Quando un produttore di memorie supera in pochi mesi il fatturato dell’intero anno precedente, il mercato si ferma ad ascoltare. È quanto emerge dai conti di ADATA: l’azienda taiwanese ha già incassato più di quanto previsto per l’intero 2025, cavalcando quella che gli analisti chiamano una supercorsa delle memorie. Niente di nuovo per chi segue il settore: DRAM e NAND viaggiano a cicli, e chi produce hardware AI on-premise sa che quei cicli mordono quando si compilano i preventivi.

Il termine "supercycle" non è marketing. Indica una fase in cui la domanda supera l’offerta in modo strutturale, spinta non da una bolla passeggera ma da vettori persistenti: data center sempre più affamati, carichi di lavoro per il training di LLM, inference distribuita e infrastrutture edge. Il risultato è un aumento dei prezzi unitari che si propaga a monte e a valle, fino a toccare chi assembla server per l’AI on-premise.

Il costo nascosto dell’indipendenza hardware

Per le organizzazioni che scelgono di tenere i modelli in casa – per sovranità dei dati, controllo dei costi operativi o vincoli di latenza – il costo della memoria non è una voce teorica. È una delle componenti più volatili del TCO. In un cluster di GPU, la VRAM determina la dimensione massima del modello che si può servire senza ricorrere alla quantization estrema o allo swapping su disco. E la memoria di sistema (DRAM) condiziona la capacità di parallelizzare il preprocessing, il serving di più modelli e il throughput complessivo.

Con il superciclo in pieno svolgimento, chi stava valutando un investimento in un parco macchine per fine-tuning o inference self-hosted si trova davanti a un bivio: anticipare gli ordini per bloccare i prezzi, accettando l’onere finanziario immediato, oppure posticipare sperando in una normalizzazione. La prima opzione mette sotto pressione il capitale circolante; la seconda può dilatare i tempi di progetto e, nel frattempo, spingere verso un ripiego sul cloud.

È qui che il superciclo tocca il nervo scoperto della strategia on-premise. Il cloud, con i suoi contratti a consumo e la possibilità di scalare al rialzo senza immobilizzare asset, appare meno esposto alle oscillazioni del prezzo delle commodity hardware. Almeno nel breve periodo, il margine di convenienza del self-hosted si assottiglia, perché i fornitori cloud possono negoziare volumi e smussare l’impatto dei rincari. Non è un argomento per abbandonare l’on-premise, ma un promemoria: la sovranità dei dati ha un prezzo d’ingresso che varia, e chi la persegue deve includere la ciclicità delle memorie nei propri modelli di costo.

In controluce si intravedono anche dinamiche industriali di secondo ordine. I produttori di memorie, con ADATA in prima fila, investono in capacità produttiva solo quando il superciclo è già in corso, il che significa che il mercato rimane forniture-contratto per almeno 18-24 mesi. Per gli hyperscaler questo è gestibile; per una media azienda o un laboratorio di ricerca che vuole mantenere i propri dati localmente, può tradursi in ritardi sulle consegne e poca trasparenza sui prezzi.

C’è un segnale strutturale importante: la crescita esplosiva dei ricavi di ADATA non è solo l’effetto di una congiuntura favorevole. È il sintomo di un’economia dell’AI che sta diventando sempre più dipendente dalla materia prima più semplice e più critica: i bit che tengono in vita i modelli. Mentre l’industria discute di architetture transformer, quantization a 4 bit e tecniche di pruning, il costo della RAM fisica ridefinisce i confini di ciò che è praticabile localmente.

Per chi valuta deployment on-premise, esistono trade-off oggi più che mai legati alla supply chain delle memorie. AI-RADAR esplora questi nodi nella sezione dedicata ai framework analitici su /llm-onpremise, dove l’analisi del TCO non si ferma al prezzo delle GPU ma include memoria, storage e consumi energetici. La supercorsa in corso ricorda che l’hardware non è un costo statico: è una variabile strategica che balla al ritmo dei cicli industriali. Ignorarla significa costruire piani di adozione AI su fondamenta che possono cambiare prima ancora di aver messo a regime il primo server.