{"id":7164,"date":"2025-01-29T15:28:00","date_gmt":"2025-01-29T14:28:00","guid":{"rendered":"https:\/\/rafaelpatron.com\/blog\/marketing\/deepseek-r1-mercato-ai\/"},"modified":"2025-01-29T15:28:00","modified_gmt":"2025-01-29T14:28:00","slug":"deepseek-r1-mercato-ai","status":"publish","type":"post","link":"https:\/\/rafaelpatron.com\/blog\/ai\/deepseek-r1-mercato-ai\/","title":{"rendered":"DeepSeek R1 e la lezione che il mercato AI non aveva preventivato"},"content":{"rendered":"<p>NVIDIA ha perso luned\u00ec il 17% di capitalizzazione in una sola seduta, circa 600 miliardi di dollari di valore di mercato, dopo che il laboratorio cinese DeepSeek ha pubblicato R1, modello reasoning open-weight con prestazioni dichiarate paragonabili a OpenAI o1. Il technical report sostiene un costo di training di 5,6 milioni di dollari per il modello base. \u00c8 un cinquantesimo di quello che l&#8217;industria americana dichiarava come ordine di grandezza per modelli di quella classe.<\/p>\n<p>Il mercato ha reagito di pancia. La lettura \u00e8 pi\u00f9 sfumata di cos\u00ec.<\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_86 counter-flat ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">Indice dei contenuti<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Toggle Table of Content\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Toggle<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewBox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewBox=\"0 0 24 24\" version=\"1.2\" baseProfile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1 ' ><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/rafaelpatron.com\/blog\/ai\/deepseek-r1-mercato-ai\/#cosa-e-esattamente-deepseek-r1\" >Cosa \u00e8 esattamente DeepSeek R1<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/rafaelpatron.com\/blog\/ai\/deepseek-r1-mercato-ai\/#il-numero-che-ha-scatenato-il-panico\" >Il numero che ha scatenato il panico<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/rafaelpatron.com\/blog\/ai\/deepseek-r1-mercato-ai\/#cosa-il-mercato-ha-frainteso\" >Cosa il mercato ha frainteso<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/rafaelpatron.com\/blog\/ai\/deepseek-r1-mercato-ai\/#quello-che-invece-il-mercato-dovrebbe-vedere\" >Quello che invece il mercato dovrebbe vedere<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/rafaelpatron.com\/blog\/ai\/deepseek-r1-mercato-ai\/#cosa-significa-per-chi-opera-in-marketing-e-digital\" >Cosa significa per chi opera in marketing e digital<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/rafaelpatron.com\/blog\/ai\/deepseek-r1-mercato-ai\/#cosa-significa-per-chi-opera-in-marketing-e-digital-2\" >Cosa significa per chi opera in marketing e digital<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/rafaelpatron.com\/blog\/ai\/deepseek-r1-mercato-ai\/#la-domanda-da-farsi-oggi\" >La domanda da farsi oggi<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"cosa-e-esattamente-deepseek-r1\"><\/span>Cosa \u00e8 esattamente DeepSeek R1<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>R1 \u00e8 un modello da 671 miliardi di parametri totali in architettura Mixture of Experts, di cui 37 miliardi attivi per token. Il modello viene rilasciato sotto licenza MIT, con pesi scaricabili da Hugging Face. Il technical report descrive in dettaglio il processo di addestramento basato su reinforcement learning con reward function semplici, senza supervised fine-tuning preliminare nella prima versione (chiamata R1-Zero).<\/p>\n<p>Sui benchmark dichiarati, R1 \u00e8 alla pari con o1 su MATH-500, AIME 2024, Codeforces e GPQA Diamond. Sui task agentici di tipo SWE-bench la performance \u00e8 inferiore ma comunque competitiva. La differenza chiave: i pesi sono pubblici. Chiunque pu\u00f2 scaricarli, eseguirli su infrastruttura propria, modificarli.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"il-numero-che-ha-scatenato-il-panico\"><\/span>Il numero che ha scatenato il panico<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>I 5,6 milioni di dollari citati nel paper si riferiscono al training del modello base DeepSeek-V3, non a R1 nel suo insieme, e contano il costo di calcolo dei singoli run finali, non l&#8217;intera ricerca a monte. Non includono salari, infrastruttura, esperimenti falliti, raccolta dati. Confrontare quel numero con i miliardi spesi da OpenAI o Anthropic \u00e8 apples to oranges, come scritto da diversi analisti tecnici nel corso della settimana.