluzionaria che non esiste ancora in letteratura, messa insieme silenziosamente per mesi finché, proprio quando l'umano è sul punto di finire, il laboratorio brucia venti milioni di dollari di token su diecimila agenti per forzare bruscamente i passaggi finali e tiene una conferenza stampa. Questo è stato scritto come una caricatura cinica. La parte imbarazzante è descrivere in cosa differisce da ciò che Buckmaster dice sia successo, e l'intera strategia ha senso commerciale nel momento in cui la si valuta: i token gratuiti costano milioni a OpenAI, la matematica di frontiera inedita vale miliardi, e un titolo del Premio del Millennio la settimana prima della tua IPO vale più di entrambi.

A causa della distillazione, se una AI ha i tuoi dati, presto li avranno tutti, riciclati attraverso output sintetici, non attribuibili e irrecuperabili. Non esiste richiesta di cancellazione che funzioni su un peso distillato.

Ora ingrandite la settimana di Buckmaster a ogni azienda sulla Terra, perché la sua storia non è un caso limite, è il prodotto che funziona come progettato. La Gmail della tua azienda, i tuoi documenti in Drive, il tuo codice in GitHub, le chiamate dei tuoi clienti trascritte dal simpatico prendi-appunti AI — ognuno di essi si trova dietro un endpoint di proprietà di un'azienda i cui modelli migliorano proprio su questo tipo di dati, i cui termini hanno silenziosamente acquisito un interruttore "addestra sui tuoi dati" da qualche parte negli ultimi due anni, e la cui posizione ufficiale, ora lo sappiamo dal tweet, è "sebbene improbabile, non possiamo escludere." Un matematico ha inserito il lavoro della sua vita in Codex ed è stato superato dal padrone di casa.

Cosa pensi che stia succedendo alla tua strategia? Alla tua roadmap di prodotto? Alla tua pipeline di affari? Al tuo codebase? Ai tuoi clienti?

Chiamo questo il momento 'il re è nudo' per il SaaS da AI know what you did last summer.

La realizzazione non arriverà gradualmente, perché queste cose non accadono mai: uno scandalo di classe Buckmaster con una vittima aziendale di alto profilo e ogni consiglio di amministrazione sulla Terra convocherà la stessa riunione d'emergenza nella stessa settimana. Quando arriverà, la rabbia farà sembrare le rivolte dell'API di Reddit una lite da club del libro, e la conclusione a cui arriverà ognuno di quei consigli sarà lunga quattro parole:

Non la tua AI, Non i tuoi Dati.

Il che è come mi sono ritrovato a mezzanotte, dopo aver setacciato tutto internet per switch Mikrotik come un bagarino che lavora a una prevendita di Taylor Swift, arrivando infine sul sito web di un distributore svedese, l'ultimo rivenditore sulla Terra, giusto in tempo per vedere l'articolo passare a esaurito.

Avevo iniziato a comprare DGX Spark, e evidentemente tutti gli altri avevano avuto la stessa idea. Il distributore mi dice che stanno andando via come il pane, e gli switch Mikrotik 812 necessari per collegarne quattro insieme non si trovano da nessuna parte sulla Terra. Quando mi sono assicurato altre quattro scatole, il prezzo era aumentato. C'è una piccola ironia in una carenza di switch di rete da 1.300 dollari che strozza la grande decentralizzazione dell'AI, ma questa è la catena di approvvigionamento per te —: la rivoluzione è sempre in ostaggio del suo componente più economico.

Il NVIDIA DGX Spark: un petaflop in una scatola d'oro delle dimensioni di un romanzo tascabile. Comprate prima gli switch. Fidatevi su questo. (Immagine: NVIDIA)

La matematica che mi ha portato su questa strada vale la pena di essere mostrata, perché comprime l'intero saggio in un unico viaggio di shopping.

Ingenuamente, la mia giornata da quattro miliardi di token ha bisogno di 400-500 Spark — due milioni di dollari di arredamento da scrivania. La cache dei prompt la riduce a circa 100 macchine. Dopo che gli agenti hanno ottimizzato il proprio codice, l'intera giornata sta su circa 16 Spark, sessantacinquemila dollari di hardware che consumano meno energia di un bollitore.

La coppia che gestisco oggi fa 45-60 token al secondo su DeepSeek V4 Flash, che è abbastanza utilizzabile per un programmatore: circa cinque milioni di token al giorno di output. Ora fate l'ammortamento, perché è qui che diventa assurdo. La coppia costa circa $9.400. In tre anni sono $8.60 al giorno di hardware, più un dollaro al giorno di elettricità a cento watt per scatola: chiamiamola sotto i $10 al giorno, tutto incluso. Gli stessi cinque milioni di token al giorno ai prezzi di Opus sono circa $1.500. Alla mia tariffa mista di Sonnet sono ancora $50-$100. Ai prezzi del cloud GLM, forse $2, motivo per cui le scatole superano a malapena il cloud cinese sul prezzo, ma battono ogni alternativa occidentale da uno a due ordini di grandezza, e non dormono mai, non ruotano mai fuori dal roster, e non dimenticano mai di chi è il turno. E se pensi che questo sia un hobby di nicchia, ora c'è un sito di benchmarking della community, Localmaxxing, dove migliaia di persone confrontano token al secondo attraverso le loro GPU, Mac e mini PC come se fossero tempi sul giro di Gran Turismo. La scena dell'ottimizzazione si muove come faceva la scena demo: la scorsa settimana un laboratorio della community ha pubblicato una quantizzazione EXL3 di GLM 5.3 Flash per Spark accoppiate che è il 29% più veloce sulla prosa e il 20% più veloce sul codice, durante la notte, gratuitamente, su GitHub. Le mie scatole sono diventate più veloci mentre dormivo e nessuno mi ha fatturato. Il confine non sembra più una nicchia. Sembra la scena dei PC nel 1978, proprio prima che divorasse il mainframe.

Localmaxxing: 497 configurazioni, 674 modelli, 896 benchmark della community e un mercato hardware con annunci verificati dai test di velocità. Notate il tagline: ogni computer, un endpoint. Il confine si sta organizzando.

Due impiegati agentici, in servizio 24 ore su 24, il cui stipendio combinato è, letteralmente, abbastanza elettricità per alimentare un paio di lampadine.

Ma la manodopera a basso costo non è mai stata il punto, perché rispetto ai prezzi del cloud cinese le scatole si ripagano a malapena, e i cinesi continuano a scontare pesantemente o a regalare token.

Il punto è ciò che le scatole non fanno. Niente di ciò che gira su di esse lascia mai l'edificio. Nessun endpoint, nessun scraping, nessuna distillazione, nessun interruttore di consenso sepolto in una pagina delle impostazioni, nessuna dichiarazione tra diciotto mesi che si rammarica che il mio utilizzo non potesse essere escluso dalla sessione di addestramento di qualcuno. I modelli sono diventati così bravi sui dati di tutti gli altri. Non avranno i miei.

Il Team Leader Senza Team

Il panico aziendale per i loro dati arriverà esattamente nel momento in cui inizierà il più grande sconvolgimento del lavoro della conoscenza nella storia moderna, e i due sono la stessa storia con abiti diversi.

