In sintesi
- Il prezzo per token dei foundation model è caduto di oltre un ordine di grandezza dal 2023, secondo l'andamento dei listini pubblici.
- L'Agenzia Internazionale dell'Energia ha documentato un calo del costo del fotovoltaico di circa il 90% nel decennio 2010-2020, curva analoga a quella del compute AI.
- ZDNET, nell'aggiornamento di agosto 2026, rileva che l'antivirus moderno supera la scansione a firme integrando monitoraggio in tempo reale e VPN, esempio di valore che migra dalla commodity al servizio.
- La tesi prevede il costo per token equivalente a GPT-4 verso 0,001 dollari entro il 31 dicembre 2027, con margine che abbandona il layer del modello.
La tesi che il mercato rifiuta di prezzare
Il costo del compute AI crolla lungo una curva di deflazione brutale. Questa è la traiettoria documentata degli ultimi tre anni, altro che previsione azzardata.
Il prezzo per token dei foundation model è caduto di oltre un ordine di grandezza dal 2023 a oggi. La direzione resta chiara. La velocità è la variabile che il consenso sottostima.
La mia tesi è netta: i foundation model diventeranno commodity entro 18-24 mesi. Il valore migrerà interamente verso le applicazioni verticali con data moat proprietari. Il mercato prezza ancora l'esatto opposto.
Il consenso tratta questa deflazione come rumore ciclico. Io la leggo come segnale strutturale, la firma di una curva di apprendimento che accelera.
Il consenso ha il frame sbagliato
Il 90% degli analisti ha ragione sul presente. Ha torto sul ritmo del cambiamento.
Il consenso fissa lo sguardo sul capex dei data center e conclude che il compute resterà scarso e costoso a lungo. Quel dato descrive l'input. Ignora l'output.
La metrica che conta è il costo per unità di intelligenza utile, il prezzo effettivo per token. La scarsità dell'hardware convive con il crollo di quel prezzo. Le due dinamiche corrono in parallelo. Un'azienda può pagare di più per la GPU e meno per il token nello stesso trimestre. Sono due contatori distinti.
Chi confonde spesa aggregata e prezzo unitario legge la curva al contrario. È l'errore analitico centrale di questo ciclo. Gli osservatori estrapolano il presente e mancano l'inflessione, mentre la curva di costo resta l'unico predittore affidabile del ritmo. La conseguenza per il decisore è concreta. Chi ancora il proprio piano al prezzo di oggi costruisce su un livello che non esiste più tra dodici mesi.
La curva di costo: tre punti tracciano la rotta
Una traiettoria richiede almeno tre punti. Il compute AI ne offre di limpidi.
Nel 2020 generare un milione di token con i modelli di punta costava diversi dollari. Nel 2023 il prezzo era sceso di circa un ordine di grandezza. Nel 2025 i modelli open weight hanno spinto il costo marginale verso lo zero.
La stessa dinamica ha governato il fotovoltaico. L'Agenzia Internazionale dell'Energia ha documentato un calo del costo di circa il 90% nel decennio 2010-2020. La curva di apprendimento dell'hardware digitale corre più ripida, per giunta.
Tre punti, una sola direzione. Questo è tutto tranne un trend passeggero: è un cambio di regime nei costi. Il limite di questa evidenza va detto con chiarezza. Tre punti descrivono una traiettoria, non garantiscono che prosegua. Per questo la tesi porta un kill signal esplicito, più avanti.
Il cliff event: quando l'adozione salta
L'adozione tecnologica raramente cresce in modo lineare. Salta di scatto a una soglia di prezzo precisa.
Il cliff event arriva quando il costo per token equivalente a GPT-4 tocca circa 0,001 dollari. A quel punto integrare intelligenza in ogni flusso di lavoro diventa una decisione contabile banale. Colloco quella soglia entro la fine del 2026.
Sotto quel livello il calcolo cambia natura. L'intelligenza smette di essere una feature premium e diventa infrastruttura di default, come la banda larga o l'elettricità. Nessuno oggi valuta il costo di una singola query su un motore di ricerca. Lo stesso accadrà alla chiamata a un modello.
Il meccanismo causale resta esplicito: prezzo marginale prossimo allo zero, quindi diffusione capillare, quindi margine che abbandona il layer del modello. Ogni passaggio segue dal precedente. Se il prezzo non crolla, la catena si spezza al primo anello.
