Il mercato del training IA si sta spaccando in due leghe competitive permanentemente separate — il livello frontier dove i costi per esecuzione raggiungono 38 miliardi di dollari entro il 2030, e il livello mass dove l'apprendimento per rinforzo con distillazione porta modelli capaci a 5 milioni di dollari. La scarsità di High Bandwidth Memory è il meccanismo strutturale, e gli incumbent che hanno assicurato la fornitura prima del 2026 hanno già vinto la corsa infrastrutturale decisiva del decennio.
Perché il consenso ha la prospettiva sbagliata
Il consenso segue punteggi benchmark e conteggi di parametri. Celebra i miglioramenti di efficienza dei modelli open-weight e interpreta la compressione dei modelli di massa come prova che il frontier si sta democratizzando. L'analisi quantitativa di Matsuoka al RIKEN dimostra l'opposto: la metrica che predice la posizione competitiva è il costo di inferenza per petabyte di banda — e quella metrica attualmente svantaggia i nuovi entranti di 3,2× nel 2026. I guadagni di efficienza al livello mass sono genuini e rapidi. L'inflazione dei costi al frontier è altrettanto genuina, altrettanto rapida, e si muove nella direzione opposta. Mediare le due curve produce una storia di convergenza. Separarle rivela una divergenza strutturale permanente. La curva dei costi dice che il settore si è già diviso — il mercato deve ancora incorporare questa realtà nei prezzi.
La curva dei costi
Un decennio di dati elimina ogni ambiguità. 2020: Il training di GPT-3 è costato 4,6 milioni di dollari — realizzabile da laboratori di ricerca ben finanziati. 2023: Il costo ammortizzato di GPT-4 ha raggiunto 78–100 milioni di dollari — richiedendo capitale istituzionale e cluster di calcolo dedicati. 2026: La baseline frontier si attesta a 1,5 miliardi di dollari per esecuzione, con la memoria HBM che consuma il 40–50% del bill-of-materials degli acceleratori. 2030: Il modello RIKEN di Matsuoka proietta 18–38 miliardi di dollari per training run frontier — una cifra superiore al budget annuale di R&D della maggioranza delle aziende Fortune 500. In direzione opposta: 40 milioni di dollari al livello mass nel 2026, in caduta verso pochi milioni entro il 2030 tramite distillazione RL. Due curve, due industrie, due logiche competitive completamente differenti. Questo è un cambiamento di regime, travestito da tendenza.
Secondo l'analisi di AGORÀ Intelligence di sei fonti primarie tra cui il modello di scenario quantitativo RIKEN, il vincolo strutturale HBM opera attraverso un unico collo di bottiglia: tre fornitori — SK Hynix (53%), Samsung (35%), Micron (~10%) — controllano l'interezza della produzione HBM, con tutta la capacità 2026 pre-venduta e la fornitura significativa ritardata al 2028 al più presto. I prezzi dei contratti DRAM sono aumentati del 90% nel Q1 2026. Il mercato HBM cresce da 35 miliardi di dollari nel 2025 a un proiettato 100 miliardi entro il 2028, riflettendo una riprezzatura strutturale piuttosto che una fluttuazione ciclica.
Il mercato interpreta la scarsità HBM come una stretta temporanea dell'offerta — un problema ciclico con una soluzione ciclica. I dati RIKEN rivelano una dinamica strutturale: anche quando HBM4 accelera nel 2027 e riduce il divario incumbent-entrante a 1,9×, l'ambizione computazionale al frontier scala proporzionalmente. Entro il 2029–2030, il divario si riallarga a 3–4× con l'hardware di generazione Rubin a 16 TB/s come requisito frontier. La scarsità persiste. Migra verso l'alto nello stack ad ogni nuova generazione di silicio.
