Il boom dell’AI e la fame di banda

La costruzione di nuovi data center dedicati all’intelligenza artificiale sta accelerando a ritmi senza precedenti. Ogni cluster di GPU per il training o l’inference di Large Language Models richiede reti di interconnessione capaci di trasferire enormi volumi di dati con latenza minima. Gli interconnettori ottici — transceiver, modulatori e multiplexer basati su fotonica integrata — sono ormai un tassello irrinunciabile per collegare schede, rack e interi nodi di calcolo. Mentre le connessioni in rame dominano a livello di chip (NVLink, Infinity Fabric), il rame perde efficacia su distanze superiori a pochi metri: qui entrano in gioco le fibre ottiche e i componenti optoelettronici. La domanda, trainata dai principali hyperscaler ma anche da aziende che implementano infrastrutture on-premise per motivi di sovranità dei dati o di controllo del TCO, sta mettendo sotto pressione l’intera filiera.

Wafer di fosfuro di indio: perché i 6 pollici contano

Il fosfuro di indio (InP) è il semiconduttore composto di elezione per realizzare laser, amplificatori ottici e modulatori ad alta velocità, grazie alla sua banda proibita diretta e alla capacità di operare nelle finestre di attenuazione minima delle fibre (1310 nm e 1550 nm). Rispetto ai wafer di silicio, quelli in InP presentano però una lavorazione più delicata e costosa. L’industria sta cercando di passare dai tradizionali substrati da 4 pollici a quelli da 6 pollici per aumentare la resa per lotto e ridurre il costo unitario dei chip. Il processo produttivo a 6 pollici, tuttavia, richiede impianti specializzati e una catena di fornitura ancora immatura. Secondo quanto emerge dal report di DIGITIMES, proprio questa transizione sta incontrando un “muro” di capacità: i pochi fornitori globali non riescono a soddisfare la domanda crescente, generando allungamenti nei tempi di consegna e tensioni sui prezzi.

Ripercussioni per chi progetta infrastrutture AI on-premise

Per un’organizzazione che valuta di schierare un cluster AI self-hosted — che sia per questioni di privacy, compliance GDPR o semplicemente per trattenere know-how — gli interconnettori ottici rappresentano una voce di costo e di pianificazione spesso sottovalutata. Un singolo armadio di GPU può richiedere decine di transceiver, e gli switch ad alta capacità non sono immuni dai ritardi nella disponibilità dei componenti ottici. In uno scenario in cui i tempi di approvvigionamento si allungano, i project manager devono fare i conti con rischi di posticipo del go-live e con potenziali rincari. Non è un problema che riguarda solo i grandi cloud provider: anche le implementazioni on-premise, specialmente quelle che puntano a soluzioni comparabili per densità di calcolo (ad esempio rack con architettura NVLink e InfiniBand su fibra), sono esposte al medesimo collo di bottiglia. Chi oggi sta valutando un acquisto potrebbe trovarsi nella necessità di bloccare ordini con largo anticipo o di considerare tecnicie alternative ancora in fase di validazione.

Oltre il muro: alternative e prospettive

Il settore non sta a guardare. Da un lato, la ricerca su processi InP a 6 pollici procede e alcuni attori stanno aumentando la capacità produttiva; dall’altro, tecnicie concorrenti come la fotonica su silicio (silicon photonics) guadagnano terreno, pur con limiti di prestazioni nelle applicazioni più esigenti (potenza ottica, rumore). Soluzioni ibride che combinano InP e silicio potrebbero rappresentare un compromesso, ma richiedono tempi di sviluppo. Nel frattempo, l’effetto rete rischia di frenare l’espansione dei data center AI proprio mentre la domanda di potenza di calcolo cresce a doppia cifra. Per i decisori IT, la lezione è chiara: la pianificazione delle risorse hardware per l’AI deve includere un’attenta valutazione della supply chain ottica, un elemento tanto strategico quanto i processori. Sul fronte dei costi, è plausibile un aumento del TCO a breve termine, ma la standardizzazione dei wafer da 6 pollici potrebbe portare, in futuro, a economie di scala oggi precluse.