Microsoft ha costruito negli ultimi anni una parte significativa della propria attività nel settore dell’intelligenza artificiale fornendo accesso ai modelli OpenAI attraverso la piattaforma Azure AI a numerose grandi aziende tecnologiche cinesi. Tra i principali utilizzatori figurano ByteDance, Tencent, Ant Group e Meituan, che impiegano l’infrastruttura cloud di Microsoft per supportare applicazioni basate su modelli linguistici avanzati, sviluppo software, automazione aziendale e servizi digitali destinati sia al mercato interno sia a quello internazionale.
Secondo le informazioni emerse, ByteDance rappresenterebbe il principale cliente cinese di Azure AI e utilizzerebbe estensivamente i modelli GPT ospitati sull’infrastruttura Microsoft. L’investimento annuale dell’azienda in servizi cloud e intelligenza artificiale avrebbe ormai raggiunto livelli superiori al miliardo di dollari, evidenziando la crescente importanza dell’accesso a modelli di frontiera per le principali piattaforme digitali cinesi.
Microsoft non fornisce direttamente i pesi dei modelli OpenAI ai clienti, ma rende disponibili le capacità dei modelli attraverso API eseguite all’interno dell’infrastruttura Azure. Questo approccio consente teoricamente di mantenere il controllo sull’accesso alle tecnologie, evitando la distribuzione del modello completo e limitando l’esposizione della proprietà intellettuale. Tuttavia, il semplice utilizzo tramite API non elimina completamente i rischi associati all’apprendimento indiretto delle capacità del modello.
Al centro del dibattito vi è infatti la cosiddetta distillazione dei modelli. Questa tecnica consiste nell’utilizzare gli output generati da un modello avanzato per addestrarne uno nuovo più piccolo o proprietario. Attraverso milioni di interrogazioni e risposte, un’organizzazione può costruire grandi dataset sintetici che consentono di replicare parte del comportamento del modello originale senza accedere direttamente alla sua architettura interna o ai suoi parametri. Negli ultimi anni la distillazione è diventata una delle tecniche più utilizzate nello sviluppo di modelli open source e commerciali, poiché permette di trasferire conoscenze da sistemi più avanzati a modelli meno costosi da eseguire.
Il problema è particolarmente rilevante nel contesto della competizione globale sull’intelligenza artificiale. Le aziende cinesi stanno investendo massicciamente nello sviluppo di modelli proprietari e l’accesso continuativo a sistemi di frontiera attraverso servizi cloud internazionali potrebbe teoricamente facilitare la generazione di dati sintetici utilizzabili per migliorare le prestazioni delle piattaforme locali. Anche senza copiare direttamente il modello originale, la possibilità di apprendere schemi di ragionamento, capacità conversazionali e comportamenti emergenti rappresenta una preoccupazione crescente per i fornitori occidentali.
Microsoft afferma di utilizzare sistemi automatici di monitoraggio per individuare utilizzi non consentiti dei modelli e vieta contrattualmente lo sfruttamento dei propri servizi per sviluppare prodotti concorrenti. Tuttavia, dal punto di vista tecnico, il controllo completo di tali pratiche è estremamente complesso. La generazione di dati sintetici può infatti avvenire attraverso workflow distribuiti, sistemi intermedi e processi di addestramento indiretti che risultano difficili da distinguere da normali utilizzi aziendali delle API.
La situazione evidenzia una delle principali sfide dell’attuale mercato dell’intelligenza artificiale. Da un lato i fornitori di modelli hanno interesse a espandere la diffusione globale delle proprie tecnologie attraverso infrastrutture cloud come Azure AI. Dall’altro, la stessa disponibilità di questi sistemi può contribuire alla crescita di ecosistemi concorrenti che utilizzano tecniche di distillazione, apprendimento sintetico e trasferimento delle conoscenze per sviluppare modelli alternativi. In questo scenario, il controllo dell’accesso ai modelli non dipende più soltanto dalla protezione del codice sorgente o dei pesi neurali, ma dalla capacità di gestire e monitorare l’utilizzo delle API che rappresentano oggi il principale punto di accesso all’intelligenza artificiale di frontiera.