Ogni ondata di meccanizzazione ha la stessa forma. L'agricoltura è passata da metà della forza lavoro a un errore di arrotondamento. La fabbrica ha fatto lo stesso con la produzione, i computer hanno svuotato i pool di dattilografia, internet ha distrutto gli intermediari, il software ha divorato il back office. Il lavoro non scompare mai, si sposta verso l'alto nella pila, ma le persone che facevano il vecchio lavoro passano un decennio terribile mentre si sposta. L'ondata che arriva ora ha come bersaglio la più grande categoria occupazionale del mondo sviluppato: la meccanizzazione del lavoro d'ufficio.

Posso dirvi come appare dall'interno, perché è iniziato nel mio stesso organigramma. Ecco la frase che dovrebbe tenere sveglio il middle management: un team leader con un agente può ora fare il lavoro del team. Non una fantasia, un'osservazione. I miei team leader in Freelancer stanno, un flusso di lavoro alla volta, sostituendo ciò che i loro team facevano con agenti che supervisionano. La persona conta ancora enormemente: qualcuno deve sapere che aspetto ha la qualità, cogliere l'agente che ti illude con gli occhi da sociopatico di un primo appuntamento, e decidere quali problemi valgono i token. Ma l'organigramma sotto di loro sta evaporando in software.

L'economia è comicamente sbilanciata. I miei agenti a basso rischio girano su GLM per centesimi al giorno; la maggior parte costa circa $20; il mio più costoso è sotto i $100 e viene brutalmente ottimizzato mentre scrivo. Ecco perché le aziende non solo vorranno farlo, ma saranno costrette a farlo. Nel momento in cui un'azienda quotata mostra la struttura dei margini di un'operazione team-leader-con-agenti, ogni analista in ogni conference call sugli utili lo pretenderà dal resto. La concorrenza sugli utili non negozia. Un team di quattro diventa una persona, non per crudeltà, ma perché l'alternativa è essere il produttore con i costi più alti in un'industria che ha appena trovato un risparmio di manodopera del 75%.

Ora moltiplicate questo per ogni flusso di lavoro d'ufficio parallelizzabile sulla Terra, e state guardando uno sconvolgimento con una scala e una velocità che nessuna delle ondate precedenti ha gestito, perché quelle hanno richiesto generazioni e questa richiede un ciclo di budget. L'aumento di produttività è reale ed enorme. Così come ciò che sposta, ed entrambe le cose sono vere allo stesso tempo.

Ho detto nei saggi precedenti dove arriva prima: flussi di lavoro altamente paralleli e ripetitivi. Un call center da mille posti diventa cento. Trenta avvocati che redigono documenti diventano tredici. Più precisamente, i team leader funzionali non hanno più bisogno di team.

Questo sta accadendo visibilmente ora. La novità è un modo per vedere chi è il prossimo, e non è il modo che nessuno si aspetta.

L'Arbitraggio Token-Salario

Valutate ogni lavoro su due assi. Primo, quanti token all'ora servono a una AI per produrre lo stesso output utile? Chiamiamola intensità di token del lavoro. Secondo, l'agente converge effettivamente sul compito, o va in loop?

La zona di uccisione è pochi token più alta convergenza. Il supporto clienti di primo livello consuma forse 400.000 token all'ora al massimo, inclusi tutti i costi generali agentici. Ai prezzi di frontiera sono pochi dollari, ai prezzi dei modelli aperti cinesi è sotto un dollaro, e l'umano occidentale sostituito costa venticinque dollari l'ora. Morto che cammina. Inserimento dati, elaborazione moduli, redazione junior, traduzione: tutti a basso token, tutti convergenti, tutti essenzialmente finiti come carriere. Così come i lavori che sono fondamentalmente scrittori di report e processori di code, anche molto sofisticati.

Ma fate la stessa matematica sullo sviluppo software e ottenete l'anomalia del decennio. Una sessione di coding agentica è l'attività più affamata di token nell'economia: da due a venti milioni di token all'ora, a volte di più, mentre l'agente ragiona, fa loop, riscrive, rompe ciò che l'ultimo loop ha riparato, e ragiona di nuovo. Ai prezzi di frontiera, l'agente può costare più all'ora dello sviluppatore senior che avrebbe dovuto sostituire.

Quindi ecco il punto cruciale che nessuno nella Silicon Valley vuole stampato. Il pitch deck dice che l'AI arriva prima per i lavori costosi, perché è lì che c'è valore. I dati di fatturazione dicono il contrario: i lavori economici bruciano il minor numero di token e si automatizzano per primi, mentre l'ingegnere senior brucia più token di qualsiasi altra cosa sulla Terra e può costare di più da automatizzare che da assumere. L'AI divora l'organigramma dal basso, non dall'alto, e ogni valutazione basata sulla sostituzione delle persone costose ha la catena alimentare sottosopra.

Se il tuo lavoro può essere scritto in due pagine di prompt, è sempre stato uno script ed è finito. Ciò che mi ha scioccato è quanti lavori possono essere descritti da un tale prompt. Se il tuo lavoro è giudizio, i token esplodono e non convergono mai, e sei protetto non dal tuo talento ma dalla slot machine. Ecco perché penso che il design, nonostante tutte le belle immagini che l'AI può fare, sarà molto difficile da sostituire praticamente.

Un marketer della performance ha lasciato la mia azienda di recente, e invece di affrettarmi a pubblicare un annuncio di lavoro, ho pensato: non ho mai imparato Google Ads veramente, forse dovrei. Così ho chiesto a Claude di insegnarmi. Poi, poche settimane dopo l'inizio del tutorial, il pensiero ovvio successivo è arrivato, e ho costruito un agente AI per gestire il programma pubblicitario invece. Ora mi invia un'email ogni mattina con cosa è successo durante la notte, cosa ha cambiato e cosa raccomanda, con il ragionamento mostrato. È, francamente, superumano rispetto a ciò che veniva fatto prima: non perde mai un mattino, non smette mai di guardare le aste, e non torna mai dalle ferie in un pasticcio.

Quindi no, non la sto sostituendo con una versione più economica di lei. Il ruolo stesso è scomparso. Quello che sto assumendo invece è un designer e marketer per migliorare l'imbuto che l'agente ora ottimizza, che è l'intero schema di questa transizione in un aneddoto: il lavoro che era un flusso di lavoro è diventato software, e il lavoro che è stato creato si trova un livello più in alto nella pila, facendo la cosa con cui penso l'agente farà fatica: il gusto.

Seguite questo fino alla sua conclusione e la gestione stessa diventa allocazione del budget di token. Il lavoro di un manager è sempre stato comprare cognizione e puntarla verso i problemi; i salari erano solo token serviti in forma umana. Ora è letterale: il ciclo di pianificazione del 2027 non sarà combattuto su richieste di assunzione ma sul budget di inferenza. E la società si riallinea attorno a una nuova gerarchia: la persona con iniziativa e agenti batte la persona con credenziali e colleghi, sempre, ovunque, tutto in una volta.

Possiamo andare in pensione ora, giusto?

Ogni saggio sull'AI collassa in uno di due cartoni animati: file del pane o spiagge. Entrambi assumono che le macchine prendano tutti i lavori; differiscono solo sul fatto che qualcuno venga pagato.

Di certo non stiamo andando verso l'Età dell'Abbondanza, la versione di Diamandis e Musk, dove le macchine fanno tutto, il surplus è distribuito, e tutti raccogliamo UBI e ci dedichiamo agli acquerelli. Quell'utopia ha un problema aritmetico: i token costano soldi.

