DRAM alle stelle: PSMC aumenta i prezzi del 45%, la corsa all’AI si scontra con i costi della memoria

PSMC ha scosso il mercato delle memorie con un rincaro secco del 45% sulle sue fonderie DRAM. Non è un aggiustamento marginale: è il segnale di una tensione strutturale che la domanda di intelligenza artificiale sta imprimendo su tutta la filiera dei semiconduttori. La società taiwanese, attiva nella produzione di chip di memoria per conto terzi, ha comunicato l’aumento nel momento in cui lancia la divisione “3D AI Foundry”, con l’obiettivo dichiarato di portarla al 20% del fatturato complessivo. Un doppio messaggio che ridefinisce le coordinate di chi costruisce infrastrutture per Large Language Models, in particolare chi le mette on-premise.

Dietro il 45% c’è molto più di un rialzo tattico. Le DRAM sono un componente invisibile ma onnipresente nei server che ospitano LLM: stiamo parlando della memoria di sistema che affianca le GPU e ne condiziona le prestazioni complessive, non solo dell’HBM incollato ai processori. Quando si caricano modelli in VRAM, la DRAM di sistema agisce da buffer ed è fondamentale nelle fasi di pre-processing dei dati e di orchestrazione dei carichi di lavoro. Un costo aggiuntivo così marcato incide direttamente sul Total Cost of Ownership di un cluster on-premise, dove ogni nodo non è solo GPU ma anche decine di gigabyte di RAM. Per chi ha già preventivato l’acquisto di nuove macchine, l’aumento si traduce in un esborso imprevisto; per chi deve ancora decidere, alza la soglia minima di investimento e rende più difficile la giustificazione economica rispetto alle soluzioni cloud.

Ma la storia non finisce qui. La seconda gamba dell’annuncio, la 3D AI Foundry, punta dritto al cuore dell’attuale evoluzione architetturale dei chip per AI. Packaging 3D, interposer avanzati, integrazione di memoria e logica su più livelli: sono tecnicie che promettono di aumentare la banda di memoria riducendo i consumi, proprio ciò che serve per sostenere modelli sempre più grandi senza far esplodere i costi energetici. PSMC non è da sola: altri player della fonderia stanno investendo su linee dedicate all’AI, e questo segmento a sé stante potrebbe nel medio termine calmierare i prezzi dei componenti più avanzati. Ma il passaggio non è immediato. Nell’arco dei prossimi dodici-diciotto mesi, la pressione sui costi della memoria tradizionale resterà alta, trainata non solo dall’AI ma anche dal rimbalzo ciclico del mercato dopo un lungo periodo di prezzi depressi.

Chi vince e chi perde in questo scenario? I grandi fornitori cloud hanno contratti a lungo termine e volumi tali da assorbire meglio gli scossoni, anche se qualcosa scaricheranno sui clienti. Le aziende che hanno scelto di mantenere i propri carichi di lavoro AI in-house, spinte da esigenze di sovranità dei dati o di controllo totale, subiscono invece l’impatto pieno. Per loro, ogni incremento di costo della DRAM è un colpo diretto al budget, senza le possibilità di diluizione di un hyperscaler. E questo potrebbe innescare un ripensamento: quantizzare modelli fino a livelli estremi (INT4, INT8) diventa non più un esercizio di ottimizzazione ma una necessità economica. Allo stesso modo, l’adozione di tecniche di memory offloading o di architetture CPU-centriche potrebbe guadagnare slancio in contesti dove la GPU a tutti i costi non è più sostenibile.

C’è un’implicazione di terzo ordine che merita attenzione: la divaricazione tra chi può permettersi hardware all’avanguardia e chi invece resta indietro rischia di approfondirsi, esattamente quando si moltiplicano le norme sulla protezione dei dati che spingono verso il self-hosting. Un paradosso regolatorio che potrebbe obbligare le imprese a cercare compromessi complessi, ad esempio mantenendo il fine-tuning e l’inference on-premise ma usando modelli più piccoli o distillati, con tutte le sfide di qualità che questo comporta.

La mossa di PSMC, in definitiva, non riguarda solo un listino. Racconta di un ecosistema AI che sta diventando sempre più affamato di risorse, in cui la memoria è il nuovo oro e le fonderie stanno riorganizzando le proprie strategie per intercettare questo flusso di valore. Per chi costruisce infrastrutture on-premise, il messaggio è un campanello d’allarme: il costo reale dell’AI non è mai solo il prezzo delle GPU, e ogni anello della catena di fornitura può trasformarsi in un collo di bottiglia finanziario. Nel breve, la strada è quella dell’efficienza a forza di quantization e pruning; nel medio, forse, l’arrivo di soluzioni di memoria integrata cambierà di nuovo le carte in tavola.