Nel momento in cui un’organizzazione decide di portare in-house l’inference o il fine-tuning di un LLM, uno dei capitoli di spesa più opachi è spesso la memoria. Non solo la VRAM delle GPU, ma anche la memoria di sistema che fa da ponte tra storage e calcolo. Ora un segnale concreto arriva dal mercato: la domanda generata dall’intelligenza artificiale sta prosciugando le forniture di memorie, e la carenza si allungherà almeno fino al 2027.

Powerchip Semiconductor Manufacturing Corporation (PSMC), uno dei produttori che riforniscono questo mercato, ha appena rivisto al rialzo le previsioni di margine per il secondo trimestre del 2026, portandole al 28% — un ritocco che parla di una domanda talmente squilibrata da garantire ai fornitori un potere di prezzo inusuale.

La notizia merita attenzione da parte di chiunque stia pianificando deployment on-premise. Perché se la memoria scarseggia, i costi di interi cluster possono lievitare, oppure le tempistiche di consegna si allungano in modo tale da far slittare i progetti. Non si tratta solo di memoria HBM per le schede più potenti: la pressione si estende a tutta la filiera, DDR compresa, in un mercato dove già da anni la domanda ciclica metteva sotto stress i produttori.

Vale la pena leggere questo episodio come un sintomo strutturale. L’AI non è un carico di lavoro qualsiasi: il suo fabbisogno di banda e capacità di memoria cresce con la dimensione dei modelli e con la lunghezza delle finestre di contesto. Se da un lato si sviluppano tecniche di quantization e architetture più parsimoniose, dall’altro le aziende che corrono per addestrare o servire LLM continuano a spingere sui volumi. In questo scenario, la carenza di memoria diventa un vincolo almeno quanto la disponibilità di GPU. E i produttori di memorie, come PSMC, beneficiano di un trasferimento di valore a monte della catena.

Per chi ha esigenze di sovranità dei dati — banche, sanità, pubblica amministrazione — e deve restare on-premise, il messaggio è chiaro: le roadmap vanno costruite tenendo conto di colli di bottiglia che durano anni, non trimestri. La finestra per approvvigionarsi a condizioni accettabili potrebbe restringersi. Strumenti di analisi del TCO (TCO) che includano non solo l’hardware ma anche i tempi di attesa e il costo-opportunità diventano cruciali.

Il contesto rimane fluido. Da un lato, nuovi impianti di produzione di memorie sono in costruzione, ma la messa a regime richiede tempo. Dall’altro, l’efficienza lato software (dalla potatura dei modelli al serving ottimizzato) può alleviare la pressione. Tuttavia, l’aggiustamento dal lato dell’offerta è lento e costoso, mentre la domanda AI non mostra segni di rallentamento.

Il rialzo del margine di PSMC è un dato puntuale, ma il suo significato è più ampio: la corsa all’AI sta ridisegnando la geografia dei profitti nell’industria dei semiconduttori, spostando valore dalle fonderie di logica a quelle di memoria. Per chi progetta infrastrutture di calcolo, è un promemoria che l’autonomia passa anche dalla capacità di assicurarsi i mattoni fondamentali.