<\/p>\n<p>Comunque, anche correggendo per tutto, il differenziale resta rilevante. DeepSeek dimostra che con ottimizzazione algoritmica seria, hardware ridotto (H800 invece di H100, le GPU NVIDIA che la Cina pu\u00f2 ancora acquistare legalmente), e team focalizzato, si arriva alla frontiera con un decimo del budget annunciato dai laboratori americani.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"cosa-il-mercato-ha-frainteso\"><\/span>Cosa il mercato ha frainteso<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Il crollo di NVIDIA si basa sull&#8217;ipotesi che, se i modelli si addestrano con meno GPU, la domanda di GPU caler\u00e0. \u00c8 un&#8217;inferenza logica frettolosa. Tre fattori la complicano.<\/p>\n<p>Primo, l&#8217;inference scala con l&#8217;uso, non con il training. Se R1 e successori democratizzano il reasoning AI, l&#8217;utilizzo aggregato cresce. La domanda di GPU per inference cresce con esso, non cala.<\/p>\n<p>Secondo, l&#8217;efficienza algoritmica libera capacit\u00e0 per esperimenti pi\u00f9 ambiziosi. Storicamente nell&#8217;informatica, ogni volta che un task \u00e8 diventato pi\u00f9 economico per unit\u00e0, il totale speso \u00e8 aumentato (legge di Jevons applicata al calcolo). Non c&#8217;\u00e8 ragione di pensare che l&#8217;AI si comporti diversamente.<\/p>\n<p>Terzo, R1 \u00e8 stato addestrato su H800 perch\u00e9 la Cina non pu\u00f2 comprare H100. Negli Stati Uniti chi ha accesso a hardware pi\u00f9 potente continuer\u00e0 a usarlo. La pressione semmai \u00e8 sulle policy di esportazione, non sui ricavi di NVIDIA in occidente.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"quello-che-invece-il-mercato-dovrebbe-vedere\"><\/span>Quello che invece il mercato dovrebbe vedere<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>R1 \u00e8 la prima dimostrazione pubblica che il monopolio della frontiera AI nelle mani di tre laboratori americani non \u00e8 strutturale. \u00c8 un fenomeno che si \u00e8 generato perch\u00e9 finora nessuno ha provato seriamente fuori da quel perimetro. Adesso che la barriera economica \u00e8 dimostrata superabile, la geopolitica dell&#8217;AI cambia.<\/p>\n<p>Implicazioni concrete: aspettiamoci modelli reasoning open-weight di qualit\u00e0 da Europa, India, Medio Oriente nei prossimi diciotto mesi. Il vantaggio competitivo si sposter\u00e0 da chi ha il modello migliore a chi sa applicarlo meglio a problemi reali. Per le aziende che vendono servizi AI, la differenziazione torna a essere dominio verticale, non parametri.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"cosa-significa-per-chi-opera-in-marketing-e-digital\"><\/span>Cosa significa per chi opera in marketing e digital<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Quattro conseguenze pratiche.<\/p>\n<p>Primo, i prezzi delle API reasoning scenderanno nei prossimi due trimestri. OpenAI e Anthropic non possono ignorare il fatto che esiste un&#8217;alternativa scaricabile gratis. La pressione sui margini \u00e8 inevitabile.<\/p>\n<p>Secondo, l&#8217;opzione self-hosted per modelli reasoning diventa realistica per aziende medie. Eseguire R1 in produzione richiede infrastruttura rilevante, ma il taglio dei costi cloud annuali pu\u00f2 giustificarla in scenari ad alto volume.<\/p>\n<p>Terzo, la conformit\u00e0 diventa selling point. Un modello cinese open-weight \u00e8 tecnicamente disponibile, ma chiunque operi in settori regolati europei (sanit\u00e0, finance, PA) avr\u00e0 bisogno di sapere dove gira il modello, su quale infrastruttura, con quale auditability. \u00c8 il momento perfetto per definire una linea aziendale chiara, e per chi ne sa, \u00e8 anche un mercato consulenziale che si apre. Le associazioni di categoria come <a href=\"https:\/\/aipia.it\/\">AIPIA<\/a> stanno gi\u00e0 lavorando su frame normativi per orientare i professionisti italiani.<\/p>\n<p>Quarto, smettiamola di pesare i fornitori AI come fossero una scelta definitiva. L&#8217;orizzonte temporale per la decisione di stack AI \u00e8 scesa a sei mesi. Architetture che oggi sembrano definitive saranno parziali rimodulazioni a giugno.<\/p>\n<p>Una nota laterale che merita attenzione: DeepSeek ha rilasciato anche modelli distillati di dimensioni piccole, alcuni eseguibili su singola GPU consumer. Per le aziende italiane che valutano on-premise per ragioni di sovranit\u00e0 del dato, \u00e8 la prima volta che si pu\u00f2 parlare seriamente di reasoning AI eseguibile in casa con hardware non astronomico. Cambia la conversazione sul cosa \u00e8 possibile fare, non solo sul cosa \u00e8 economico.