OpenAI distribuirà i suoi servizi anche su Amazon e Google Cloud

Per quasi sette anni, se volevi usare i modelli di punta di OpenAI in un contesto aziendale, quasi inevitabilmente finivi su Azure, il cloud di Microsoft. Non era un caso: quando addestrare modelli di intelligenza artificiale avanzati richiedeva investimenti enormi in infrastrutture, OpenAI e Microsoft avevano stretto un patto che funzionava bene per entrambi. OpenAI otteneva la potenza di calcolo e i data center necessari, oltre a una via rapida per vendere i propri servizi alle grandi aziende. Microsoft, in cambio, si assicurava un accesso privilegiato alla tecnologia che avrebbe alimentato la sua nuova generazione di prodotti, da Copilot a Bing.

L'accordo che cambia tutto

Il 27 aprile 2026 questo equilibrio è stato riscritto. OpenAI e Microsoft hanno annunciato la fine dell'esclusiva cloud: OpenAI potrà ospitare e distribuire i propri servizi anche su altri grandi fornitori di infrastruttura, inclusi AWS di Amazon e Google Cloud. La notizia, però, non descrive una separazione netta. Secondo i termini dell'accordo, Microsoft resta il "primary cloud partner" — il fornitore principale — e quando possibile i prodotti OpenAI continueranno ad arrivare prima su Azure. C'è però una clausola chiave che lascia spazio di manovra: la priorità vale a meno che Microsoft non possa o scelga di non supportare le funzionalità necessarie.

Anche la struttura economica cambia. Microsoft non sarà più obbligata a versare una quota dei ricavi a OpenAI per l'uso dei suoi modelli, mentre OpenAI continuerà a riconoscere a Microsoft una revenue share — una percentuale sulle entrate — del 20% fino al 2030. La licenza sui modelli OpenAI, ora non esclusiva, resta attiva fino al 2032. In sostanza: OpenAI guadagna libertà operativa e una leva negoziale verso il resto del mercato; Microsoft trasforma un vantaggio storico in una rendita più stabile e in diritti di lungo periodo.

Perché la capacità fisica è il vero collo di bottiglia

Per capire il peso di questa mossa, bisogna guardare a cosa si intende concretamente per "capacità" nel mondo dell'AI. Non si tratta di algoritmi o idee, ma di risorse fisiche: GPU (le schede grafiche che fanno girare i modelli), data center, energia elettrica, disponibilità geografica. Più i modelli diventano potenti, più sono costosi da far funzionare, e più le aziende che li usano chiedono bassa latenza, continuità garantita e regole precise su dove vengono conservati i dati — un requisito che in settori come la finanza, la sanità o la pubblica amministrazione non è negoziabile.

Nel 2026, la pressione di capacità non è un'ipotesi accademica. La crescita dell'AI generativa ha trasformato la costruzione di data center in un problema di catena di approvvigionamento e di energia, più che di software. Secondo Canalys, nel quarto trimestre del 2024 AWS, Microsoft Azure e Google Cloud insieme hanno rappresentato circa il 64% della spesa globale in servizi cloud infrastrutturali. È un mercato molto concentrato, e l'AI lo rende ancora più strategico perché la domanda si sposta verso chi può garantire acceleratori e capacità in più regioni contemporaneamente.

La vera risorsa scarsa nell'AI non è il modello migliore, ma l'infrastruttura che lo rende disponibile

Cosa cambia per le aziende

Per chi usa ChatGPT sul proprio smartphone, l'impatto immediato è quasi nullo: l'esperienza quotidiana non cambia perché cambia la catena di fornitura sottostante. La differenza si sente invece dove l'AI viene acquistata come servizio da aziende e organizzazioni, all'interno di processi che devono funzionare senza interruzioni, spesso in più Paesi, con regole rigide su dove finiscono i dati.

Finora, per molte imprese l'accesso ai modelli OpenAI in chiave enterprise aveva una strada quasi obbligata: Azure OpenAI Service, con i suoi strumenti di gestione, reti private e integrazione con l'ecosistema Microsoft. L'esclusiva rendeva naturale — a volte inevitabile — costruire le proprie architetture su Azure se si voleva usare quella tecnologia. Da oggi la partita cambia: OpenAI può presentarsi a un cliente già standardizzato su AWS o Google Cloud senza chiedergli di spostare parte della propria piattaforma solo per accedere ai modelli e alle API.

