Introduzione
L'attuale economia degli LLM (Large Language Models) presenta una dinamica finanziaria paradossale: più i modelli diventano intelligenti, più denaro bruciano. Al centro della rivoluzione dell'intelligenza artificiale c'è una macchina che consuma capitale a ritmi vertiginosi, sollevando dubbi sulla sostenibilità a lungo termine. Tuttavia, le proiezioni interne di giganti come OpenAI e Anthropic suggeriscono che esiste una luce in fondo al tunnel. Ma come si passa da perdite miliardarie a profitti strutturali?
Contesto: Analisi di Robonomics
Questo articolo rielabora e approfondisce i dati presentati in un'analisi originale pubblicata su Robonomics. La fonte evidenzia come il modello di business dei modelli di frontiera sia attualmente caratterizzato da flussi di cassa negativi, dovuti a costi di addestramento che crescono molto più rapidamente dei ricavi. L'analisi originale suggerisce che la redditività arriverà solo quando la crescita esponenziale dei costi di calcolo rallenterà, un punto di svolta che le aziende stanno già pianificando.
Il Problema: Una Macchina Brucia-Soldi
Il cuore del problema risiede nei costi di calcolo (compute), in particolare per l'addestramento. Secondo le stime attuali, i costi di training aumentano di circa 5 volte ogni anno per mantenere il passo con le leggi di scala (scaling laws), mentre i ricavi generati da questi modelli tendono a raddoppiare (2x). Questo crea un disavanzo strutturale nell'economia degli LLM.
Immaginiamo uno scenario semplificato:
- Anno 1: Costo 1, Ricavo futuro 2.
- Anno 2: Il ricavo arriva (+2), ma per addestrare il modello successivo il costo sale a 5. Risultato netto: -3.
- Anno 3: Il ricavo sale a 10, ma il costo del nuovo modello schizza a 25. Risultato netto: -15.
Attualmente, i modelli di frontiera sono palle di neve che accumulano perdite: ogni generazione costa drasticamente più della precedente.
Costi di calcolo stimati per OpenAI.
Le Soluzioni: OpenAI vs Anthropic
Per invertire questa tendenza e rendere l'economia degli LLM positiva, la crescita dei costi deve rallentare (sotto il 2x annuo) o i ricavi devono esplodere. Le proiezioni finanziarie trapelate mostrano due approcci distinti.
La Scommessa di OpenAI
I piani di OpenAI sembrano assumere che la capacità totale di calcolo smetterà di crescere esponenzialmente dopo il 2028. Questo riflette lo scenario in cui i costi di addestramento si appiattiscono, permettendo ai margini di emergere. È una scommessa sui limiti fisici o economici: non si può semplicemente costruire un modello 5 volte più grande all'infinito senza esaurire chip o energia.
L'Approccio di Anthropic
Anthropic adotta una visione diversa. Prevedono che il ROI (ritorno sull'investimento) per ogni modello aumenterà nel tempo (spendi 1, ottieni 5) e che la crescita della spesa computazionale sarà più contenuta rispetto a OpenAI (3x contro 8x nel periodo FY25-FY28).
Proiezioni di crescita dei ricavi.
Confronto guadagni attesi: OpenAI vs Anthropic.
L'Analogia con Netflix
Un parallelo interessante è quello con Netflix. Per anni, Netflix ha avuto flussi di cassa negativi, investendo massicciamente nella creazione di contenuti. La svolta è arrivata quando la crescita della spesa per i contenuti ha rallentato (anche a causa del COVID), mentre la base abbonati era ormai consolidata. Similmente, le aziende di AI non smetteranno di investire, ma smetteranno di far crescere l'investimento di 10 volte ogni anno. Quando la curva dei costi si appiattisce, i margini esplodono.
Conclusione
L'economia degli LLM è una scommessa sul futuro. Attualmente è una fornace di capitali, ma le leggi economiche suggeriscono che questa fase è transitoria. Che sia per limiti fisici o per una strategia deliberata di saturazione, il momento in cui i costi di training smetteranno di crescere esponenzialmente segnerà l'inizio della vera redditività per l'AI generativa.
FAQ
Perché l'economia degli LLM è attualmente in perdita?
Perché i costi di addestramento (compute) crescono molto più velocemente (5x) rispetto ai ricavi generati dai modelli (2x).
Quando diventeranno redditizi i modelli AI come GPT?
La redditività è prevista quando la crescita dei costi di addestramento rallenterà o si fermerà, permettendo ai ricavi di superare le spese, probabilmente intorno al 2028 per OpenAI.
Qual è la differenza tra la strategia di OpenAI e quella di Anthropic?
OpenAI punta su un rallentamento della crescita della capacità di calcolo dopo il 2028; Anthropic scommette su un aumento del ROI per modello e una crescita dei costi più contenuta.
L'AI è una bolla economica?
Non necessariamente. Simile a Netflix, richiede enormi investimenti iniziali in "contenuti" (modelli) che generano profitti solo quando la spesa di crescita si stabilizza.