Mappe | Serie in tre puntate, 2 di 3.
Chi possiede i modelli di AI fuori da Stati Uniti e Cina
Quante AI ci sono in altre nazioni fuori da Cina e Stati Uniti?
Mappe, a quattro mani | Ottobre 2026
di Riccardo Pisa Simonini e Claudia Spinnato
Di che cosa si parla. Fuori da Cina e Stati Uniti le AI nazionali sono più di quanto si pensi: un censimento recente, su oltre 80 paesi, ne conta 170. Ma avere un’AI “di casa” non vuol dire averla fatta da soli: ci sono almeno tre modi di dipendere da altri, e adattare un modello straniero ne risolve uno solo.
Nel primo articolo di questa serie, Hanno clonato Photoshop guardandolo. Ma ciò che conta non si lascia guardare, abbiamo visto che oggi un programma si può clonare guardandolo funzionare, mentre ciò che sta sui server resta al riparo. Il valore si sposta dietro il cavo: nei dati, nell’infrastruttura, nei modelli di intelligenza artificiale. La domanda allora diventa politica: chi possiede i modelli?
Il 56% dei modelli sovrani non è costruito da zero:
è adattato, spesso da una base americana o cinese.
La lingua cambia, l’impianto profondo resta.
1. Chi ha un modello proprio
Fuori da Stati Uniti e Cina sono più di quanti si pensi i paesi che ne hanno uno. È il tema della AI sovrana (sovereign AI): l’insieme di modelli, infrastrutture e dati che uno Stato vuole controllare per non dipendere da tecnologie altrui. Il più recente censimento, il Sovereign AI LLM Index di Counterpoint Research, ha esaminato oltre 80 paesi e 170 modelli attivi (Middle East AI News).
Prima della tabella, una precisazione. “Proprietario” può voler dire due cose. Un modello può essere sviluppato in casa ma rilasciato open-weight (a pesi aperti): chiunque può scaricare i pesi, cioè i miliardi di numeri che costituiscono il modello, e farlo girare sui propri computer. Oppure può essere chiuso: si usa solo come servizio, via internet, e i pesi restano all’azienda.
| Paese | Chi lo sviluppa | Modelli principali | Aperto o chiuso |
|---|---|---|---|
| Francia | Mistral AI | Mistral Large, Codestral, Devstral | Entrambi |
| Canada | Cohere | Command A, Tiny Aya | Misto |
| Emirati Arabi Uniti | TII (Abu Dhabi), G42 e Inception, MBZUAI | Falcon H1, Jais 2, K2 Think V2 | Prevalentemente aperti |
| Arabia Saudita | Humain | ALLaM | Misto |
| Qatar, Oman, Iraq | Enti pubblici e di ricerca | Fanar (3.0 atteso a dicembre 2026), Mu’een, un modello governativo iracheno in sviluppo | In costruzione |
| India | Sarvam AI (missione IndiaAI), Ola | Sarvam 105B, Krutrim | Misto |
| Corea del Sud | LG AI Research, Naver, SK Telecom, Upstage | Exaone, HyperCLOVA X, Solar | Misto |
| Giappone | Preferred Networks, NTT, SoftBank, Rakuten, Sakana AI, Fujitsu | PLaMo, tsuzumi e altri | Misto |
| Russia | Yandex, Sberbank | YandexGPT, GigaChat | Prevalentemente chiusi |
| Israele | AI21 Labs | Jamba | Misto |
| Turchia | Aziende e università | Modelli in lingua turca | Prevalentemente adattati |
| Italia | iGenius, Almawave, Sapienza, Fastweb | Modello Italia, Velvet, Minerva, Miia | Prevalentemente aperti |
| Germania | Aleph Alpha | Pharia | Ridimensionato verso servizi alla pubblica amministrazione |
| Altri | Svizzera, Spagna, Singapore, Taiwan, Brasile, Cile | Apertus, ALIA, SEA-LION, TAIDE e altri | Aperti |
Qualche nota per leggerla. Mistral è il caso più forte in Europa: a gennaio 2026 avrebbe raggiunto circa 400 milioni di dollari di ricavi annui ricorrenti, con un finanziamento da 2 miliardi guidato dall’olandese ASML (Sacra). Il Medio Oriente risulta la regione più matura per i modelli sovrani, con gli Emirati in testa (Counterpoint). In India, Sarvam 105B è il primo modello di frontiera del paese, copre 22 lingue indiane e si usa tramite l’app Indus (Middle East AI News). Giappone e Corea lavorano con programmi pubblici: in Giappone si chiama GENIAC (MIT Sloan ME).