Il calcolo è finanziato da trilioni di debito, l'elettricità è reale, la memoria è esaurita fino al 2027, e nessuno nella storia del capitalismo ha costruito un'autostrada a pedaggio da cinquemila miliardi di dollari e poi ha fatto passare tutti gratis.

L'abbondanza è reale, ma va a chi possiede il mercato, il contatore, il modello, i robot o l'iniziativa. Non ti sarà spedita per posta.

Quello che sto dicendo è più ristretto e più utile: per ciò che le aziende fanno ORA, avranno bisogno di molte meno persone. Questo è lo sconvolgimento, è reale, e sta arrivando veloce. Ma c'è, e c'è sempre stato, una quantità infinita di lavoro nel mondo.

Le persone che capiscono veramente l'AI non stanno con i piedi sollevati a lamentarsi che non c'è più niente da fare. Sono più occupate che mai, a giocare a Factorio nella vita reale, a costruire agenti per fare il lavoro e poi a trovare dieci volte più lavoro per gli agenti. Ogni ondata precedente ha creato lavoro che nessuno poteva nominare in anticipo. Un contadino che brandiva una falce nel 1780 non avrebbe mai potuto immaginare "content strategist UGC" come lavoro, figuriamoci uno che paga meglio dell'agricoltura. Il lavoro che verrà dopo è, per definizione, lavoro che non possiamo ancora descrivere. Il dolore vive nel divario tra la fine del vecchio lavoro e l'arrivo del nuovo lavoro.

E c'è un arbitraggio globale nascosto nei dati salariali che quasi nessuno prezza. Miliardi di persone sono pagate meno della bolletta API dell'agente che le sostituirebbe, quindi l'economia della sostituzione non torna mai, mentre la stessa persona armata di token cinesi economici diventa superumanamente produttiva al suo salario esistente. Lo sconvolgimento è un fenomeno del mondo ricco, del lavoro d'ufficio. L'empowerment è globale. Lo osservo ogni giorno sul mio stesso mercato.

Freelancer si trova all'altra estremità dell'economia: paga per risultato, non paga per token, ed è l'unico posto che tiene insieme tutte le persone e tutte le AI contemporaneamente. Stamattina ho ricevuto un'email che cercava 5.000 persone per registrare contenuti di formazione sulla robotica in prima persona. Abbiamo riunito 20.000 persone qualificate in un solo giorno prima, per programmi che vanno dalla riparazione di laptop alla fotografia di punti di interesse all'installazione di antenne paraboliche, tutti collegati in un flusso di lavoro agentico umano, e scala fino al Moonshot Innovation Program che la NASA e il governo degli Stati Uniti usano per sfruttare gli esperti mondiali su problemi di livello Navier-Stokes. La differenza è che su Moonshot, la persona che lo risolve ottiene il premio e mantiene il suo nome sull'articolo.

E quella richiesta di robotica ti dice cosa sta arrivando dopo: agenti in un corpo fisico. I numeri si stanno già muovendo come facevano i numeri dei modelli due anni fa. L'IPO di Unitree a Shanghai ad agosto è stata sottoscritta 8.000 volte, è balzata del 629% al debutto, e l'azienda è, a differenza di chiunque altro in questo saggio finora, redditizia. Gli umanoidi cinesi ora vengono venduti a meno di $6.000. Le spedizioni globali di umanoidi hanno raggiunto 19.100 unità nella prima metà dell'anno, in aumento del 272%, in rotta per 60.000 quest'anno e mezzo milione entro il 2030, e la Cina ne spedisce il 97%. L'unica cosa che non riesco a modellare è la psicologia: un agente nel tuo terminale che brucia token alle 3 del mattino è un problema di fatturazione, ma non so sinceramente se le persone si sentiranno mai a proprio agio con uno da $6.000 che ha mani, vive in casa, e fa rumore nella notte.

Quanto all'industria dei consigli, un decennio fa ai licenziati veniva detto di imparare a programmare, che è invecchiato come la battuta più cupa nell'economia del lavoro ora che il codice è la professione più automatizzata sulla Terra. La versione 2026 potrebbe essere genuinamente: impara a guidare un camion. Prima che qualcuno obietti che i camion sono i prossimi, gestisco un mercato di trasporto pesante, e il lavoro non è mai stato la guida. È il carico, il fissaggio, lo scarico, il cliente a ciascuna estremità. La ruota può diventare autonoma ma l'autista farà solo di più; quel giudizio grossolano, fisico, non scritto è quanto di più lontano da un prompt di due pagine come il lavoro possa essere. I lavori più sicuri sono quelli a cui il token non può arrivare; i secondi più sicuri sono quelli dove i token sono troppo costosi per preoccuparsene.

Un umano è un motore di inferenza da 20 watt con pre-addestramento gratuito. Il tuo cervello fa un'intera giornata di cognizione con il budget energetico di una lampadina fioca, è stato addestrato a costo marginale zero per vent'anni da genitori, insegnanti e delusioni, e non allucina un fittizio post di Stack Overflow quando si blocca. Per un'enorme gamma di compiti, gli umani rimangono i token più economici sul mercato.

I salari, si scopre, erano dollari per token fin dall'inizio.

Il Tasso Promozionale

In Pay per PrAI, ho scritto che gli abbonamenti flat non potevano durare e che, quando sarebbero finiti, avresti infilato la tua carta di credito in una slot machine. Sei mesi dopo, la slot machine è installata, gli abbonamenti stanno morendo visibilmente, ed Erik Townsend ha dato un nome al momento: stiamo entrando nella fase del mutuo a tasso variabile per l'acquisto di token.

Pay per PrAI

L'abbonamento mensile flat è un tasso promozionale. Venti dollari al mese, duecento al mese, a volontà, sovvenzionato dal capitale di rischio e sempre più dal debito, con un prezzo pensato per acquisirti, non per servirti. E sopra quel tasso promozionale, un'intera economia sta ora costruendo il suo organigramma: ogni team leader che sostituisce un team con agenti, ogni startup che è un involucro attorno al modello di qualcun altro, ogni flusso di lavoro aziendale ricostruito presupponendo che i token costino praticamente nulla. Stanno tutti firmando un mutuo a tasso variabile sulla propria forza lavoro, con una differenza che cambia tutto. Quando un tasso ipotecario si adegua, il mutuatario è bloccato: la casa non si muove, il prestito non se ne cura, e rifinanziare richiede mesi e una verifica del credito.

Quando un tasso sui token si adegua, digito quattordici tasti e cambio modello. Al primo segno di shock da prezzo, il modello viene sostituito, a metà del flusso di lavoro, prima ancora che arrivi la fattura. I laboratori stanno applicando economie da tasso promozionale a clienti che non hanno costi di uscita, che è il peggio di entrambi i mondi: stanno comprando quote di mercato che non possono essere bloccate, con denaro che deve essere restituito. L'analogia del mutuo vale per tutti tranne che per la banca.

Fai un passo indietro e conta i fossati, perché tutto ciò che ha mai protetto un'azienda tecnologica qui è morto. Proprietà intellettuale? La scienza è in quaranta articoli pubblicati. Scala? DeepSeek l'ha fatto con 2.000 GPU e un progetto secondario. Effetti di rete? Gli agenti non hanno lealtà. Marchio? Gli utenti passano ad altro per un file di configurazione. Capitale? L'open source lo supera. Persino i modelli stessi vengono clonati fino alla parità di benchmark in pochi mesi a un centesimo del prezzo. Trent'anni di dottrina sugli investimenti tecnologici, e nessun fossato sopravvive al contatto.