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"cosa-significa-per-chi-opera-in-marketing-e-digital-2\"><\/span>Cosa significa per chi opera in marketing e digital<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Quattro conseguenze pratiche.<\/p>\n<p>Primo, i prezzi delle API reasoning scenderanno nei prossimi due trimestri. OpenAI e Anthropic non possono ignorare il fatto che esiste un&#8217;alternativa scaricabile gratis. La pressione sui margini \u00e8 inevitabile.<\/p>\n<p>Secondo, l&#8217;opzione self-hosted per modelli reasoning diventa realistica per aziende medie. Eseguire R1 in produzione richiede infrastruttura rilevante, ma il taglio dei costi cloud annuali pu\u00f2 giustificarla in scenari ad alto volume.<\/p>\n<p>Terzo, la conformit\u00e0 diventa selling point. Un modello cinese open-weight \u00e8 tecnicamente disponibile, ma chiunque operi in settori regolati europei avr\u00e0 bisogno di sapere dove gira il modello, su quale infrastruttura, con quale auditability. \u00c8 il momento perfetto per definire una linea aziendale chiara, e per chi ne sa, \u00e8 anche un mercato consulenziale che si apre. Le associazioni di categoria come <a href=\"https:\/\/aipia.it\/\">AIPIA<\/a> stanno gi\u00e0 lavorando su frame normativi per orientare i professionisti italiani.<\/p>\n<p>Quarto, smettiamola di pesare i fornitori AI come fossero una scelta definitiva. L&#8217;orizzonte temporale per la decisione di stack AI \u00e8 scesa a sei mesi. Architetture che oggi sembrano definitive saranno parziali rimodulazioni a giugno.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"la-domanda-da-farsi-oggi\"><\/span>La domanda da farsi oggi<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Sto preparando con i team con cui lavoro la stessa esercitazione: provare R1 sulle stesse task analitiche dove usiamo o1, misurare lo scarto, calcolare il break-even tra inference a pagamento e self-hosting. In quasi tutti i casi il break-even sta dentro l&#8217;anno solare.<\/p>\n<p>Per chi gestisce budget AI in azienda, la lezione di questa settimana \u00e8 precisa. Le decisioni di stack vanno riviste ogni semestre, non ogni tre anni. Le architetture vanno costruite portabili, con livelli di astrazione che permettano di cambiare modello in giornata. Il vantaggio competitivo \u00e8 capire prima degli altri quando ha senso cambiare.<\/p>\n<p>NVIDIA recuperer\u00e0 o no, \u00e8 una domanda da trader. La domanda per chi costruisce business basati su AI \u00e8 un&#8217;altra: stai progettando in modo da poter sfruttare il prossimo R1, qualunque laboratorio lo produca?<\/p>\n","protected":false},"excerpt":{"rendered":"<p>DeepSeek pubblica R1, modello reasoning open-weight comparabile a o1, training dichiarato 5,6 milioni di dollari. NVIDIA crolla 17% in un giorno. Cosa ha frainteso il mercato.<\/p>\n","protected":false},"author":10,"featured_media":2741,"comment_status":"","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_wds_title":"DeepSeek R1: cosa significa il crollo NVIDIA per il mercato AI","_wds_metadesc":"DeepSeek pubblica R1 open-weight con training a 5,6M USD. NVIDIA perde 17% in un giorno. Cosa ha frainteso il mercato e le implicazioni reali.","_wds_focus-keywords":"deepseek r1","_wds_canonical":"","wds_primary_category":0,"footnotes":"","_wds_robots-noindex":"0","_wds_robots-nofollow":"0","_wds_opengraph-title":"","_wds_opengraph-description":"","_wds_twitter-title":"","_wds_twitter-description":""},"categories":[168],"tags":[485,482,484,483,468],"class_list":["post-7164","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai","tag-ai-cinese","tag-deepseek","tag-nvidia","tag-open-source","tag-reasoning"],"_links":{"self":[{"href":"https:\/\/rafaelpatron.com\/blog\/wp-json\/wp\/v2\/posts\/7164"}],"collection":[{"href":"https:\/\/rafaelpatron.com\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/rafaelpatron.com\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/rafaelpatron.com\/blog\/wp-json\/wp\/v2\/users\/10"}],"replies":[{"embeddable":true,"href":"https:\/\/rafaelpatron.com\/blog\/wp-json\/wp\/v2\/comments?post=7164"}],"version-history":[{"count":0,"href":"https:\/\/rafaelpatron.com\/blog\/wp-json\/wp\/v2\/posts\/7164\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/rafaelpatron.com\/blog\/wp-json\/wp\/v2\/media\/2741"}],"wp:attachment":[{"href":"https:\/\/rafaelpatron.com\/blog\/wp-json\/wp\/v2\/media?parent=7164"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/rafaelpatron.com\/blog\/wp-json\/wp\/v2\/categories?post=7164"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/rafaelpatron.com\/blog\/wp-json\/wp\/v2\/tags?post=7164"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}