Il boom dell’AI è trainato da due lingue: inglese e cinese mandarino. I principali sviluppatori di AI—OpenAI, Anthropic, DeepSeek, Moonshot AI, Z.ai e altri—hanno quasi tutti sede negli Stati Uniti o nella Cina continentale e, di conseguenza, i loro modelli rendono meglio nelle rispettive lingue native. Questo lascia in secondo piano innumerevoli altre lingue e dialetti, anche quelli parlati da decine di milioni di persone.

“L’intera rivoluzione dell’AI è in inglese e mandarino”, afferma Pak-Sun Ting, CEO di Votee AI, una startup con sede a Hong Kong che punta a costruire modelli di AI per il cantonese e altre lingue trascurate. “C’è solo una piccolissima frazione che rappresenta le altre lingue.”

Votee è una delle numerose aziende in crescita che cercano di affrontare la trascuratezza dell’AI verso le altre lingue. Utilizza modelli open-weight di sviluppatori come Meta e Alibaba, li ritraina su dati in cantonese e vende il risultato a banche, università e dipartimenti governativi. In pratica, questo è rilevante perché gli utenti che hanno più probabilità di aver bisogno del supporto in cantonese lavorano spesso in contesti a contatto con il pubblico, dove la gestione accurata della lingua locale può incidere sulle operazioni quotidiane e non solo sulla conversazione informale.

“Non si tratta solo di cultura. Il cantonese è usato nell’istruzione, nella sanità e nelle comunicazioni della polizia”, afferma Ting. “Se questi ambiti non vengono coperti, allora l’AI è essenzialmente inutile.”

In cosa il cantonese è diverso

Il cantonese viene spesso definito un “dialetto” del cinese, ma questa etichetta sminuisce quanto sia diverso dal mandarino, la variante più parlata della lingua cinese. Il cantonese usa una grammatica diversa dal mandarino, oltre a un lessico diverso, soprattutto nella città di Hong Kong, dove i parlanti spesso alternano parole inglesi e cantonese, talvolta nella stessa frase.

Oltre 80 milioni di persone parlano cantonese, un numero grosso modo equivalente a quello dei parlanti di coreano e superiore a quello dei parlanti di italiano o tailandese. Tuttavia, questa ampia base di parlanti non ha prodotto un bacino altrettanto profondo di dati scritti standardizzati, in particolare per il cantonese colloquiale.

I modelli più avanzati non sono del tutto inutili nel gestire il cantonese. HKCanto-Eval — una serie di benchmark sviluppata da ricercatori della Kyushu University, della Education University of Hong Kong e della comunità locale di AI hon9kon9ize, e sponsorizzata da Votee — segnala che, pur riuscendo a gestire il cantonese quotidiano a un livello ragionevole, i modelli mainstream falliscono regolarmente quando si tratta di conoscenze culturali e locali.

Addestrarlo a basso costo

Ting afferma che costruire un LLM in cantonese è “essenzialmente fare gli stessi passaggi che faresti addestrando un modello da zero”, prendendo un modello open source esistente, come Llama di Meta o Qwen di Alibaba, e svolgendo ulteriore addestramento con dati in cantonese.

Votee ottiene i propri dati in cantonese dallo scraping online, incluso il contenuto di Radio Television Hong Kong (RTHK), il servizio pubblico radiotelevisivo della città. La startup riceve inoltre dati dalla comunità e dalle università, attinge contenuti dalla sua precedente attività come società di big data e utilizza dati sintetici, creando propri set di dati in cantonese per addestrare il modello.

Nel complesso, questi sforzi hanno fatto crescere il corpus di dati in cantonese da 100 milioni di token a oltre 500 milioni.

I modelli di Votee AI hanno dimensioni di circa 70 miliardi di parametri, significativamente inferiori rispetto ai migliori modelli sul mercato. Ciononostante, Ting afferma che sono abbastanza capaci da comprendere e ragionare in cantonese. Ancora più importante, i costi di addestramento di Votee, pur non essendo trascurabili, restano significativamente inferiori a quelli dei laboratori di frontiera. Ting stima che l’azienda utilizzi tra 500 milioni e 1 miliardo di token per addestrare i propri modelli, rispetto ai trilioni usati per i modelli in lingua inglese, a un costo di circa $250,000.