I modelli italiani sono piccoli: fra 7 e 14 miliardi di parametri, contro le centinaia di miliardi dei modelli americani. In un test su lingua e cultura italiana costruito alla Bicocca con domande di concorsi pubblici, nessuno supera i 70 punti, mentre i modelli stranieri vanno oltre gli 80 (9colonne). Secondo Fabio Mercorio, uno degli autori, il problema non è la qualità del lavoro ma la scala.
C’è poi un dato che ridimensiona l’idea stessa di “AI nazionale”: il 56% dei modelli sovrani non è costruito da zero, ma adattato a partire da modelli open-weight esistenti (Middle East AI News). Spesso la base è proprio americana, come Llama di Meta, o cinese, come Qwen di Alibaba e DeepSeek.
2. Adattare non è diventare indipendenti
Un modello adattato si rende indipendente? Dipende da che cosa si intende per indipendenza. Ce ne sono almeno tre, e l’adattamento ne garantisce una sola.
Indipendenza operativa: sì. Chi scarica un modello open-weight ne possiede una copia. La fa girare sui propri server, nessuno può spegnergliela né cambiarle le condizioni d’uso dall’oggi al domani, nessuno legge i dati che ci passano. Rispetto a usare un servizio straniero via internet è un guadagno reale.
Indipendenza genealogica: no. Adattare significa continuare l’addestramento su dati propri (testi in arabo, in hindi, in italiano) o rifinirlo per compiti specifici: in gergo, fine-tuning. Ma il grosso di ciò che il modello sa, di come collega le cose, delle distorsioni che porta con sé, viene dal pre-addestramento originale fatto da altri, su dati che spesso nemmeno si conoscono. È come insegnare un dialetto e un mestiere a una persona già formata altrove: la lingua cambia, l’impianto profondo resta. Un modello adattato da una base cinese, per esempio, ne eredita certe cautele su alcuni temi politici, e serve lavoro esplicito per toglierle.
Indipendenza nel tempo: no. Il modello adattato invecchia. Quando esce la generazione successiva della base americana o cinese, bisogna ricominciare l’adattamento o restare indietro: chi fa i modelli di base detta il ritmo. A questo si aggiungono le licenze, le condizioni d’uso che accompagnano i pesi: quella di Llama, per esempio, impone regole di Meta che si trasmettono ai modelli derivati.
Per questo la distinzione fra modelli adattati e modelli di fondazione, costruiti da zero, non è solo tecnica. Costruire da zero richiede tre cose che pochi hanno insieme: enormi quantità di calcolo, dati, e competenze per l’intero processo. E anche chi le ha resta legato altrove: Mistral dipende dai chip di Nvidia, quindi da un’azienda americana, e in parte da capitali stranieri.
La sovranità sull’AI è dunque una scala, non una condizione. Si può possedere la copia, si può possedere il processo, si può possedere l’infrastruttura. Fuori da Stati Uniti e Cina, quasi nessuno possiede tutti e tre i livelli.
La sovranità sull’AI è una scala, non una condizione:
la copia, il processo, l’infrastruttura.
Fuori da Stati Uniti e Cina,
quasi nessuno possiede tutti e tre i livelli.
Una domanda che resta aperta
Anche un modello costruito interamente in casa porta con sé una domanda. Se è stato addestrato, come tutti gli altri, soprattutto sul web in lingua inglese, in che senso la sua visione del mondo è indipendente?
E c’è un’altra domanda, più concreta: che cosa succederebbe se chi possiede tutti e tre i livelli decidesse di chiudere la porta? Ne parliamo nel terzo articolo, Se gli Stati Uniti bloccassero l’AI.
Fonti principali
- Counterpoint Research, Sovereign AI LLM Index H1 2026 (30 luglio 2026)
- Middle East AI News, Falcon H1 tops new global sovereign AI index
- MIT Sloan Management Review Middle East
- Sacra, $400M/year Napoleon of sovereign AI
- 9colonne, studio ITALIC dell’Università di Milano-Bicocca
Mappa aggiornata al 15 ottobre 2026.
Immagine di copertina: Denise Jans, Unsplash, rielaborata da AI Hybrid Observer.
