Per gli utenti degli strumenti di intelligenza artificiale, la discussione spesso si concentra sulla versione più recente di ChatGPT, Gemini o DeepResearch.
Tuttavia, il punto di contatto tra l’industria dell’IA e gli utenti è ovviamente solo una parte dell’intero settore dell’IA.
Leonardo Gambacorta e Vatsala Shreeti lo spiegano nel loro lavoro “The AI supply chain” (Bank of International Settlements Papers No. 154, marzo 2025). Ecco la loro versione della catena di approvvigionamento dell’IA:
The AI supply chain
Fonte: https://www.bis.org/publ/bppdf/bispap154.htm
Sulla base di questa struttura, ecco alcuni dei principali attori nell’ecosistema complessivo dell’IA:
Market structure of the AI supply chain
Fonte: https://www.bis.org/publ/bppdf/bispap154.htm
Ovviamente, questi grafici sono una panoramica piuttosto che una presentazione dettagliata, ma spesso questo è un modo utile per ottenere una visione generale. Gambacorta e Shreeti forniscono maggiori dettagli nel testo. Ad esempio (citazioni e riferimenti ai grafici omessi):
Hardware. Consideriamo l’hardware più importante per le applicazioni IA, ovvero i microprocessori come le GPU. Nvidia – con sede a Santa Clara, in California, negli Stati Uniti – serve la maggior parte del mercato delle GPU, con una quota di mercato superiore al 90%. Ha margini lordi superiori al 70% e ha visto i suoi ricavi aumentare del 405% tra il 2023 e il 2024. Inizialmente destinata al mercato dei videogiochi, Nvidia ha avuto un vantaggio nell’utilizzare la capacità di calcolo parallelo delle sue GPU per i modelli di IA. Nel tempo, ha costruito una notevole proprietà intellettuale e una solida reputazione, consolidando la sua posizione di leader di mercato per le GPU. Oltre alle GPU stesse, Nvidia produce anche software complementari. Le GPU di Nvidia vengono fornite con un pacchetto esclusivo che include CUDA, la sua piattaforma di calcolo parallelo, che consente a programmatori e sviluppatori di semplificare il processo di utilizzo delle GPU e migliorarne le prestazioni. CUDA è diventato lo standard del settore per i programmatori ed è utilizzabile solo con le GPU Nvidia.
Certamente, altre aziende, comprese le startup e le grandi aziende tecnologiche, sono attive nel mercato dell’hardware per l’IA. Advanced Micro Devices (AMD), Intel e grandi aziende tecnologiche come Microsoft, Google e Amazon stanno tutte producendo microprocessori per l’IA per competere con le GPU di Nvidia, sia per l’addestramento dei modelli di IA che per l’inferenza. Aziende cinesi come Alibaba, Baidu e Huawei stanno anche iniziando a produrre i propri microprocessori, soprattutto alla luce delle restrizioni geopolitiche.
Strato di cloud computing. A livello globale, il mercato del cloud computing è dominato da tre grandi aziende tecnologiche: Amazon Web Services (AWS) con una quota di mercato del 31%, Microsoft Azure con il 24% e Google Cloud Platform con l’11%. Nell’Unione Europea (UE), la quota di mercato combinata di AWS e Azure nel 2020 era superiore all’80% e i loro margini di profitto erano anche elevati, rispettivamente al 30% e 38%. Nel caso del segmento IaaS – quello più rilevante per i modelli di IA – il mercato è ancora più concentrato. Nel 2023, AWS, Microsoft Azure e Google Cloud Platform insieme detenevano quasi il 74% del mercato globale.
Dati di addestramento. Finora, i modelli avanzati di IA sono stati addestrati utilizzando enormi quantità di dati disponibili pubblicamente. Tuttavia, poiché le risorse di dati pubblici stanno rapidamente diminuendo, le aziende stanno cercando altre fonti di dati.
Modelli di base. A prima vista, il mercato dei modelli di base è dinamico e ricco di concorrenti. Esistono oltre 300 modelli di base sul mercato, forniti da 14 aziende diverse. Ci sono anche modelli di business in competizione: mentre alcune aziende scelgono di offrire modelli di base proprietari (come OpenAI e Google DeepMind), altre hanno adottato un approccio relativamente più aperto (in particolare Meta con i suoi modelli open source Llama e, più recentemente, DeepSeek). Tuttavia, il mercato dei modelli di base è attualmente dominato solo da alcune aziende come OpenAI, Google DeepMind, Anthropic e Meta. Nel 2023, nonostante numerosi modelli di base concorrenti, GPT-4 di OpenAI rappresentava il 69% del mercato dell’IA generativa in termini di ricavi globali. Data la natura dinamica del mercato e il potenziale di realizzare efficienze, la gerarchia potrebbe cambiare rapidamente.
Applicazioni IA e strato orientato all’utente. L’ultimo stadio della catena di approvvigionamento dell’IA, lo strato orientato all’utente, segue il modello delle piattaforme digitali e delle applicazioni mobili. Da quando è esploso il «momento ChatGPT» dell’IA, le applicazioni costruite sui modelli di base sono proliferate in vari settori dell’economia, tra cui sanità, istruzione, elaborazione dei dati di back-end, conformità, sviluppo software e altri. Tuttavia, come accade con le piattaforme digitali, c’è il rischio che emergano dinamiche da «winner takes all» nei mercati delle applicazioni IA. Sebbene sia un compito arduo tracciare il mercato delle applicazioni IA in ogni settore, il mercato dei chatbot può essere istruttivo. Nonostante una serie di interfacce simili, ChatGPT ha rappresentato ancora il 60% del mercato dei chatbot (misurato dal numero totale di visite mensili) nel 2024, evidenziando l’importanza di essere i primi a entrare nel mercato.
Una lezione da questa panoramica è che se si ritiene che gli strumenti di IA saranno motori importanti di produttività in futuro, un’economia leader come quella degli Stati Uniti dovrebbe essere interessata a rafforzare l’intero ecosistema per sviluppare e utilizzare l’IA. Una lezione più difficile è che con una tecnologia in rapido sviluppo, le migliori strategie per le aziende, gli utenti e i responsabili politici non sono affatto ovvie in anticipo.
Le aziende che sembrano avere una posizione dominante nel mercato all’inizio del 2025 potrebbero non averla tra sei mesi, un anno o due, che i responsabili politici intraprendano o meno delle azioni. Le lezioni vengono apprese man mano che le aziende e le strategie salgono e scendono, e in larga misura i responsabili politici dovrebbero lasciare che questo processo si sviluppi affinché queste lezioni possano essere apprese. In particolare, i responsabili politici tendono ad ascoltare i lamenti più rumorosi, piuttosto che dare pari peso ai beneficiari che sono troppo occupati a costruire e utilizzare questi strumenti per dedicare tempo a fare pressioni politiche su di essi.
Questo articolo è ripreso e tradotto da Conversable Economist.
