La partita per i chip del futuro si gioca sempre più sul packaging, e Intel ha appena fatto una mossa che parla chiaro a chi progetta infrastrutture AI on-premise. L'azienda ha assunto Seok-Hee Lee, già numero uno di SK hynix, per guidare la divisione packaging avanzato di Intel Foundry. Una scelta che trasforma quello che era un reparto tecnico in una «business unit dedicata con leadership autonoma», come ha comunicato la società.

La scommessa sul packaging

Il packaging avanzato non è un dettaglio manifatturiero: è il fattore abilitante per integrare chiplet diversi — CPU, GPU, memoria HBM — in un unico substrato con interconnessioni ad alta densità. Intel ha sviluppato negli anni soluzioni proprietarie come EMIB (Embedded Multi-die Interconnect Bridge) e Foveros, che consentono di impilare o affiancare componenti eterogenei con bandwidth elevata e consumi ridotti. Lee porta in dote l'esperienza maturata in SK hynix proprio sul fronte delle memorie, elemento sempre più critico per i carichi di lavoro legati ai Large Language Models.

Perché è cruciale per l’AI on-premise

Chi valuta deployment on-premise di LLM sa che il collo di bottiglia non è solo la potenza di calcolo, ma spesso la banda di memoria e il costo per GB di VRAM. Un packaging più efficiente permette di costruire acceleratori con più memoria direttamente a bordo del package, riducendo la necessità di splitting su più GPU e semplificando l’inference di modelli con finestre di contesto estese. Il risultato pratico? Migliore latenza, throughput più stabile e un TCO complessivo più basso, senza dover cedere al cloud la proprietà dei dati. In ambiti regolamentati o sensibili, questa direzione è decisiva.

Intel Foundry punta a diventare un fornitore di riferimento per i chiplet di terze parti, offrendo proprio il packaging avanzato come servizio. La mossa con Lee ribadisce l’intenzione di competere con TSMC e Samsung nel nodo cruciale dell’integrazione, dove si sta spostando gran parte dell'innovazione siliconica per l’AI.

Il ruolo di Intel Foundry e le implicazioni per gli sviluppatori

La notizia ha un impatto indiretto ma concreto su chi sviluppa pipeline di inference on-premise. Se Intel riuscirà a industrializzare packaging come Foveros su larga scala, potremmo vedere una nuova generazione di acceleratori AI — non necessariamente marchiati Intel — con profili di performance/watt più favorevoli e costi di sistema inferiori. Questo allargherebbe la platea di organizzazioni che possono permettersi un'infrastruttura AI self-hosted, riducendo la dipendenza dalle API cloud e semplificando la conformità GDPR o altre normative sulla residenza dei dati.

Inoltre, la presenza di un leader dedicato con background nelle memorie suggerisce una spinta verso integrazioni più strette tra logica e storage, aspetto che negli LLM è diventato determinante per gestire meccanismi di attenzione sempre più pesanti senza colli di bottiglia.

Uno sguardo al TCO e alla sovranità

Resta da vedere quanto velocemente queste tecnicie entreranno nei prodotti realmente disponibili per il mercato enterprise. Ma la direzione è tracciata: il packaging avanzato non è più un optional per l’AI on-premise, ma una leva competitiva per abbattere i costi di gestione e mantenere il controllo sui dati. Per i decision maker IT, tenere d'occhio l'evoluzione di Intel Foundry — e dei concorrenti — diventa parte integrante della strategia di deployment di LLM in locale.

AI-RADAR continuerà a seguire gli sviluppi hardware che influenzano l’ecosistema dell’AI autogestita, offrendo strumenti di analisi per valutare i trade-off tra cloud, hybrid e on-premise.