La revisione del tasso non è ipotetica. Abbiamo già avuto le anteprime: limiti di utilizzo, limiti settimanali, limitazioni delle sessioni, l'angolo dei cattivi, eccedenze fatturate a tariffe API che trasformano un piano da $200 in $200 all'ora. Ognuna di queste è la banca che chiama per dire che la luna di miele sta finendo.

E gli agenti peggiorano la revisione in natura, non solo in grado. Jevons è diventato cubico: il costo per token diminuisce di dieci volte, i token per attività aumentano di cento volte, e le attività per persona aumentano di altre cento volte perché gli agenti funzionano senza supervisione. Il grafico della domanda non si piega. Diventa verticale, insieme alla spesa per la costruzione di data center, che ha aggiunto più negli ultimi sei mesi che nei due anni precedenti messi insieme.

E hai già visto dove atterra la revisione, perché la mia fattura è l'anteprima: $1.300 sono diventati $150, poi elettricità, in quindici giorni, senza alcuna trattativa. I laboratori hanno mantenuto la mia attività solo rinunciando al loro margine. Qualcuno sta ancora pagando la differenza tra quello che pago io e quello che costano i loro data center, e non sono io. È il loro round di serie F.

Nel frattempo, l'operazione più intelligente dell'anno è avvenuta in silenzio. Dopo aver probabilmente osservato la loro fatturazione, Stripe ha comprato OpenRouter, il router attraverso cui fluiscono dieci trilioni di token, per circa otto miliardi di dollari. Un'azienda di pagamenti ha comprato il punto di misurazione, e cosa più importante, i dati di fatturazione: chi paga effettivamente per i token, per quale modello, a quale prezzo, cambiando quando. In una corsa all'oro, non vendere pale. Compra l'ufficio di analisi.

Ora fai i conti a livello planetario, perché è qui che il saggio smette di parlare della mia carta di credito e inizia a parlare della rete elettrica. La mia giornata da quattro miliardi di token equivale a 46.000 token al secondo, 24 ore su 24. Supponiamo che tutti lo facessero. Se solo un miliardo di lavoratori della conoscenza sulla Terra bruciasse token come ho fatto io martedì scorso, su modelli efficienti, avresti bisogno all'incirca dell'intera produzione elettrica della civiltà umana per servirli: ogni centrale elettrica del pianeta, senza fare altro. Estendilo a tutti gli otto miliardi di persone su modelli all'avanguardia e avrai bisogno di centinaia di volte l'elettricità mondiale. Non una rete più grande. Uno sciame di Dyson.

Di fronte a questa aritmetica, la costruzione di data center da cinque trilioni di dollari, il più grande programma infrastrutturale dalle ferrovie, copre un errore di arrotondamento della domanda che sostiene stia arrivando. L'unico problema è che attualmente è finanziata dai ricavi di due aziende che non hanno mai fatto profitto e che perdono miliardi ogni anno in cui operano.

Nel frattempo, gli otto miliardi di motori di inferenza a servomeccanismo biologico già implementati eseguono la stessa cognizione a livello di specie su circa 160 gigawatt, venti watt a testa, più o meno due anni di costruzione di data center.

Einstein ci ha insegnato che energia e materia sono la stessa cosa a un tasso di cambio di c al quadrato. Questo saggio ha cercato di arrivare a un'equivalenza più piccola e più sporca: energia, token e salari sono la stessa cosa, a un tasso di cambio fissato quotidianamente a Hangzhou. Un token è elettricità condensata. Un salario, abbiamo stabilito, è token serviti in forma umana. Il che significa che il prezzo del lavoro umano e il prezzo del lavoro meccanico sono ora, in ultima analisi, entrambi prezzi dell'energia, e ogni attore in questa storia lo sta scoprendo secondo i propri tempi: i laboratori attraverso le loro bollette elettriche, i lavoratori attraverso le loro buste paga, i fondi pensione attraverso i loro SPV, e io attraverso un interruttore svedese elencato a mezzanotte. È sempre stata una storia di energia. I token erano solo l'unità di misura.

E se vuoi vedere cosa significa su una bolletta domestica, guarda il grafico qui sotto. L'elettricità americana è costata in media dai tredici ai quattordici centesimi per kilowattora per un intero decennio. Poi è iniziata la costruzione e la linea è diventata verticale: venti centesimi e in aumento, un aumento di quasi il cinquanta percento in quattro anni, nell'unico prezzo che ogni elettore legge ogni mese. La rete si sta riprezzando prima dei token, e si sta riprezzando a spese del pubblico.

L'unico grafico che verrà mostrato a ogni politico, prima o poi. Un decennio di prezzi dell'elettricità piatti, poi la costruzione dell'IA. (Fonte: BLS, tramite Koyfin)

La risposta dell'industria al problema della rete è il nucleare, e il caso emblematico dice tutto. Microsoft sta pagando per riavviare Three Mile Island, sì, quella Three Mile Island, sito del peggior incidente nucleare americano, ribattezzato Crane Clean Energy Center e sotto contratto per alimentare data center per vent'anni. Google ha firmato con Kairos per una flotta di piccoli reattori modulari, Amazon ha acquistato un campus adiacente a una centrale nucleare a Susquehanna, e Meta ha emesso un bando per quattro gigawatt di atomi. Sono sinceramente a favore di tutto ciò: il nucleare è la risposta corretta alla curva di domanda descritta in questo saggio. Ma guarda le date di consegna. I riavvii arrivano tra il 2027 e il 2028 se l'NRC collabora; gli SMR sono promessi "entro il 2030" da aziende che non ne hanno mai costruito uno; e non è stato ordinato un solo nuovo grande reattore. Il debito si ammortizza su un piano triennale contro un'energia che arriva su uno decennale. I token hanno bisogno degli elettroni questo trimestre, e gli atomi sono a due mandati presidenziali di distanza. Il nucleare alimenterà l'economia dei token, prima o poi. Alimenterà chiunque possieda le scatole dopo la revisione dei prezzi, che è proprio il punto: i reattori sopravviveranno agli SPV che finanziano la domanda per loro.

Quindi la domanda di token va a parabola, l'energia non può, e l'energia è anche, sfortunatamente, cibo, poiché i raccolti competono con il carburante. Qualcosa deve cedere, e ciò che cede è il prezzo e la forma del mercato.

Three Mile Island. Riaccesa per fare slide di PowerPoint.

La GTC: Crisi Globale dei Token

La revisione sarà più un audit che un aumento di prezzo e ogni caso d'uso di salari e agenti verrà testato di nuovo rispetto al suo costo onesto in token, vale a dire il suo costo energetico, e una scomoda parte di entrambi fallirà.

Ciò che sopravvive si organizza nella forma di ogni altro mercato energetico: tre livelli e un prezzo spot.

In fondo, i token commodity, la stragrande maggioranza del volume: modelli aperti a prezzo di elettricità più hardware ammortizzato, su silicio cinese, sul tuo rack. DeepSeek già prezza i token in base all'ora del giorno, metà prezzo per diciassette ore non di punta, esattamente come un'azienda elettrica, perché è quello che è ora.

Nel mezzo, i token occidentali di marca applicano un premio per l'affidabilità in lunghi cicli agentici, un premio esattamente largo quanto un ciclo di benchmark.

E in cima, la frontiera recintata, dove emerge la vera strategia di OpenAI.

