OVHcloud si espande oltre il simples fornitore di infrastrutture informatiche e entra nel mercato dei modelli di intelligenza artificiale generativa (LLM). Questo rappresenta un momento cruciale per comprendere se l'Europa potrà produrre modelli di IA avanzati capaci di competere con i colossi americani e cinesi. François Octave Klaba, CEO di OVHcloud, ha dichiarato a Reuters che l’azienda sta pianificando lo sviluppo di una serie di modelli da zero e si prefigge di renderli open source una volta raggiunti criteri di performance adeguati.

L'emergere di una competizione europea

Questo progetto posiziona OVHcloud come un possibile concorrente di Mistral AI, l’unico attore realmente in grado di sfidare su scala europea i giganti esteri dell’IA. Klaba spiega che i costi dell’addestramento di modelli avanzati di machine learning hanno visto un decremento significativo. Grazie agli sviluppi nei processori, nei metodi di training e nell’uso di dati sintetici, il costo di un progetto che fino a poco tempo fa superava i 1,15 miliardi di dollari (pari a circa un miliardo di euro) è oggi inferiore a 230 milioni di dollari (circa 200 milioni di euro).

Un addestramento su infrastrutture esterne

Secondo una ricerca pubblicata da Reuters, OVHcloud ha completato il pre-addestramento di uno dei propri modelli grazie al sistema Jupiter, il supercomputer EuroHPC situato in Germania. Questa struttura, descritta come la più veloce d'Europa, non è né proprietà né gestione diretta di OVH. Ciò solleva interrogativi sull’effettiva autonomia nell’infrastruttura e sull’uso del dataset utilizzato. A oggi non sono state ancora fornite informazioni dettagliate sui benchmark né sulla natura del dataset di addestramento.

Molti interrogativi

L'entrata su questo mercato arriva in un momento in cui aziende e governi in Europa riconsiderano la questione della proprietà e accesso dati in ambito IA. L'importanza data alla governance e alla continuità di accesso ha preso il sopravvento rispetto esclusivamente alla performance. Queste problematiche non sono state ulteriormente esacerbate dopo l'annuncio di Anthropic, che ha sospeso l'accesso ai modelli Fable 5 e Mythos 5, a causa di nuove restrizioni statunitensi sull'esportazione.

I costi vanno al di là dell’addestramento

Neil Shah, vicepresidente di Counterpoint Research e analista di settore, sottolinea che la valutazione di OVHcloud riguardo al costo iniziale non include l'intero processo necessario per diventare un fornitore di modelli avanzati. Il costo citato di 230 milioni di dollari si riferisce solo alla fase iniziale di addestramento. Gli sviluppatori devono però investire continuamente nel miglioramento, nel fine-tuning, nell'infrastruttura, nel supporto tecnico e nell'ottimizzazione per rendere i modelli commercialmente sostenibili.

Miglioramenti costanti per mantenere il modello al passo con nuove informazioni;

Sviluppo di infrastrutture di storage, sicurezza e gestione;

Supporto tecnico per aziende interessate all’adottare questi modelli;

Investimenti di marketing e posizionamento;

Capacità di competere con fornitori consolidati come Google, OpenAI e Anthropic.

Una sfida tecnica e politica

Shah ribadisce che l'assenza continua di aggiornamenti rende i modelli obsoleti. Per esempio, Mistral AI non è in grado di offrire un'alternativa valida a Mythos. Ciò sottolinea quanto il progetto di OVHcloud non si limiti agli aspetti tecnici, ma richieda un sostegno politico ed economistico. Solo con il completamento di questi aspetti, l’azienda potrà effettivamente competere su questo mercato e convincere le aziende a sposare soluzioni ancora in fase iniziale.

Un vantaggio di accesso ma limitazioni concrete

Charlie Dai, di Forrester, osserva che la riduzione dei costi di formazione consente a OVHcloud di avviare una fase iniziale solida. Questo budget potrebbe essere sufficiente a produrre un modello avanzato, ma la sua competività su scala globale dipenderà da capacità sostenute nel lungo termine, come:

Efficienza dell’infrastruttura di produzione;

Qualità e completezza dei dati;

Capacità di inferenza (ossia la capacità del modello di produrre output da input)

Strumenti di valutazione robusti;

Ecologia attorno al modello, come tool, librerie e community.

Senza sviluppo sostenibile, un modello diventa un bene di breve periodo. Il successo di OVHcloud dipenderà non solo dalla sua tecnica all'avanguardia, ma anche dalla sua capacità di fornire un ecosistema completo a chi vuole integrare tali modelli, sia in produzione che in sperimentazione.

Mancanza di dati concreti

Sanchit Vir Gogia, analista di Greyhound Research, mette in discussione la fase attuale del progetto OVHcloud, sottolineando mancanza totale di benchmark pubblici e informazioni chiare sull’infrastruttura utilizzata. Mentre 200 milioni di euro potrebbero finanziare un processo di addestramento significativo, non sono sufficienti a costituire un'intera piattaforma di AI in grado di competere con aziende consolidate.

Gogia fa notare che anche il sistema Jupiter, su cui OVHcloud ha addestrato il proprio modello, pur essendo proprietà dell’Unione Europea, utilizza componenti tecnologiche americane. Ciò mette a nudo le fragilità della sovranità tecnologica europea. Pur essendo un passo verso l'indipendenza rispetto a fornitori esteri, presenta ancora molte limitazioni tecnologiche e politiche.

Rischi per aziende e fornitore

Gli esperti riconoscono che un modello detenuto da una forza europea potrebbe ridurre parte della dipendenza dagli Stati Uniti e dalla Cina. Tuttavia, Gogia sottolinea che la sovranità non elimina completamente i rischi. “La sovranetà non abolisce il tasto di arresto”, aggiunge, “ma cambia semplicemente le mani che lo azionano.”

Sovranetà e rischi di blocco

L’introduzione di modelli di AI da parte di un fornitore come OVHcloud potrebbe alterare i rischi per le aziende in termini di dipendenza. Sebbene un'azienda possa spostare la propria infrastruttura cloud, sarà più difficile migrare i modelli di IA una volta che siano completamente integrati nelle applicazioni e nei processi aziendali. Questo rappresenta un rischio di blocco (lock-in), che richiede un’analisi attenta da parte dei responsabili dell’innovazione tecnologica (DSI).

Le priorità dei DSI

In questo contesto, i DSI richiederanno prove tangibili. Devono essere in grado di assicurarsi che i modelli siano:

Operativi in produzione stabile;