TL;DR — Quattro notizie del 6-7 agosto 2026 raccontano lo stesso movimento: l’inferenza si sta staccando dalle GPU generiche. Anthropic assume per progettarsi il chip, SpaceX e Tesla si costruiscono la fabbrica, OpenAI apre le chat illimitate agli utenti gratuiti e chi lavora in locale compra VRAM di seconda mano a 500 dollari. Per chi mette l’AI in un preventivo il messaggio è uno solo: il costo per token di oggi non è un parametro stabile.

Anthropic si mette a progettare il chip

Anthropic ha annunciato la creazione di un team interno di sviluppo hardware per co-progettare ASIC dedicati all’inferenza. Lo ha descritto a Business Insider: sta assumendo ingegneri, il partner di design non è dichiarato e l’annuncio di lavoro parla esplicitamente di scadenze da rispettare. A luglio The Information aveva riportato trattative con Samsung per la produzione.

Non è un caso isolato: Google costruisce TPU da dodici anni con Broadcom, Amazon ha Trainium e Inferentia, Meta ha MTIA, OpenAI ha presentato con Broadcom il processore Jalapeño. La logica è sempre la stessa: per addestrare un modello di frontiera servono ancora le GPU Nvidia, per servirlo no. Tom’s Hardware indica per il silicio custom un costo totale di possesso fino al 65% più basso: ordine di grandezza di settore, non promessa contrattuale.

Terafab: 16,8 miliardi per una fabbrica che serve un cliente solo

Il 6 agosto SpaceX e Tesla hanno formalizzato la prima fase di Terafab: 16,8 miliardi di dollari di investimento, processo Intel 14A, oltre 100 milioni di piedi quadrati di superficie produttiva a Grimes County, in Texas. Non è un fab tradizionale: logica, memoria, packaging e test stanno nello stesso campus, mentre di norma sono impianti e processi separati.

La giustificazione dichiarata è la domanda interna: un fabbisogno combinato oltre 1 TW di compute all’anno, sopra la capacità mondiale attuale — senza dire quando ci arriveranno. La produzione è destinata a processori di inferenza per i robot Optimus e i Cybercab, più chip ad alta potenza per i data center orbitali di SpaceX. Chiamarla verticalizzazione è generoso: è un’azienda che si toglie dal mercato dei chip perché il mercato dei chip non ha abbastanza capacità per lei.

ChatGPT gratis, senza limite di messaggi

Sempre il 6 agosto, OpenAI ha annunciato che GPT-5.6 Luna diventa il modello predefinito per gli account Free e Go, con chat di testo illimitate e un pulsante Think per le domande più difficili a partire dalla settimana successiva. I limiti restano su upload di file, immagini e altri tool.

È la stessa equazione dei due punti precedenti, vista dal lato del listino. Messaggi illimitati si regalano solo quando il costo marginale di una risposta di testo è sceso abbastanza da non spostare il bilancio. Chi decide come viene servita l’inferenza decide anche cosa può permettersi di dare via.

Chi non vuole dipendere compra VRAM usata

All’estremo opposto della catena, su eBay un venditore di Hong Kong spedisce RTX 2080 Ti modificate con 22 GB di VRAM a 499 dollari: memoria raddoppiata rispetto all’originale, 616 GB/s di banda, Tensor Core ancora utili per LLM e modelli di diffusione in locale. Il brand non è garantito («dipende da cosa abbiamo in casa», scrive il venditore) e su quell’inserzione ci sono 38 feedback positivi.

Non è un consiglio d’acquisto: mod non ufficiale, nessuna garanzia, hardware uscito nel 2018. È un indicatore di prezzo. Una scheda di otto anni fa torna interessante perché per far girare un modello in casa la prima variabile non è la potenza di calcolo, è quanta memoria video hai.

La take: il prezzo per token non è un parametro del tuo preventivo

Chi vende AI si sta costruendo il silicio, chi la compra la vede scendere verso zero, chi vuole restarne fuori si arrangia con l’usato. In mezzo ci sono le PMI che stanno firmando adesso contratti annuali su un listino a consumo. Quel listino è la parte più instabile dello stack: dipende da decisioni industriali prese due anni fa in Texas e in Corea, non dal tuo volume di richieste.

L’errore quindi non è scegliere il fornitore sbagliato: è scrivere codice che ne conosce uno solo. Se un plugin WordPress ha endpoint, nome del modello e formato della risposta cablati in tre file diversi, cambiare fornitore costa più di quanto il nuovo prezzo faccia risparmiare.

Cosa fare adesso

  • Misura il costo per task completato, non per milione di token: è l’unico numero che puoi confrontare fra due fornitori con tokenizer diversi.
  • Isola la chiamata al modello in un punto solo: endpoint, nome del modello e prompt fuori dal codice applicativo, così sostituire il fornitore è una riga di configurazione. Vale anche per le automazioni batch su WordPress.
  • Non vincolarti oltre i 12 mesi su un prezzo a consumo, e verifica cosa succede se il fornitore cambia modello di default sotto lo stesso nome.
  • Se il tuo prodotto vale perché dà accesso a un modello, il valore sta evaporando: gli utenti hanno già chat illimitate gratis. Restano tuoi il dato, il flusso di lavoro e i controlli su costi e permessi — la stessa partita, vista dal lato dei consumi.

Fonti