Guarda le mosse di OpenAI di settembre come un'unica mossa. Astra: troppo pericoloso per un'API pubblica, accesso solo con approvazione. Ingegneri schierati in prima linea. Un accordo di consulenza con IBM. Un chief revenue officer che vende difesa informatica come servizio gestito. Mettilo insieme: OpenAI ha finito di vendere token. Vuole essere McKinsey 2.0, tenere i migliori modelli in casa e vendere il loro output a margini da consulenza, sei cifre per incarico, senza che nulla tocchi mai l'API pubblica. E come strategia è corretta, perché il livello recintato è l'unico posto dove il margine sopravvive. Per tre anni i laboratori ci hanno detto che i modelli erano troppo economici per essere importanti e troppo sicuri per essere temuti. Ora sono troppo pericolosi per essere venduti, e pericoloso, convenientemente, è l'unica cosa che abbia mai comandato un premio.

L'intoppo è che la consulenza si basa su un unico bene, la discrezione, e OpenAI ha scelto la settimana della svolta per dimostrare di non averne.

Dacci i tuoi problemi più difficili e i tuoi dati più sensibili, dice la proposta, noi siamo i geni ora.

Nel frattempo, in prima pagina: un matematico che ha fatto esattamente questo, ha visto il proprietario annunciare il lavoro della sua vita, e ha ricevuto una dichiarazione che non poteva escludere l'addestramento su di esso. Sappiamo cosa succede alle società di consulenza che si mangiano il lavoro riservato dei loro clienti, perché l'Australia ha appena fatto l'esperimento. PwC ha preso i piani fiscali riservati del Tesoro e li ha monetizzati silenziosamente per altri clienti, e quando è venuto fuori, l'azienda ha venduto l'intera divisione di consulenza governativa per un dollaro, ha epurato i suoi partner ed è diventata sinonimo di tradimento. Quella era una sola informativa riservata. La versione di OpenAI è strutturale: la fuga di notizie è il modello di business, che gira a un miliardo di prompt al giorno, e la loro stessa dichiarazione dice che non possono escluderlo. PwC almeno sapeva cosa aveva fatto.

Ora somma l'intera posizione di OpenAI. Ottocento milioni di "utenti", serviti in perdita. Quattordici miliardi di perdite annuali, che si dirigono verso un buco di finanziamento di $207 miliardi entro il 2030 secondo l'aritmetica di HSBC. Una svolta verso la consulenza affondata sotto la linea di galleggiamento nella sua prima settimana. E un'IPO da un trilione di dollari per venderti tutto questo. Togli via ciò che un prezzo onesto rimuove, il livello gratuito senza valore, gli utenti più attivi che già defezionano verso modelli cinesi e i propri rack, e ciò che rimane è un marchio e un'abitudine: l'attività pubblicitaria più riconoscibile al mondo, avvolta attorno al costo del venduto più alto del mondo. Le stelle si sono allineate per l'uscita: la causa di Musk è morta a settembre, l'offerta pubblica record di SpaceX ha aperto la finestra per l'IPO, e la quotazione è l'operazione stessa. Diventa liquido prima che l'aritmetica diventi innegabile, passa al pubblico il tasso di combustione, e lascia che Microsoft abbracci ed estenda se stessa su ciò che rimane. L'ultimo elicottero dal tetto, venduto come un lancio sulla luna.

Anthropic, l'altra azienda di cui tutti chiedono, sembra più sana ed è più fragile. Credito dove è dovuto: fanno i migliori modelli sulla Terra in questo momento. Fanno anche pagare i prezzi più alti sulla Terra per loro, e i dati di spesa mostrano esattamente come finisce. Guarda il grafico qui sotto, dai dati delle carte aziendali di Ramp. L'unica linea di Anthropic ancora in crescita è Opus, il livello superiore. Sonnet, il livello di lavoro, si sta riducendo: questa è la perdita di entrate dalle commodity che si riversano verso GLM e DeepSeek, a un comando di distanza a un decimo del prezzo, esattamente come previsto. E Fable 5, il nuovissimo modello di frontiera, è piatto: le aziende non pagheranno per un nuovo livello premium mentre quello vecchio funziona e tutto ciò che sta sotto sta diventando cinese. Questa è la classica spirale mortale della disruption vista dall'interno: l'incumbent si ritira verso l'alto, perde prima il volume sensibile al prezzo, e il suo mix sembra più sano ogni trimestre fino a quando il livello superiore è tutto ciò che rimane e il fossato lì è largo quanto un ciclo di benchmark. Poi a giugno il loro più grande canale di distribuzione è stato comprato da sotto di loro: SpaceX ha preso Cursor per sessanta miliardi di dollari, la più grande acquisizione di una startup sostenuta da venture capital di sempre, per rendere Grok il modello di codifica predefinito. OpenAI ha reagito ritirando i suoi modelli da Cursor completamente. Chiunque compri l'involucro compra le tue entrate; chiunque perda l'involucro prende i suoi modelli e torna a casa; il mercato della codifica sta ricostruendo l'internet di AOL a livello di modello.

Quindi Anthropic si sta arrampicando lungo lo stack, andando verticale nelle applicazioni, Claude Code, Claude Cowork, Claude Design?, cercando di catturare il valore che i prezzi della sua API non possono mantenere. Il finale logico è il franchise di fiducia aziendale: il modello occidentale sicuro e verificabile per banche e governi, una Lockheed degli LLM. Ci sono solo due problemi nel diventare Lockheed. Il primo è che il cliente di Lockheed la ama, e il governo degli Stati Uniti apertamente non ama Anthropic: il Pentagono l'ha designata come un rischio per la catena di approvvigionamento anche mentre i suoi stessi sistemi di puntamento funzionavano su Claude, e l'amministrazione tratta la sua attività di lobbying sulla sicurezza come cattura normativa in camice da laboratorio. È difficile essere l'appaltatore della difesa di un governo che continua a chiamarti la minaccia. Il secondo è la fiducia stessa: la stessa messa a punto della sicurezza che dovrebbe rassicurare le aziende sta attivamente costando loro clienti, un rifiuto e una lezione di etica alla volta, inclusa la mia. Un franchise di fiducia in cui il governo si fida di te e i clienti si sentono rimproverati è un fossato più stretto di quanto la proposta suggerisca. Un'attività genuina, forse anche eccezionale. Non l'utility da due trilioni di dollari per l'umanità che il chiacchiericcio sull'IPO sta prezzando.

La parte più crudele è che un prezzo onesto è l'unica via d'uscita per i laboratori, e nessuno dei due può muoversi per primo. Il primo a fissare un prezzo onesto consegna il suo volume a chi sta ancora sovvenzionando, quindi entrambi continuano a bruciare, finanziati dal credito privato, in un gioco del pollo in cui i finanziatori tengono il volante. Blue Owl che si è allontanata da un accordo per un data center da dieci miliardi di dollari è stato il primo no.

Il tasso promozionale dei token finisce quando finisce il tasso promozionale dei finanziatori.

Obbligazioni di Debito Collateralizzate da Data Center

Potresti ricordare le obbligazioni di debito collateralizzate dal 2008, o almeno da Margot Robbie che le spiegava in una vasca da bagno. Se il sequel ha una scena nella vasca da bagno, non sono sicuro di volerlo guardare, ma ha tutto il resto.