AI sovrana

Diversi gruppi stanno lavorando per costruire modelli per quelle che vengono definite “lingue a basse risorse”, cioè lingue che non dispongono di un enorme corpus di opere pubblicate alle spalle. Indosat, la seconda maggiore società di telecomunicazioni dell’Indonesia, sta costruendo Sahabat AI, un large language model open source incentrato su lingue indonesiane come il Bahasa. La AI Singapore sostenuta dallo Stato gestisce SEA-LION, che copre 11 lingue del Sud-Est asiatico con risorse limitate. La Corea del Sud è andata oltre, organizzando un torneo a eliminazione sponsorizzato dallo Stato, ribattezzato dai media locali “AI Squid Game”, per selezionare i campioni nazionali dei foundation model domestici, sostenuti da un budget AI 2026 di circa $6.8 billion.

Tutto questo rientra sotto l’ombrello dell’“AI sovrana”, cioè l’idea che governi e aziende vorranno possedere i propri dati, modelli e infrastrutture, invece di noleggiarli dall’estero.

“L’AI è diventata un bisogno essenziale, quindi non vuoi essere legato a qualcun altro che può spegnerla”, afferma Ting. Ammette apertamente che la versione completa dell’idea di AI sovrana, in cui i Paesi possiedono ogni parte della filiera dell’AI, è “molto difficile”. Suggerisce invece che i Paesi si concentrino sul possesso dei foundation model e delle applicazioni costruite sopra di essi.

In generale, i governi non hanno bisogno di un modello potente quanto quelli di frontiera per automatizzare alcune attività; Ting spiega che un modello piccolo, anche con appena 1 miliardo di parametri, può essere adatto a questi scopi. Se i governi necessitano di capacità più avanzate, possono instradare l’output di un potente modello in inglese o in cinese attraverso un output più piccolo in lingua locale.

Ting osserva che l’azienda lavora con i modelli di MiniMax e SenseTime e può utilizzare chip Nvidia nelle proprie operazioni. “Possiamo usare chip Nvidia, possiamo usare il modello di Moonshot o DeepSeek”, afferma. “Siamo quella persona al liceo che è amica di tutti.”

Nonostante il discorso di Ting sulla conservazione, Votee è un’azienda a scopo di lucro. I governi e le aziende sono i primi clienti per un modello AI in una lingua come il cantonese o il Bahasa. Ting afferma che Votee è redditizia “nel senso che i nostri ricavi superano i nostri costi”, finanziata in larga parte tramite contratti con i clienti. La startup annovera ora tra i suoi consulenti Allan Zeman, il tycoon di Hong Kong responsabile dello sviluppo della zona della vita notturna di Lan Kwai Fong.

Le ambizioni di Votee non si limitano a Hong Kong. Ting afferma che la startup è in “trattative attive” con AI Singapore, l’iniziativa di ricerca sull’AI del Paese, e poi prevede di espandersi ulteriormente nel Sud-Est asiatico. Oltre a ciò, Ting vuole esplorare l’uso dell’AI per proteggere le lingue a rischio di estinzione in regioni come l’Asia orientale, il Nord America e l’Africa.

Ting definisce ciò che l’AI in lingua inglese sta facendo alle altre lingue un “momento della macchina da scrivere”, un guadagno di produttività così grande che le persone abbandonano la propria lingua per ottenerlo. “Le persone adotteranno l’inglese semplicemente perché la produttività della macchina da scrivere è così forte rispetto alla loro lingua”, afferma.

Resta da vedere se un modello cantonese da 70 miliardi di parametri cambierà questa situazione. Ma Ting è ancora motivato dal desiderio di dare alle altre lingue una possibilità di competere in un mondo dominato dall’AI in inglese e cinese mandarino.

“Ogni lingua che muore, perdi un altro modo di vedere il mondo”, afferma. “Potrebbe semplicemente essere conservata in un museo, dove la puoi in qualche modo vedere. Ma possiamo anche sbloccare molta nuova saggezza.”

Pak-Sun Ting parlerà al Fortune Leaders Forum, che si terrà a Macau l’8 Sep.

Questa storia è apparsa originariamente su Fortune.com