Un recente studio della Banca d’Italia analizza l’affermazione di DeepSeek e Kimi, evidenziando il ruolo crescente dei modelli di intelligenza artificiale a pesi aperti e l’importanza delle infrastrutture, della protezione dei dati e dell’affidabilità dei servizi di IA.
La crescente diffusione dei modelli di intelligenza artificiale sviluppati in Cina sta contribuendo a ridefinire gli equilibri del settore tecnologico, alimentando il confronto tra sistemi proprietari e modelli a pesi aperti (open-weight) e sollevando interrogativi anche in materia di sicurezza, protezione dei dati e regolamentazione.
È quanto emerge dallo studio The reactions of financial markets to the releases of DeepSeek R1 and Kimi K3: a critical analysis, pubblicato nell’ottobre 2026 nella collana Questioni di Economia e Finanza della Banca d’Italia.
Il lavoro esamina le reazioni dei mercati finanziari alla presentazione di DeepSeek R1, nel gennaio 2025, e Kimi K3, sviluppato da Moonshot AI e presentato nel luglio 2026. Pur adottando una prospettiva prevalentemente economica, lo studio offre spunti significativi anche per il dibattito sulla governance dell’intelligenza artificiale e sulle garanzie richieste ai fornitori di queste tecnologie.
L’avanzata dei modelli open-weight
I due modelli analizzati rappresentano momenti significativi della crescente competitività degli sviluppatori cinesi rispetto ai principali operatori occidentali.
DeepSeek R1 si è distinto per la capacità di raggiungere prestazioni comparabili a quelle dei più avanzati sistemi di ragionamento, offrendo prezzi di utilizzo notevolmente inferiori. Il modello ha attirato attenzione anche per i costi di addestramento dichiarati dagli sviluppatori, sebbene lo studio precisi che tali informazioni, in larga parte auto-dichiarate, siano state successivamente oggetto di dubbi.
Kimi K3 ha confermato la capacità degli operatori cinesi di sviluppare modelli prossimi alla frontiera tecnologica, senza tuttavia replicare il significativo vantaggio economico di DeepSeek.
Un elemento centrale è rappresentato dalla diffusione dei modelli open-weight, i cui parametri addestrati sono resi pubblicamente disponibili, consentendo agli utilizzatori di eseguirli e, spesso, adattarli su infrastrutture autonome. Tale caratteristica non implica necessariamente la pubblicazione dei dati di addestramento, del codice sorgente o dell’intero processo di sviluppo.
Lo studio sottolinea, inoltre, che la disponibilità di un modello avanzato non equivale automaticamente alla disponibilità di un servizio di intelligenza artificiale completo e affidabile. La qualità del sistema dipende anche dalle infrastrutture computazionali, dall’integrazione con strumenti esterni, dalla capacità di gestire le richieste degli utenti e dalle garanzie operative e contrattuali offerte dal fornitore.
Emblematico è il caso di Moonshot AI, che, nei giorni successivi al lancio di Kimi K3, ha temporaneamente sospeso le nuove sottoscrizioni a causa di una domanda superiore alla propria capacità di erogazione del servizio.
Sicurezza, protezione dei dati e affidabilità dei fornitori
Particolare rilievo assumono le considerazioni dello studio relative alla fiducia nei sistemi di intelligenza artificiale, soprattutto nei settori caratterizzati da elevate esigenze di riservatezza e sicurezza, quali i servizi finanziari, la sanità, le professioni legali e le pubbliche amministrazioni.
In questi ambiti, osserva l’autore, la scelta di un fornitore non dipende esclusivamente dalle prestazioni tecnologiche o dal costo del modello, ma anche dalla disponibilità di garanzie documentate sulla gestione dei dati, dalla verificabilità delle operazioni, dalla localizzazione delle informazioni e dalla possibilità di individuare una controparte contrattualmente responsabile.
La semplice pubblicazione dei pesi di un modello non è infatti sufficiente ad assicurare tali garanzie.
Il documento richiama inoltre le preoccupazioni connesse all’utilizzo di servizi forniti da operatori soggetti a normative straniere che prevedono obblighi di collaborazione con le autorità statali in materia di accesso alle informazioni. Vengono altresì evidenziati alcuni rischi operativi e di sicurezza emersi nell’utilizzo di precedenti versioni di Kimi, tra cui episodi di divulgazione impropria di dati.
Un ulteriore profilo riguarda il valore delle informazioni proprietarie utilizzate per migliorare i modelli. Lo studio affronta, in particolare, il tema della distillazione dei modelli, tecnica che consente di addestrare un sistema utilizzando le risposte generate da un altro modello. In questo contesto vengono richiamate le accuse formulate da Anthropic nei confronti di alcune società cinesi per presunte attività di estrazione sistematica di informazioni dai propri sistemi. L’autore precisa, tuttavia, che tali contestazioni non risultavano accertate in sede giudiziaria.
La possibilità di riprodurre attraverso la distillazione le capacità dei modelli più avanzati, così come la durata del vantaggio competitivo derivante dai dati proprietari, rimane dunque una questione aperta.
Le restrizioni ai modelli cinesi e la necessità di un approccio proporzionato
Nelle conclusioni, lo studio affronta anche il ruolo delle politiche pubbliche e delle esigenze di sicurezza nazionale nella diffusione dell’intelligenza artificiale.
L’autore richiama le restrizioni introdotte da alcuni governi occidentali nei confronti dei prodotti DeepSeek, tra cui quelle adottate dall’Australia nel febbraio 2025 e dalla Repubblica Ceca nel luglio dello stesso anno, motivate da preoccupazioni relative alla protezione dei dati e alla sicurezza informatica.
Tali misure evidenziano un delicato equilibrio: da un lato, le limitazioni possono contribuire a ridurre l’esposizione di informazioni sensibili a fornitori soggetti a influenze straniere; dall’altro, divieti generalizzati rischiano di ostacolare l’accesso a tecnologie competitive e meno costose, limitando la concorrenza e la diffusione dell’innovazione.
In questa prospettiva, lo studio attribuisce particolare importanza alla distinzione tra servizi di IA accessibili da remoto e modelli open-weight eseguiti su infrastrutture considerate affidabili. In quest’ultimo caso, infatti, il modello può essere utilizzato senza trasmettere le richieste al fornitore originario, pur permanendo la necessità di valutare autonomamente i rischi connessi ai parametri del modello, alle scelte di addestramento e ai software impiegati.
L’indicazione conclusiva è quella di privilegiare un approccio proporzionato, capace di distinguere i rischi tecnologici verificabili dalle misure di protezione dei produttori nazionali, nonché di considerare le differenze tra utilizzi commerciali ordinari e applicazioni particolarmente sensibili.
L’affermazione di DeepSeek e Kimi dimostra, in definitiva, come l’evoluzione dell’intelligenza artificiale non dipenda soltanto dalle prestazioni dei singoli modelli, ma anche dalla capacità di offrire servizi affidabili, sicuri e sostenuti da adeguate garanzie. Un elemento destinato ad assumere crescente rilievo anche nel dibattito sulle modalità di governo e regolamentazione di queste tecnologie.
02.10.2026