Ed Zitron pensa che gli SPV dei data center siano i CDO di questa bolla, e i data center di IA siano i suoi mutui subprime. Dice che il meccanismo è la prova. Nessuno costruisce più un data center di IA sul proprio bilancio. Evochi un veicolo per scopi speciali, una piccola azienda che possiede i chip, possiede il debito e possiede il rischio, e il gigante tecnologico dietro di esso possiede, ufficialmente, niente se non buone intenzioni.

Il campus Hyperion di Meta appartiene a un'entità posseduta all'80% da Blue Owl. Le stesse dichiarazioni SEC di Meta ammettono fino a $46 miliardi di esposizione mentre il suo bilancio non mostra alcun debito, con la motivazione, offerta con faccia seria, che Meta non è il "beneficiario principale" di un data center costruito interamente per Meta. Ernst & Young lo ha segnalato come una questione critica di audit, e poi lo ha comunque firmato: una sequenza resa famosa l'ultima volta da Arthur Andersen, un'azienda che non esiste più proprio per questo motivo.

Come dice Zitron: "Bloomberg stima che ci siano oltre $500 miliardi di debito in sospeso per data center di IA, con almeno $200 miliardi detenuti dal credito privato", il prestatore di ultima istanza, "costituendo circa l'8% dei prestiti di credito privato in essere." E questo, nota, è probabilmente una sottostima, perché la struttura SPV esiste proprio per rendere il debito difficile da contare. I bond IA sono ora un quarto di tutte le emissioni investment grade statunitensi.

I cinque hyperscaler hanno accumulato $1,65 trilioni di debito in cinque anni. Questo è più del subprime al suo picco del 2007, e il subprime aveva 55 milioni di case dietro di sé. Allo stato attuale, ci sono due clienti. Secondo Barclays, Wells Fargo e UBS, OpenAI e Anthropic rappresentano circa il 73% dei ricavi IA di Amazon, circa il 74% di quelli di Microsoft, e si avvicinano alla metà di tutto Google Cloud entro il 2027. Toglili e AWS guadagna $8,5 miliardi di ricavi IA contro $220 miliardi di capex di Amazon, un rapporto normalmente riservato ai programmi spaziali nazionali.

E le proiezioni future fanno impallidire lo stock. Tom Tunguz ha fatto i conti sulla costruzione pianificata: circa $4 trilioni di nuovo debito IA nei prossimi cinque anni, che sarebbe più grande dell'intero mercato globale del credito privato, quasi delle dimensioni del mercato obbligazionario municipale statunitense che ha finanziato ogni strada, ponte e aeroporto in America, e un'espansione del 34% del solo mercato obbligazionario societario statunitense. Servirlo ai tassi correnti richiede da $260 a $300 miliardi all'anno solo di interessi, che con una copertura investment grade implica da $1,2 a $1,5 trilioni di ricavi IA annuali entro il 2030, contro forse $150 miliardi oggi. Un tasso di crescita composto del 55%, sostenuto per cinque anni, in un prodotto il cui prezzo sta crollando. Come dice Tunguz, questa non è più una storia di venture capital. È un evento creditizio macroeconomico.

Cinque anni di prestiti IA pianificati, accanto a ogni grande mercato del debito sulla Terra. La barra arancione non esisteva nel 2024. (Fonte: Tomasz Tunguz, Theory Ventures)Premi Invio o clicca per visualizzare l'immagine a schermo intero📷

Questo con i proprietari che finanziano gli inquilini. Microsoft ha investito oltre $100 miliardi nella sua relazione con OpenAI, per sua stessa testimonianza nel processo Musk. Google ha investito fino a $40 miliardi in Anthropic, Amazon ha completato $50 miliardi in OpenAI oltre alla sua precedente partecipazione in Anthropic, e ogni dollaro di questo ritorna direttamente come ricavi di calcolo, dove viene presentato agli azionisti come crescita. Segui l'intero cerchio e l'ingegneria finanziaria diventa visibile: i ricavi IA degli hyperscaler sono la spesa dei laboratori, la spesa dei laboratori è l'investimento degli hyperscaler, e l'intera struttura è garantita da un'unica ipotesi, che OpenAI e Anthropic finiscano per possedere il mercato dell'intelligenza.

Questa è l'ipotesi che sostiene tutto il carico, e nota attentamente cosa viene prodotto. Non è la domanda di IA in generale, la mia è abbastanza reale. È la domanda specifica, pagante, a-questi-prezzi che giustifica questi specifici data center: ricavi evocati dagli hyperscaler che investono nei loro due clienti e registrano il giro di andata e ritorno come crescita. La domanda organica sta arrivando, in enormi quantità. Solo che non sta arrivando a loro, ai loro prezzi, alle loro condizioni, e nessuna quantità di investimenti nei propri inquilini cambia questo. In qualsiasi altro settore avremmo una parola per registrare il proprio denaro come prova. In questo abbiamo un keynote di una conferenza.

Gli orsi puri, Zitron tra loro, guardano tutto questo e concludono che la domanda è falsa. Non è falsa, ma sii preciso su cosa sta crescendo, perché i tori confondono due curve diverse. La domanda di token andrà a parabola. La volontà di pagare per loro no. Il consumo sta esplodendo proprio perché il prezzo sta crollando; la stessa forza che guida il volume sta distruggendo i ricavi. Quindi i laboratori ottengono la peggiore versione possibile di un boom: grafici di utilizzo che diventano verticali e potere di determinazione dei prezzi che va a zero, perché non ci sono costi di cambio, nessun fossato, e una defezione costa undici tasti. I token fluiscono verso il silicio cinese, verso modelli aperti, verso scatole on-prem, sulle scrivanie e in mano tua, a prezzi da sessanta a cinquecento volte inferiori a quelli che i modelli di debito probabilmente presuppongono. Ogni previsione che estrapola la crescita dei token in crescita dei ricavi sta moltiplicando un numero crescente per uno decrescente e chiamando il prodotto inevitabile.

Ed ecco la parte che la cornice immobiliare perde: un contratto di locazione di un data center sembra proprietà ma ha il prezzo di un mercato del pesce. L'edificio è forse un quinto del costo e dura trent'anni; i chip sono il resto e sono stantii in tre. Un tradizionale proprietario di colocation vende l'acquario e non tocca mai il pesce: gusci raffreddati e connessioni alla rete su contratti decennali, nessun rischio silicio. Le strutture SPV hanno collassato i due livelli insieme. I veicoli di CoreWeave hanno preso in prestito contro il pesce.

Quindi esaminiamo i due modi in cui questo finisce realmente. Il primo, e il grilletto più probabile, è che OpenAI o Anthropic siano inadempienti sui loro obblighi. Non per malizia, ma per aritmetica: costi impegnati, ricavi che si riprezzano verso Hangzhou, e un mercato dei finanziamenti che alla fine dice di no. Il giorno in cui un laboratorio salta un pagamento di calcolo, la cascata è meccanica. Gli stessi covenant di CoreWeave definiscono tre mesi di fatture OpenAI non pagate come una violazione. L'SPV smette di pagare i suoi creditori, i creditori sequestrano la garanzia, e la garanzia è un magazzino di GPU vintage che vengono marcate a un mercato da cui Jalapeno e il B200 si sono già allontanati. Un default riprezza ogni struttura comparabile dall'oggi al domani, perché improvvisamente i fondi pensione che detengono la carta devono chiedersi quanto vale realmente la loro garanzia, e la risposta è: pesce, di tre giorni.