L'evento precipizio
Il 2027 produrrà una breve, fuorviante finestra di apparente convergenza. Il ramp di HBM4 ridurrà il divario di costo di inferenza incumbent-entrante da 3,2× a 1,9–2,0×. I nuovi entranti con bilanci solidi interpreteranno questo come il momento della democratizzazione e investiranno di conseguenza. L'analisi Matsuoka di staged-gate identifica i criteri precisi per questi investimenti: due trimestri consecutivi di segnali di crash, tagli di prezzo ai modelli frontier superiori al 30%, o ri-accelerazione dell'offerta HBM superiore al 20%. Le aziende che dispiegano capitale alla finestra di convergenza del 2027 — interpretandola erroneamente come condizione permanente — affrontano il rischio di solvibilità più elevato quando il divario si riallarga nel 2029. I sistemi di generazione Rubin a 16 TB/s HBM4 e 1.800 W di consumo energetico rappresentano una categoria infrastrutturale categoricamente differente dagli attuali cluster H100.
Tre settori che appariranno diversi entro il 2029
- Finanziamento dell'infrastruttura: La rete di impegni circolari da oltre 800 miliardi di dollari — Stargate, Oracle-OpenAI, OpenAI-AMD, OpenAI-AWS — ha già trasformato il finanziamento infrastrutturale in una propria classe di asset. Entro il 2029, la capacità di training AI al frontier verrà finanziata come la generazione elettrica: accordi di capacità a lungo termine, partecipazione di fondi sovrani e rendimenti regolati. Le organizzazioni esterne a questa architettura di finanziamento addestrano al livello mass-tier.
- Software enterprise: Il divario di prezzo di due ordini di grandezza — Anthropic a $25–30 per milione di token contro DeepSeek V4 Flash a $0,09–0,18 — si stabilizzerà e si consoliderà piuttosto che comprimersi. Il livello premium genera il 42% dei ricavi OpenRouter sull'11% della quota token; quella concentrazione si intensifica con la divergenza dei livelli. I prodotti SaaS devono impegnarsi nel proprio livello prima del 2028 — i costi di switching infrastrutturale si moltiplicano annualmente, e la finestra per il riposizionamento si chiude con ogni ciclo di deployment di generazione Rubin.
- Programmi nazionali IA: Lo scenario di Biforcazione Geopolitica al 12% di probabilità nell'analisi RIKEN — controlli all'esportazione che creano un'enclave Western frontier mentre il resto del mondo standardizza su pesi aperti cinesi — descrive una partizione già in corso. Il sistema LineShine LX2 della Cina ha conquistato la posizione #1 nella classifica TOP500 a giugno 2026 con 2,198 EFLOPS. Le nazioni esterne a entrambi i blocchi affrontano una scelta binaria: allinearsi con un ecosistema frontier, o accettare uno status permanente di livello mass nella gerarchia globale dell'intelligenza.
Entro fine 2028, l'insieme delle organizzazioni capaci di addestrare al frontier — esecuzioni superiori a 5 miliardi di dollari in costi di calcolo — si consolida a cinque o meno a livello globale: due-tre hyperscaler statunitensi, un consorzio cinese supportato dallo stato, e al massimo un'entità sovrana europea o del Golfo. Tutti gli altri sviluppatori IA, inclusi i laboratori frontier attualmente ben capitalizzati, migrano permanentemente al training di livello mass tramite RL e distillazione. Il livello mass raggiunge 5 milioni di dollari per esecuzione capace. Il livello frontier supera i 18 miliardi di dollari. Il divario è terminale.
Segnale di kill: Il prezzo spot dell'HBM scende al di sotto di 50 dollari per stack per due trimestri consecutivi, oppure un'architettura di memoria breakthrough — DRAM pooled su CXL, interconnect fotonico a banda di classe compute — raggiunge la parità a un costo inferiore del 60% prima del Q2 2027. Uno di questi scenari azzera il costo base del training e riapre l'accesso al frontier per i nuovi entranti ben capitalizzati.