La pressione sulle catene di fornitura dell’elettronica non è una novità, ma l’esplosione dell’intelligenza artificiale sta portando il fenomeno su un piano diverso. La notizia, arrivata da rapporti di settore, è che i tempi di consegna (lead time) per schede a circuito stampato (PCB) e componenti passivi — condensatori, resistenze, induttori — si stanno allungando in modo strutturale, spinti dalla domanda di server, acceleratori e sistemi di alimentazione per i carichi di lavoro AI. Non si tratta di un picco temporaneo: si profila una “nuova normalità” con finestre di approvvigionamento più lunghe, che ridisegna i vincoli per chi costruisce hardware in-house.

Il boom dell’AI, trainato dai Large Language Models e dai cluster di training, ha generato un’impennata nella richiesta di PCB ad alta densità e componenti passivi di potenza. Ogni rack di GPU richiede schede madri complesse, moduli di regolazione della tensione, condensatori per il filtraggio dei segnali ad alta frequenza. L’effetto a catena si propaga a monte: i produttori di laminati, i fornitori di rame e i costruttori di macchinari per assemblaggio faticano a stare al passo. E la concentrazione della capacità produttiva — spesso localizzata in Asia — amplifica la vulnerabilità.

Per le aziende che valutano deployment on-premise di infrastrutture AI, l’allungamento dei lead time ha conseguenze concrete. Chi pianifica l’acquisto di server o la costruzione di cluster interni deve mettere in conto mesi aggiuntivi di attesa, con un impatto diretto sul TCO: più lungo è il ciclo di approvvigionamento, più alto il costo-opportunità e il rischio di obsolescenza tecnicica. I progetti on-premise, già alle prese con vincoli di spazio, alimentazione e raffreddamento, si trovano ora a fronteggiare anche la scarsità di componenti “banali” ma indispensabili.

Questo scenario premia i grandi hyperscaler e gli integratori di sistema che hanno contratti pluriennali e volumi tali da garantirsi priorità nelle allocazioni. I piccoli operatori, i laboratori di ricerca e le startup che scommettono sul self-hosted rischiano invece di restare in coda, con tempi dilatati che rendono l’opzione cloud ancora più allettante nel breve periodo, nonostante le preoccupazioni su sovranità dei dati e costi operativi crescenti.

Un possibile effetto di secondo ordine è la ricerca di architetture alternative: schede più modulari, componentistica “su misura” per l’AI che riduca la dipendenza dai passivi standard, o il ritorno a pratiche di over-provisioning e stockpiling — con il paradosso di aggravare ulteriormente le carenze. Alcuni produttori potrebbero investire in nuove linee di produzione, ma i tempi di ritorno per impianti di fabbricazione PCB sono lunghi, e l’incertezza sulla domanda futura frena gli investimenti.

In definitiva, la “nuova normalità” dei lead time è un segnale che l’AI non è solo una rivoluzione software, ma sta rimodellando l’intera filiera hardware. Per chi costruisce infrastrutture on-premise, la sfida si sposta dalla scelta dei modelli alla gestione strategica della catena di fornitura, un terreno dove la scala conta più che mai.