Il cuore della catena produttiva dell’hardware per AI batte nei cleanroom di Veldhoven. ASML sta lavorando per ridurre di circa un terzo il tempo necessario a costruire e collaudare le sue macchine per litografia ultravioletta estrema, le stesse che permettono di incidere i chip a nodi avanzati su cui girano modelli LLM e sistemi di training distribuito.

La notizia arriva dal CFO Roger Dassen, che mercoledì ha parlato di un ciclo produttivo – dalle fasi iniziali in camera bianca alla spedizione – attestato attorno alle 22 settimane fino a pochi trimestri fa. L’obiettivo ora è comprimerlo in modo significativo, aumentando la capacità di output senza necessariamente costruire nuovi stabilimenti.

L’accelerazione non è un dettaglio tecnico per addetti ai lavori: le macchine EUV di ASML restano il principale collo di bottiglia a monte della produzione di GPU, acceleratori e chip custom per AI. Senza un flusso più rapido di questi strumenti, ogni previsione di crescita dell’offerta di silicio avanzato rischia di restare teorica.

Perché l’EUV è il vero gatekeeper dell’AI on-premise

Quando un’azienda valuta un deployment on-premise per LLM, i fattori che entrano nell’analisi del TCO sono molteplici: costo delle GPU, consumo energetico, tempi di procurement. Meno visibile, ma strutturale, è la dipendenza da una tecnicia che ha un unico fornitore e un lead time che oggi si misura in mesi. Le macchine EUV sono essenziali per i nodi a 7 nm e inferiori, dove vengono fabbricati praticamente tutti i chip per inference e training su larga scala: dalle NVIDIA H100 alle soluzioni custom di Google e Amazon.

Un taglio della durata del ciclo produttivo del 30% non moltiplica magicamente il numero di GPU sul mercato nel breve periodo, ma sposta il vincolo. Se ASML consegna più macchine in meno tempo, i produttori di chip possono pianificare espansioni di capacità con maggiore certezza. E, in un settore dove le scorte vengono assorbite in poche settimane, la certezza della fornitura è un asset che si trasferisce a valle, fino ai rack che popolano i datacenter on-premise.

Questo cambiamento ha anche un impatto di secondo ordine sulle strategie di procurement. Le imprese che oggi rimandano investimenti in infrastruttura AI per via dei tempi di attesa della componentistica potrebbero rivedere i piani se il messaggio di ASML si concretizza in un flusso più stabile. Non si tratta di un beneficio immediato, ma di un segnale che la catena di approvvigionamento sta iniziando a rispondere alla pressione della domanda, anziché subirla passivamente.

Resta il fatto che il collo di bottiglia potrebbe semplicemente spostarsi: più macchine EUV significano più wafer, ma servono anche capacità di packaging avanzato, memoria HBM e substrati. E sono tutti anelli su cui l’industria sta già correndo. L’accelerazione promessa da ASML non è una bacchetta magica, ma è il tipo di mossa che, se confermata, rende meno aleatoria la pianificazione di chi vuole portare l’AI dentro i propri confini.