La scommessa di Intel per la prossima generazione di acceleratori AI non si gioca soltanto sulla potenza di calcolo. A Hot Chips 2026, Crescent Island si è presentata con configurazioni di memoria LPDDR5X da 160 a 480 GB: un intervallo che, se confermato nei prodotti finali, sposta il confronto competitivo dal classico terreno dei TFLOPS a quello della capacità di memoria effettivamente disponibile per i modelli. La notizia arriva dalla copertura di ServeTheHome e aggiunge un tassello a un panorama in cui la memoria ad alta capacità è diventata un collo di bottiglia strutturale per l'inference dei Large Language Models.

Il dettaglio tecnico rilevante è la scelta della LPDDR5X, una memoria nata per il mobile e i notebook, al posto della più costosa HBM che domina le GPU per data center. La LPDDR5X offre in genere costi per gigabyte più bassi e consumi contenuti, ma una banda per pin più limitata. In carichi di inference su modelli di grandi dimensioni, il vincolo principale è spesso la quantità di parametri da mantenere in memoria: se un LLM richiede centinaia di gigabyte di pesi, disporre di 480 GB su un singolo acceleratore riduce o elimina la necessità di sharding tra più GPU, semplificando l'architettura e riducendo il traffico di interconnessione.

La banda resta il nodo

La capacità, da sola, non basta a determinare le prestazioni. LPDDR5X ha una bandwidth inferiore rispetto a HBM: per il training distribuito questo è un limite severo, mentre per molte attività di inference in batch o a bassa concorrenza il compromesso può essere accettabile. Il punto aperto è che, senza numeri ufficiali su bandwidth effettiva e throughput, un'eventuale configurazione da 480 GB non dice ancora quanti token al secondo possa generare. Ma il segnale strategico è chiaro: Intel sta provando a spostare il valore dai FLOPS alla capacità di memoria, un parametro che per chi valuta deployment self-hosted è spesso più critico della potenza di picco.

Chi vince e chi perde

Le implicazioni di secondo ordine riguardano il mercato delle memorie e la catena di fornitura. Se LPDDR5X dovesse diventare una via credibile per acceleratori AI ad alta capacità, la pressione su HBM si allenterebbe almeno in parte, con effetti su prezzi e disponibilità. I produttori di HBM, oggi in una posizione di forza, perderebbero marginalmente potere contrattuale; per contro, i fornitori di memorie LPDDR5X vedrebbero crescere un mercato a margini più alti. Dal lato dei system builder, configurazioni con meno GPU per ospitare un LLM di grandi dimensioni potrebbero ridurre complessità e TCO, soprattutto in ambienti on-premise dove lo spazio, il raffreddamento e la connettività tra nodi pesano in modo concreto. AI-RADAR dedica a questi trade-off un'analisi su /llm-onpremise, perché la scelta tra capacità e banda non si riduce a un confronto di schede tecniche: tocca la sovranità dei dati, il costo operativo e la libertà di dimensionare l'hardware in base al modello.

Il nodo vero sarà capire se Intel riuscirà a trasformare la capacità di memoria in un vantaggio di costo per gigabyte sostenibile senza pagare un prezzo troppo alto in bandwidth. È da lì che passerà la differenza tra una scheda interessante e un'alternativa reale per chi oggi affida i grandi LLM alle GPU HBM.