Il cantonese è parlato da oltre 80 milioni di persone, circa quante ne parlino il coreano, e più di quante ne parlino l’italiano o il thailandese. Eppure, quando si tratta di intelligenza artificiale, questa lingua resta ai margini di un settore dominato quasi interamente da inglese e mandarino. È da questo squilibrio che nasce Votee AI, startup di Hong Kong che sta sviluppando un modello AI per il cantonese capace di servire banche, università ed enti governativi, in un tentativo concreto di rompere il monopolio linguistico che oggi caratterizza i grandi modelli generativi.
Summary
Punti chiave
- I principali sviluppatori di AI — OpenAI, Anthropic, DeepSeek, Moonshot AI, Z.ai — hanno sede negli Stati Uniti o in Cina continentale e i loro modelli funzionano meglio in inglese e mandarino.
- Votee AI, con sede a Hong Kong, riaddestra modelli open-weight come Llama di Meta e Qwen di Alibaba usando dati in cantonese.
- Il corpus di dati cantonese dell’azienda è passato da 100 milioni a oltre 500 milioni di token.
- I modelli di Votee hanno circa 70 miliardi di parametri e sono stati addestrati con un budget di circa 250.000 dollari.
- L’azienda punta a espandersi nel Sud-est asiatico e ad applicare l’AI alla tutela delle lingue a rischio di estinzione.
Dominanza dell’inglese e del mandarino, e il vuoto lasciato al cantonese
La corsa all’intelligenza artificiale generativa si gioca quasi tutta in due lingue. Come sottolinea Pak-Sun Ting, CEO di Votee AI, “l’intera rivoluzione dell’AI è in inglese e mandarino”, mentre solo una frazione minima dei modelli rappresenta le altre lingue del mondo. Non è un caso: le aziende che guidano lo sviluppo dei grandi modelli linguistici hanno sede quasi esclusivamente negli Stati Uniti o in Cina continentale, e i loro sistemi riflettono naturalmente il contesto linguistico in cui sono stati creati.
Il cantonese paga il prezzo di questo squilibrio nonostante la sua diffusione. Ha una grammatica e un vocabolario distinti dal mandarino, e a Hong Kong si mescola spesso con l’inglese all’interno della stessa frase. Ting insiste sul fatto che non si tratta solo di una questione culturale: il cantonese è la lingua usata nell’istruzione, nella sanità e nelle comunicazioni di polizia. Se un sistema di intelligenza artificiale non riesce a gestirlo, diventa di fatto inutile per chi vive e lavora in quei contesti. Un banco di prova indipendente, HKCanto-Eval, sviluppato da ricercatori di Kyushu University e della Education University of Hong Kong con il supporto della community hon9kon9ize e lo sponsor di Votee, ha confermato che i modelli mainstream gestiscono il cantonese colloquiale a un livello accettabile, ma falliscono sistematicamente quando entrano in gioco riferimenti culturali e conoscenze locali.
Come Votee AI costruisce il suo modello AI per il cantonese
Costruire un modello AI per il cantonese, spiega Ting, significa percorrere praticamente gli stessi passi di un addestramento da zero: si parte da un modello open-source esistente, come Llama di Meta o Qwen di Alibaba, e si procede con un addestramento aggiuntivo basato su dati in cantonese.
Per costruire questo corpus cantonese per AI, Votee combina più fonti: lo scraping online, con contenuti prelevati anche da Radio Television Hong Kong, l’emittente pubblica della città, il contributo di community e università, il patrimonio informativo accumulato dalla precedente attività dell’azienda nel settore dei big data, e infine dati sintetici generati internamente. La somma di questi sforzi ha permesso di far crescere il corpus da 100 milioni a oltre 500 milioni di token, un salto significativo ma ancora minuscolo se paragonato alle quantità di testo disponibili in inglese.
Ed è proprio qui che emerge il vantaggio competitivo di Votee: i suoi modelli contano circa 70 miliardi di parametri, una dimensione molto più contenuta rispetto ai sistemi di punta del mercato. Ting sostiene però che siano comunque in grado di comprendere e ragionare in cantonese. Il vero punto di forza sta nei costi: l’azienda utilizza tra 500 milioni e 1 miliardo di token per l’addestramento, contro le migliaia di miliardi impiegati dai modelli in lingua inglese, per una spesa complessiva stimata in circa 250.000 dollari. Un numero che, se confermato su larga scala, apre la strada a uno sviluppo dell’AI per il cantonese sostenibile anche per aziende ed enti pubblici con budget limitati.