Questo non significa che nascerà automaticamente una versione identica di ChatGPT su ogni cloud, almeno non nel breve periodo. Il rischio più concreto, nel mondo enterprise, è la frammentazione: policy di sicurezza diverse tra un cloud e l'altro, strumenti di audit non perfettamente sovrapponibili, requisiti sulla residenza dei dati che cambiano da Paese a Paese. Nelle aziende regolamentate, questa differenza non è un tecnicismo: è il confine tra possiamo adottarlo e non possiamo nemmeno sperimentarlo.

Amazon entra in gioco con gli agenti AI

Il giorno dopo l'annuncio con Microsoft, OpenAI e AWS hanno reso pubblica un'espansione della loro partnership: i modelli OpenAI arriveranno sui server di Amazon, con un elemento che va oltre il semplice "hosting". Al centro dell'accordo c'è la co-progettazione di una piattaforma per agenti AI — sistemi capaci di svolgere operazioni autonome su computer: cliccare, compilare moduli, eseguire flussi di lavoro, automatizzare processi su strumenti digitali. È un salto di livello rispetto alla semplice fornitura di un modello via API: si tratta di costruire uno strato software che orchestra azioni concrete.

Qui emerge un'implicazione meno visibile al grande pubblico ma centrale per chi segue la competizione tra i grandi fornitori cloud: nell'AI non vince più solo chi ha il modello migliore, ma chi controlla la distribuzione e l'integrazione nei processi. Microsoft ha già giocato questa carta con Copilot, portando l'AI dentro Windows, Microsoft 365 e i suoi strumenti aziendali. AWS ha una base clienti enorme nell'infrastruttura ed è spesso lo standard di riferimento per chi costruisce piattaforme digitali. Google Cloud, dal canto suo, dispone di hardware specifico per l'AI — le TPU, processori progettati appositamente per i carichi di lavoro AI — e ha investito molto su efficienza e disponibilità di acceleratori dedicati.

OpenAI può ora vendere i suoi modelli ai clienti già presenti su qualsiasi grande cloud

Tre obiettivi, una sola mossa

Per OpenAI, la libertà multi-cloud serve a tre obiettivi che si intrecciano. Il primo è operativo: più capacità, più resilienza. Se una regione è satura o un fornitore non riesce a consegnare abbastanza GPU, l'azienda non è costretta a rallentare il lancio di nuovi servizi. Il secondo è commerciale: poter vendere dove il cliente è già a casa riduce le resistenze e i tempi di adozione, soprattutto nelle grandi aziende che ragionano per standardizzazione. Il terzo è negoziale: quando non sei legato a un'unica piattaforma, la trattativa su prezzi, priorità e investimenti cambia tono.

Dal lato Microsoft, uscire dall'esclusiva non significa perdere il controllo sul valore generato. La clausola "ship first on Azure" — i nuovi modelli arrivano prima su Azure — mantiene una corsia preferenziale; la percentuale sui ricavi fino al 2030 monetizza la crescita di OpenAI indipendentemente da dove giri il carico; la licenza fino al 2032 garantisce l'accesso ai modelli in un orizzonte più lungo del normale ciclo tecnologico.

C'è anche una dimensione finanziaria da considerare. OpenAI si sta muovendo sempre più verso il profilo di una società infrastrutturale, con una possibile quotazione in borsa all'orizzonte. In quel contesto, dipendere da un singolo fornitore per la componente più critica — la capacità di calcolo — è un rischio che gli investitori tendono a valutare negativamente. La strategia multi-cloud riduce questa fragilità percepita, ma introduce un nuovo impegno: garantire parità di funzionalità e affidabilità su più piattaforme è un lavoro quotidiano fatto di contratti, ingegneria e gestione degli incidenti.

Nei prossimi mesi arriveranno nuovi modelli e nuove funzioni "agentiche" — la capacità di agire in autonomia su sistemi digitali. Se la priorità su Azure resterà la regola e l'eccezione sarà rara, Microsoft avrà trasformato l'esclusiva in preferenza senza perdere terreno significativo. Se invece la pressione di capacità o le esigenze regionali renderanno frequente il ricorso ad altri cloud, l'industria potrebbe scoprire che la vera unità di misura del potere nell'AI non è il modello, ma la catena di fornitura che lo rende disponibile dove e quando serve.