DeepSeek, Perplexity e la nuova ondata di sfidanti dell’IA

L’era del monopolio costoso dell’intelligenza artificiale sta finendo. Negli ultimi due anni, il settore ha operato con l’idea che prestazioni di alto livello richiedessero miliardi di dollari in potenza di calcolo e un consumo energetico massiccio. DeepSeek e Perplexity stanno dimostrando che l’efficienza può battere la forza bruta. DeepSeek ha scioccato il mercato rilasciando modelli che eguagliano i leader del settore a una frazione del costo di addestramento. Nel frattempo, Perplexity sta cambiando radicalmente il modo in cui le persone interagiscono con internet, sostituendo il tradizionale elenco di link con risposte dirette e citate. Questo cambiamento non riguarda solo nuovi strumenti, ma una trasformazione fondamentale nell’economia dell’intelligenza. L’attenzione si è spostata dalla grandezza di un modello al costo minimo per farlo funzionare. Mentre questi sfidanti guadagnano terreno, i giganti consolidati sono costretti a difendere i loro modelli di business ad alto margine contro un’ondata di concorrenti agili e specializzati che danno priorità all’utilità rispetto all’hype.

Lo shock dell’efficienza nel mercato dell’intelligenza

DeepSeek rappresenta un cambiamento nella realtà dei prodotti nel mondo dell’IA. Mentre molte aziende si concentrano sulla creazione delle reti neurali più grandi possibili, questo team si è focalizzato sull’ottimizzazione architettonica. Il loro modello DeepSeek-V3 utilizza un approccio Mixture of Experts che attiva solo una piccola parte dei parametri totali per ogni compito. Ciò consente al modello di mantenere prestazioni elevate riducendo drasticamente la potenza computazionale necessaria per ogni parola generata. La narrazione attorno a questa azienda è spesso incentrata sul suo basso budget di addestramento, che si dice sia inferiore a sei milioni di dollari. Questa cifra sfida l’idea che solo le nazioni e le aziende più ricche possano costruire modelli di frontiera. Suggerisce che la barriera all’ingresso per il machine learning di alto livello sia più bassa di quanto si pensasse in precedenza.

Perplexity affronta il problema dal punto di vista dell’interfaccia utente. È un motore di risposta piuttosto che un motore di ricerca tradizionale. Utilizza modelli linguistici di grandi dimensioni esistenti per scansionare il web in tempo reale, estrarre informazioni pertinenti e presentarle in un paragrafo coerente con note a piè di pagina. Questa scelta di design affronta la debolezza principale dei modelli IA standard, ovvero la tendenza a dichiarare fatti obsoleti o inventati. Fondando ogni risposta su dati web in tempo reale, Perplexity ha creato uno strumento che appare più affidabile per la ricerca professionale rispetto a un chatbot standard. Il prodotto non è solo il modello in sé, ma il sistema di recupero e citazione che lo circonda. Questo approccio mette un’enorme pressione sui fornitori di ricerca tradizionali che dipendono dai ricavi pubblicitari degli utenti che cliccano su più pagine di risultati.

La geopolitica del calcolo a basso costo

L’impatto globale di questi sfidanti è radicato nella democratizzazione dell’inferenza ad alte prestazioni. Quando il costo di esecuzione di un modello scende del novanta percento, il potenziale di integrazione nel software quotidiano si espande esponenzialmente. Gli sviluppatori nei mercati emergenti, precedentemente esclusi dall’uso di API di alto livello, possono ora creare applicazioni sofisticate. Questo cambia il centro di gravità dell’intero settore. Se i modelli più efficienti provengono da fuori i tradizionali hub della Silicon Valley, il vantaggio strategico dei massicci server farm nazionali inizia a diminuire. Ciò forza una conversazione sulla sovranità dei modelli e sull’opportunità per i paesi di dipendere da pochi fornitori centralizzati o di investire nelle proprie architetture efficienti. Questo è un segnale da seguire perché sposta il settore da una dinamica