Per mesi gli analisti hanno osservato il settore manifatturiero asiatico chiedersi se la ripresa post-pandemia fosse sostenibile. A giugno la risposta è arrivata, e porta la firma dell’intelligenza artificiale: chip, server e apparati per data center continuano a riempire i libri ordine, compensando in parte la frenata di altri comparti. I dati pubblicati questa settimana dai sondaggi sui direttori acquisti (PMI) mostrano una crescita robusta nel quadrante tech, ma il framework complessivo è reso più cupo da un fattore geopolitico: la guerra in Iran. L’inasprirsi del conflitto sta già spingendo al rialzo i costi energetici e allungando le rotte di trasporto nell’intera regione, un nodo che non risparmia chi produce né chi acquista hardware per l’AI.

La fabbrica asiatica, cuore pulsante della componentistica elettronica mondiale, si trova così a dover gestire una pressione doppia: da un lato l’accelerazione degli ordini per infrastrutture di calcolo, dall’altro l’aumento delle tariffe elettriche e dei noli marittimi. Chi segue il mercato dei Large Language Models (LLM) sa bene che l’intera catena di fornitura – dalle GPU alle memorie HBM, dai server agli apparati di raffreddamento – è concentrata in pochi hub regionali. Qualunque strozzatura si riflette direttamente sulla disponibilità di macchine per inference e training, due attività che negli scenari on-premise richiedono hardware specifico, spesso acquistato con mesi di anticipo.

Per le organizzazioni che stanno valutando deployment self-hosted – spinte da esigenze di sovranità dei dati, controllo dei costi operativi o conformità a regolamenti come il GDPR – la notizia arriva come un campanello d’allarme. I tempi di approvvigionamento di GPU e sistemi bare-metal potrebbero allungarsi ancora, mentre i costi energetici lievitano in bolletta. Non è un dettaglio: il TCO (Total Cost of Ownership) di un cluster on-premise per LLM dipende in buona parte dal costo di capitale (CapEx) e dall’energia consumata nell’arco di vita della macchina. Ritardi nella consegna e rincari dell’elettricità possono spostare gli equilibri del business case, rendendo più competitive alcune offerte cloud persino per carichi di lavoro che oggi si vorrebbero mantenere in casa.

Eppure, la domanda di hardware AI non rallenta. Il paradosso è che proprio le tensioni geopolitiche e i colli di bottiglia logistici stanno accelerando la ricerca di indipendenza tecnicica. Aziende e governi guardano con crescente interesse all’accumulo di capacità di calcolo locale, per non rimanere intrappolati in catene di fornitura sempre più fragili. Il fenomeno non riguarda solo le hyperscaler che riempiono i data center, ma anche le imprese di medie dimensioni che iniziano a esplorare il fine-tuning di modelli su scala ridotta ma con dati proprietari.

In questo scenario, la capacità di leggere i segnali provenienti dai mercati asiatici diventa una competenza strategica. Un singolo mese di produzione in più o in meno nelle fonderie taiwanesi o negli stabilimenti di assemblaggio del Sud-est asiatico può fare la differenza tra un deployment puntuale e un progetto rinviato. AI-RADAR continuerà a monitorare l’evoluzione della supply chain perché, quando si parla di AI on-premise, il primo anello della catena è spesso l’ultimo a essere considerato, ma quello che determina tutto il resto.