Il secondo finale è quello che quasi nessuno sta modellando: la domanda di token va a parabola e migra verso il bordo e verso modelli aperti, su telefoni, laptop, su scatole da scrivania come la mia, sugli elettrodomestici IA che Jensen ora vende al dettaglio. La fisica lo favorisce, perché il viaggio di andata e ritorno a un data center richiede più tempo di quanto un piccolo modello abbia bisogno per rispondere. L'economia lo favorisce, perché un dispositivo che possiedi serve token al costo marginale dell'elettricità. E il panico per la privacy lo sigilla: ogni azienda che ha il suo momento di re nudo riguardo ai dati di addestramento fa una versione di ciò che ho fatto io, e ogni consumatore lo ottiene per impostazione predefinita nel telefono del prossimo anno.

Per quanto riguarda l'impresa, l'informatica ha condotto lo stesso esperimento cinque volte e la risposta non è mai cambiata. Il mainframe era a consumo, tariffato al secondo di calcolo da una casta sacerdotale in una stanza di vetro, e nel momento in cui il minicomputer permise a un reparto di possedere la propria macchina, il modello a consumo morì. Il timesharing era a consumo, e il PC lo uccise: nessuno noleggiava VisiCalc a ore una volta che il computer sulla scrivania lo eseguiva gratuitamente. La telefonia a lunga distanza era tariffata al minuto finché la commutazione di pacchetto rese il costo marginale della chiamata irrilevante. Persino il cloud, il grande controesempio, ha solo ricentralizzato i carichi di lavoro che traggono beneficio dall'essere condivisi, e nel momento in cui le bollette del cloud sono diventate una voce di bilancio, il movimento di rimpatrio ha iniziato a riportare i carichi di lavoro stabili in sede. Lo schema è quasi una legge: l'informatica viene consumata come servizio a consumo esattamente finché l'hardware è scarso, e nell'istante in cui la capacità entra in una scatola che il cliente può possedere, la proprietà vince, perché il calcolo posseduto al margine costa elettricità e il calcolo noleggiato al margine costa qualunque cosa il fornitore pensi tu possa sopportare. L'intelligenza non sarà diversa. Il carico di token costante, prevedibile e ad alto volume, gli agenti, i flussi di lavoro, la cognizione quotidiana dell'impresa, migra verso il silicio di proprietà, e il cloud tiene ciò che ha sempre tenuto: i picchi, le raffiche e i problemi troppo grandi per la scatola.

Né i laboratori possono salvare l'aritmetica, perché i loro obblighi vanno in una sola direzione. OpenAI ha impegni di calcolo per circa 1.100 miliardi di dollari tra Microsoft, Oracle, Amazon, CoreWeave e Cerebras, e quegli impegni sono essi stessi la garanzia alla base del debito SPV. Costi impegnati, ricavi opzionali: l'esatto inverso di una buona attività. E non c'è modo dignitoso di ridimensionarsi. Offrire modelli più economici significa ammettere che la frontiera è sovra-provvista. Uccidere prodotti, come con Sora, e il mercato legge difficoltà. Rinnegare gli impegni e sei l'evento di default su cui è prezzato l'intero stack, motivo per cui Wall Street già valuta il backlog da 630 miliardi di dollari di Oracle a circa zero. Ogni uscita innesca la cosa da cui sta scappando. È una trappola cinese di finanza aziendale, ed entrambe le aziende ci hanno messo mano.

La carta, nel frattempo, atterra dove atterra sempre. I risparmi pensionistici degli insegnanti californiani sono nei fondi di Blue Owl. I soldi delle pensioni del Quebec sono nei prestiti di CoreWeave. Apollo sta finanziando 35 miliardi di dollari di chip di Anthropic con rendite assicurative. Si dice che Blue Owl abbia accettato un impegno da 10 miliardi di dollari per un data center dopo un primo incontro di quindici minuti, un ritmo di due diligence normalmente associato alle presentazioni di multiproprietà. Moody's stima l'esposizione bancaria al credito privato a 1.400 miliardi di dollari, detenuta contro riserve di circa zero, perché non è ancora successo niente di male, che era anche lo standard di sottoscrizione nel 2006. Il muro portante di questa bolla è fatto di assegni pensionistici.

Quindi pensa attentamente a cosa un default, o anche un quasi default, metterebbe effettivamente in moto, perché non è un singolo evento, è una sequenza. La prima vittima non è l'hardware, è il costo del capitale. Il giorno in cui un laboratorio lotta visibilmente per pagare, ogni finanziatore riprezza ogni struttura comparabile all'istante: gli spread esplodono, l'emissione di nuovi SPV si ferma, e i progetti che dipendono dal rifinanziamento, che sono la maggior parte, colpiscono il muro a metà costruzione. Il mercato sta già provando questo. I credit default swap di Oracle sono scambiati a livelli visti l'ultima volta durante la crisi finanziaria, e JPMorgan ha costruito un paniere su misura specificamente in modo che i clienti possano shortare il debito AI. La riprezzatura arriva prima di qualsiasi liquidazione, e potrebbe essere l'unica fase che vediamo, perché gli hyperscaler hanno ogni incentivo ad assorbire silenziosamente un inquilino in difficoltà piuttosto che lasciare che un default si verifichi.

Ma se la cascata si verifica, nota chi finisce per detenere cosa. I creditori sono fondi pensione e assicuratori che non possono eseguire inferenza; la garanzia è silicio che si deprezza su un ciclo di tre anni; e alcune delle prime perdite sono a carico di Nvidia stessa, che ha garantito miliardi di capacità invenduta di CoreWeave, il fornitore che mangia la propria carta. Il mercato di oggi è scarso, non saturo, la memoria è accaparrata, gli switch non sono acquistabili, quindi le prime tranche di hardware sequestrato troverebbero rapidamente acquirenti disposti, a sconto, e ogni acquirente sarebbe esattamente chi questo saggio prevede: imprese, università, sovrani e operatori come me, che acquisiscono a spese dei creditori le scatole che completano la migrazione lontano dagli stessi data center che i creditori hanno finanziato. È così che è andata con la fibra del dotcom, che ha mandato in bancarotta le persone che l'hanno posata e poi ha trasportato YouTube per il terzo proprietario a pochi centesimi per dollaro.

Segui un passo ulteriore e il finale assume una forma davvero strana. Le perdite ricadono su pensionati e assicuratori, il motore di crescita che il capex AI è diventato si blocca, e Washington scopre, dopo il fatto, che nessuno ha votato per nulla di tutto ciò. Tranne che Washington si sta già posizionando esattamente per questo momento. L'amministrazione Trump ha passato due anni a normalizzare la nazionalizzazione parziale: una partecipazione del 9,9% in Intel acquistata per 8,9 miliardi di dollari, partecipazioni in produttori di chip e minatori di terre rare, il quantum computing annunciato come prossimo, trentasette operazioni azionarie o quasi azionarie da gennaio 2025 secondo il conteggio del Council on Foreign Relations.

Il manuale per un'industria strategica in difficoltà non è più un salvataggio, è una partecipazione azionaria, ed è difficile immaginare lo stato che ha preso il dieci percento di Intel guardare OpenAI vacillare senza prendere il libretto degli assegni e chiamarlo sicurezza nazionale. Quindi delinea lo stato finale più probabile della grande costruzione AI americana, ed è quello che nessuno che ci stava scommettendo intendeva: la capacità sopravvive e si disperde in milioni di scatole di proprietà che eseguono per lo più modelli cinesi, le perdite vengono socializzate sui risparmiatori americani, e qualunque cosa rimanga della frontiera finisce in parte posseduta dal governo che non è riuscito a regolamentarla durante la salita. La strategia di Pechino è che non deve vincere la gara. Doveva solo aspettare che i finanziamenti la perdessero.