Perché conta: se lo sviluppo di un modello linguistico specializzato costa una frazione di quanto servirebbe per un sistema generalista, allora anche lingue con risorse digitali limitate — non solo il cantonese, ma decine di altre parlate regionali — potrebbero finalmente avere un accesso realistico all’intelligenza artificiale, senza dipendere esclusivamente dai colossi americani o cinesi.
AI sovrana, alleanze tecnologiche e piani di espansione in Asia
Il progetto di Votee si inserisce in una tendenza più ampia, quella della cosiddetta AI sovrana: l’idea che governi e aziende debbano possedere i propri dati, modelli e infrastrutture, invece di affittarli da fornitori stranieri. “L’AI è diventata un bisogno così essenziale che non si vuole essere legati a qualcun altro che può semplicemente spegnerla”, osserva Ting, ammettendo però con franchezza che realizzare l’idea in versione integrale — possedere ogni anello della catena produttiva dell’AI — è “molto difficile”. La sua proposta più realistica è che i governi si concentrino sul possesso dei modelli di base e delle applicazioni costruite sopra di essi.
Non serve un modello al livello della frontiera tecnologica per automatizzare compiti amministrativi specifici: secondo Ting, anche un modello con appena 1 miliardo di parametri può bastare, oppure si può far transitare l’output di un modello potente in inglese o cinese attraverso un livello più piccolo e localizzato. Votee, dal suo lato, collabora con più fornitori di modelli e hardware — tra cui MiniMax, SenseTime, Nvidia, Moonshot e DeepSeek — in quello che Ting descrive come la posizione di “quello che al liceo è amico di tutti”.
Questa apertura contrattuale è anche il motore economico dell’azienda: Ting afferma che Votee è profittevole nel senso che i ricavi superano i costi, sostenuta soprattutto da contratti con clienti istituzionali. Tra i sostenitori figura anche Allan Zeman, il magnate di Hong Kong noto per aver contribuito allo sviluppo del distretto della vita notturna di Lan Kwai Fong, ora advisor della startup.
Guardando avanti, Votee è in discussioni attive con AI Singapore per un’espansione IA in Asia, con l’obiettivo dichiarato di estendersi nel Sud-est asiatico. Ting vuole inoltre applicare la stessa logica alla tutela delle lingue a rischio di estinzione in regioni come l’Asia orientale, il Nord America e l’Africa. Il paragone che usa è quello della macchina da scrivere: un guadagno di produttività così grande che le persone finiscono per abbandonare la propria lingua per adottarne un’altra. Che un modello da 70 miliardi di parametri possa invertire questa dinamica resta da vedere, ma l’obiettivo di Votee è dare al cantonese — e potenzialmente a molte altre lingue trascurate — una possibilità concreta in un ecosistema costruito quasi esclusivamente attorno a inglese e mandarino.
FAQ
Perché Votee AI si concentra sul cantonese per lo sviluppo di modelli AI?
Perché il cantonese, parlato da oltre 80 milioni di persone, circa quante ne parlino il coreano, è significativamente diverso dal mandarino e poco servito dall’intelligenza artificiale, con ripercussioni su settori come istruzione e sanità.
Come costruisce Votee AI i suoi modelli AI per il cantonese?
Votee AI riaddestra modelli open-weight di sviluppatori come Meta usando dati in cantonese raccolti tramite scraping, fonti della community, università e dati sintetici generati internamente.
Cos’è l’AI sovrana e come si collega a Votee AI?
L’AI sovrana è il principio secondo cui governi e aziende dovrebbero possedere i propri dati, modelli e infrastrutture di intelligenza artificiale. Votee AI supporta questo approccio localizzando i modelli per il cantonese e collaborando con partner locali e internazionali.
Quali sono i piani di espansione regionale di Votee AI?
Votee AI è in discussioni attive con AI Singapore e prevede di espandersi nel Sud-est asiatico, oltre a esplorare l’uso dell’intelligenza artificiale per proteggere le lingue a rischio di estinzione a livello globale.
Contenuto realizzato con l’assistenza dell’intelligenza artificiale e con revisione editoriale umana.
