Open source contro source chiuso, i chip di memoria assorbono i profitti dell’IA, Comcast si ristruttura
TBPN analizza GLM 5.2, il dibattito sui modelli open-weight, i vincoli di capacità IA e il trasferimento di valore verso la memoria.
L’episodio riporta al centro il confronto tra IA open source e modelli chiusi partendo da GLM 5.2 di Z.ai. Il modello viene descritto come una release open-weight abbastanza forte da riaprire questioni di cybersicurezza, geopolitica e strategia industriale.
I punti principali
- GLM 5.2 può essere scaricato, eseguito e modificato fuori da un’API proprietaria.
- Le prestazioni nella ricerca di bug rendono i modelli open-weight rilevanti per sicurezza nazionale e rischio cyber.
- I benchmark non bastano: contano costo per attività completata, consumo di token e possibile distillazione.
- Il mercato sembra dividersi tra modelli frontier costosi per compiti critici e piccoli modelli economici per workflow ripetitivi.
Perché conta
Se i modelli open-weight restano abbastanza vicini al frontier, le politiche di accesso controllato ai modelli chiusi diventano più fragili. Un’azienda in attesa di approvazione potrebbe trovare, dopo pochi mesi, un’alternativa aperta sufficientemente valida.
L’episodio mostra anche che l’infrastruttura è un collo di bottiglia. Google avrebbe limitato la capacità Gemini disponibile per Meta, mentre produttori di memoria come Micron, Samsung e SK Hynix beneficiano della domanda di HBM e DRAM. La catena del valore dell’IA passa quindi anche da cloud, capacità di inferenza e memoria.
Segnali da seguire
- Il costo per attività sta diventando più importante del prezzo per token.
- I modelli open-weight cinesi influenzano strategia e policy negli Stati Uniti.
- Memoria e capacità cloud possono catturare una quota crescente della spesa IA.
- La ristrutturazione di Comcast evidenzia la divergenza tra media, connettività, streaming ed esperienze fisiche.
Source
- Chaîne: TBPN
- Vidéo source: https://www.youtube.com/watch?v=jgJYskq-1Yo