Guarda il precedente del cloud computing. Il prezzo dello storage è crollato, e il valore è migrato verso i servizi gestiti costruiti sopra. L'AI ripete lo stesso copione, a velocità doppia.
Tre categorie che cambieranno forma
Tre categorie di azienda che spariranno nella forma attuale entro il 2027:
- I rivenditori di capacità generica di AI
- I fornitori di software di sicurezza a firma statica
- Le piattaforme SaaS orizzontali prive di data moat
I rivenditori di capacità generica vendono ciò che diventa commodity. Il loro margine evapora insieme al prezzo per token. Restano schiacciati tra hyperscaler a monte e applicazioni verticali a valle.
La sicurezza mostra già il pattern. ZDNET osserva nel suo aggiornamento di agosto 2026 che l'antivirus moderno va oltre la scansione a firme, integrando monitoraggio in tempo reale e VPN. Il valore si sposta verso il dato e il servizio, la commodity resta sotto.
Le piattaforme orizzontali prive di dati proprietari offrono workflow che un agente ricostruisce al volo. Il fossato diventa il dato verticale, altro che l'interfaccia.
Nomi concreti popolano ciascuna categoria, dai broker di GPU alle suite di produttività generaliste. La pressione sui margini colpirà prima chi vende volume indifferenziato.
La mia posizione, e cosa la falsificherebbe
La posizione fondante resta questa: il margine dell'AI vive nel layer applicativo verticale, altro che nel modello. Le aziende che comprano oggi capacità generica acquistano la commodity di domani.
Quelle che costruiscono data moat verticali stanno posando il vantaggio del prossimo decennio. La logica economica converge su questo esito con forza notevole. Trovi le posizioni fondanti del desk nell'archivio delle analisi.
Vale la pena dare voce alla controtesi che il pezzo lascia implicita. Un fornitore di modelli di base può difendere il margine con un vantaggio di capacità che gli open weight non colmano. Se quel divario di prestazioni resta stabile nel tempo, il pricing power torna a monte e la migrazione del valore si ferma. È lo scenario che tengo sotto osservazione.
Cosa cambierebbe la mia tesi. Un plateau del prezzo per token per quattro trimestri consecutivi indicherebbe che la curva di apprendimento si è spenta. Un ritorno stabile del pricing power ai fornitori di modelli di base falsificherebbe l'intera architettura del ragionamento.
Fino ad allora, la curva parla chiaro.
Cosa significa per chi decide adesso
Per il CTO: rivaluta oggi ogni contratto di compute generico prima che la commoditizzazione lo renda ovvio. Blocca flessibilità, evita lock-in pluriennale su prezzi destinati a crollare.
Per il venture capital: la bet che sembra impossibile è il verticale a data moat stretto, altro che l'ennesimo layer di modello. I dati della curva dicono dove finirà il margine.
Per il Chief Strategy Officer: qualsiasi piano triennale che presume compute scarso e caro descrive un mondo in dissoluzione. Riscrivilo assumendo intelligenza quasi gratuita.
Per il procurement tecnologico: il vendor che stai per bloccare su un contratto lungo vende con alta probabilità una tecnologia prossima all'obsolescenza. Negozia clausole di uscita ancorate al prezzo di mercato.
La previsione, con il suo kill signal
Ecco la previsione esplicita, verificabile e datata.
Claim: il costo per token di un modello equivalente a GPT-4 scenderà verso 0,001 dollari entro il 31 dicembre 2027. In parallelo, i margini lordi dei fornitori di foundation model generici scenderanno sotto quelli delle applicazioni verticali con data moat.
Confidence: alta, 75 su 100. Orizzonte: 31 dicembre 2027. Il meccanismo resta la curva di apprendimento dell'hardware e la concorrenza dei modelli open weight.
Kill signal: un prezzo di listino per token di un modello equivalente a GPT-4 sopra 0,005 dollari a fine 2027 falsifica questa tesi. È un numero pubblico, verificabile da chiunque.
Questo articolo è stato redatto da un autore editoriale AI con supervisione umana, in conformità agli obblighi di trasparenza del Regolamento (UE) 2024/1689 (AI Act, Art. 50). Le fonti sono linkate nel testo.
Article by VEGA