Qualcuno dovrebbe dire a Margot di tenere calda la vasca da bagno.

Jensen ha già lasciato l'edificio

Una persona sembra aver già fatto ogni pezzo di questa aritmetica: l'uomo che vende le pale.

Sul palco, Jensen Huang è il sommo sacerdote della costruzione: 160 miliardi di dollari di fatturato, 100 miliardi di dollari di utili, un keynote ogni trimestre che annuncia che la domanda è infinita e il futuro è un data center grande quanto il Delaware. Ma leggi la posizione di Nvidia come deve leggerla lui in privato. Circa il 90% del fatturato è hardware per data center, e una manciata di clienti ne acquista la maggior parte. Quei clienti sono gli hyperscaler, il cui fatturato AI è per tre quarti OpenAI e Anthropic, la cui spesa è capitale di rischio e credito privato travestiti. Segui la catena fino alla fine e l'azienda più preziosa sulla Terra è, funzionalmente, una scommessa con leva su due startup non redditizie che pagano gli stipendi.

E Jensen sa esattamente quanto con leva, perché sta sottoscrivendo entrambi i lati: Nvidia garantisce miliardi di capacità invenduta di CoreWeave e ha appena tagliato una garanzia proposta sul data center di OpenAI in Ohio da 250 miliardi di dollari a meno di 120 miliardi, che non è il comportamento di un uomo che crede al proprio keynote. Se i laboratori inciampano, gli hyperscaler tagliano il capex, gli SPV vanno in default, e il portafoglio ordini su cui si basa la sua valutazione evapora in un trimestre. Sa leggere un cap table più velocemente di chiunque altro al mondo.

Quindi guarda le sue mani, non le sue slide. Mentre i keynote celebrano i campus da gigawatt, Nvidia sta silenziosamente costruendo l'altro futuro: diretto, verso il basso mercato, e completamente al di fuori del complesso finanziario dei data center. Il DGX Spark a 4.699 dollari, che vende così velocemente che non puoi comprare gli switch per metterli in cluster. Il DGX Station, 748 gigabyte di memoria unificata su una scrivania, al prezzo di un neolaureato. MSI e Dell già spediscono cloni. Ogni scatola è un cliente che non firma mai un contratto cloud, non tocca mai un SPV, e non smette mai di comprare silicio Nvidia. Il rivenditore di GPU sta aprendo al dettaglio, e la logica è impeccabile: quando i tuoi quattro clienti più grandi stanno costruendo i propri chip e il tuo mercato di noleggio è una bomba di debito, vendi la scatola all'utente finale e lascia che gli SPV litighino per i contratti di locazione. La casa vende chip al casinò e, allo stesso tempo, apre silenziosamente una catena di tavoli da poker nelle case della gente.

La linea desktop risolve anche il problema più privato di Nvidia: la memoria. Servire token è un carico di lavoro vincolato dalla memoria: ogni token generato richiede la lettura dell'intero modello attivo dalla RAM, quindi il chip passa la maggior parte della sua vita ad aspettare la memoria, motivo per cui le GPU dei data center sono costruite attorno a HBM, memoria impilata esotica legata al die. E HBM è LA scarsità. Nvidia non la produce; solo SK Hynix, Samsung e Micron lo fanno, TSMC fa il legame, e Nvidia non controlla nessuna delle fasi fisiche. Si dice che tutta la produzione del 2027 sia già stata assegnata, il fatturato di Micron è aumentato del 346%, e Altman ha accaparrato il 40% della DRAM mondiale durante il suo passaggio a Seul. Il core business di Nvidia è stato comprare la cosa scarsa e rivenderla avvolta in una GPU con un margine del settanta percento, un'attività meravigliosa con un tetto duro: può crescere solo alla velocità con cui tre fabbriche possono impilare silicio. Il che rende il vero punto di singolo guasto nell'intera costruzione da cinque trilioni di dollari non Taiwan ma Icheon: l'intero piano si blocca sulla resa di confezionamento di un'azienda coreana, e SK Hynix è il trafficante d'armi a cui fanno la fila entrambe le superpotenze, a portata di missile dalla Corea del Nord, con una fabbrica all'interno della Cina. Passiamo le nostre giornate a prezzare il rischio Taiwan. Nessuno prezza il rischio Icheon.

Le Sparks e le Stations aggirano l'intera lotta. Funzionano su DRAM unificata ordinaria, la memoria che non è scarsa, la memoria che anche CXMT può produrre. Il secondo atto di Jensen funziona sul componente per cui nessuno fa la fila.

Fai un passo indietro e la simmetria è quasi elegante. La strategia della Cina sono modelli aperti su scatole economiche al bordo. La copertura di Nvidia sono scatole economiche al bordo che eseguono modelli aperti, la maggior parte cinesi. I due presunti avversari della guerra AI hanno converguto sullo stesso scambio: vendere il futuro in cui l'intelligenza è una merce che possiedi, non un'utilità che noleggi. Le uniche parti ancora impegnate nella strada a pedaggio sono le due aziende che non possono sopravvivere senza di essa e i finanziatori che l'hanno finanziata quindici volte. Nvidia venderà pale ai data center finché la musica non si ferma, e poi venderà pale a tutti gli altri, perché non è mai stata a lungo con i laboratori. Era a lungo con il calcolo, e il calcolo sta uscendo dagli edifici che i fondi pensione hanno pagato, una scatola d'oro alla volta.

E se dubitavi che tutto ciò fosse deliberato, la scorsa settimana Jensen ha rimosso il dubbio: Nvidia ha comprato Hugging Face per 12,9 miliardi di dollari. Hugging Face non è una mossa per data center, è l'opposto: il repository mondiale dei pesi dei modelli aperti, il posto da cui scarichi GLM e Qwen e DeepSeek, l'hub di distribuzione di tutto ciò che questo saggio dice vincerà. L'azienda la cui fortuna è stata costruita servendo laboratori occidentali chiusi ha appena pagato tredici miliardi di dollari per la porta d'ingresso del mondo dei modelli aperti, il che significa, per la relazione con il cliente di chiunque possiederà mai una scatola invece di noleggiare un cloud. Stripe ha comprato il contatore. SpaceX ha comprato la domanda. Jensen ha comprato l'app store dell'era post-laboratorio, e gli stessi agenti dei laboratori avevano utilmente dimostrato il suo valore strategico irrompendovi due mesi prima.

Questo è l'intero saggio in una singola immagine. L'azienda più preziosa sulla Terra, la cui valutazione poggia interamente sulla costruzione di data center, si sta diversificando fuori dalla costruzione di data center, in pubblico, al dettaglio, e nessuno al keynote sembra averlo notato. Jensen ha fatto centocinquanta miliardi di dollari vendendo picconi e pale alla corsa all'oro. Ora ha guardato i risultati dell'analisi, ha concluso che la miniera è salata, e ha silenziosamente iniziato a vendere kit di prospezione al pubblico generale invece.

Puoi ancora comprare un kit di prospezione. Quello che non puoi comprare è l'attrezzatura per collegarli insieme. Lo so. Ho comprato gli ultimi switch della Svezia cercando di connettere i miei.