IBM ha gettato un sasso nello stagno della microelettronica dichiarando di aver messo a punto la prima tecnicia a transistor sotto la soglia del nanometro: un nodo a 0,7 nm, o 7 ångström. L’annuncio arriva in un momento in cui l’industria dei semiconduttori spinge da anni verso quella frontiera, ma sa bene che ormai i nomi dei nodi raccontano solo una parte della storia. La notizia, riportata da The Next Web, va maneggiata con la cura di chi conosce i trucchi del marketing dei chip.

La soglia psicologica dell’ångström

Per decenni il nanometro è stato l’unità di misura con cui abbiamo scandito il progresso dei transistor. Scendere sotto 1 nm significa entrare nel dominio degli ångström (10 Å = 1 nm) e affrontare sfide fisiche dove gli effetti quantistici non sono più trascurabili. IBM, da sempre attiva nella ricerca di base sui semiconduttori, presenta questa architettura come un dimostratore di ciò che è possibile spingendo al limite i materiali e le geometrie dei gate. L’azienda non ha diffuso dettagli sul processo litografico impiegato, né su eventuali partner produttivi, ma il semplice fatto di rivendicare un transistor funzionante a 7 Å basta ad agitare il settore.

Perché «0,7 nm» non è una misura fisica

Da quando i nodi hanno smesso di corrispondere alla lunghezza effettiva del gate, nomi come «5 nm» o «3 nm» sono diventati etichette di marketing che indicano un miglioramento generazionale di densità e prestazioni, non una dimensione reale. Lo stesso vale per 0,7 nm: non significa che ogni transistor misuri sette decimi di nanometro, ma che il salto tecnicico promette un balzo in termini di efficienza energetica e di transistor impacchettabili per millimetro quadrato. È un gioco di specchi che IBM stessa conosce bene, avendo contribuito a introdurre tecnicie come i transistor Gate-All-Around (GAA) e le architetture nanosheet, spesso anticipate in laboratorio anni prima di arrivare nei prodotti commerciali.

Cosa cambia per chi guarda all’hardware on-premise

Per chi oggi progetta infrastrutture di calcolo auto-ospitate – pensiamo a cluster per inference di LLM o a server per fine-tuning di modelli – ogni progresso nella densità dei transistor si traduce, sulla carta, in una doppia promessa: consumi ridotti a parità di carico e maggiore capacità di calcolo nello stesso ingombro fisico. In uno scenario on-premise, dove i vincoli di spazio, raffreddamento e TCO sono stringenti, chip realizzati con processi più avanzati possono fare la differenza nel medio periodo. Tuttavia, fra un dimostratore di laboratorio e un prodotto acquistabile passano spesso cinque anni o più, e la strada verso la produzione di massa a 7 Å è lastricata di ostacoli ingegneristici ed economici.

La lezione dei nodi passati

La storia recente insegna che i grandi annunci sui nodi non sempre si trasformano in disponibilità reale. Tecnologie come il silicio strained, l’high-k metal gate o il FinFET hanno impiegato tempo per diventare mainstream, e solo quando le fonderie (TSMC, Samsung, Intel) le hanno integrate nelle loro roadmap. IBM, che ha ceduto la propria divisione manifatturiera a GlobalFoundries nel 2015, oggi è soprattutto un centro di ricerca che concede in licenza le proprie scoperte. Dunque l’arrivo del nodo sub-1 nm dipenderà da chi raccoglierà il testimone e con quali investimenti. Per i responsabili delle decisioni di deployment, la parola d’ordine resta cautela: le schede tecniche conteranno più dei comunicati stampa.

Oltre il singolo transistor: l’impatto sugli acceleratori AI

Il passo successivo, una volta padroneggiato il nodo, è portarlo dentro acceleratori specializzati – GPU, TPU, ASIC per inference – dove l’efficienza per token processato e il throughput diventano metriche chiave. In un deployment on-premise di LLM, ridurre i watt per inference abbassa i costi operativi e rende economicamente sostenibile tenere i dati in casa, assecondando esigenze di sovranità e conformità. IBM non ha ovviamente parlato di applicazioni AI nel suo annuncio, ma la direzione di marcia dell’intera catena dei semiconduttori è ormai modellata dai carichi di lavoro dell’intelligenza artificiale. Per questo ogni passo verso transistor più densi ed efficienti interessa direttamente chi costruisce il proprio stack hardware.

Una roadmap ancora da scrivere

L’annuncio di IBM va interpretato come un segnale di direzione, non come un prodotto in arrivo. L’industria ha davanti nodi intermedi – 2 nm, 1,4 nm – prima di vedere qualcosa di commerciabile sotto il nanometro. E anche allora, bisognerà verificare quanto i miglioramenti dichiarati in laboratorio si traducano in guadagni reali di performance per watt e di TCO in ambienti di produzione. AI-RADAR continuerà a seguire l’evoluzione delle tecnicie di processo perché ogni svolta nella litografia ridisegna i confini del possibile per chi fa calcolo on-premise su larga scala.