La corsa all'infrastruttura per l'intelligenza artificiale sta mettendo a dura prova un anello apparentemente marginale della catena di fornitura: i condensatori ceramici multistrato, o MLCC. Una nota di DIGITIMES mette in fila i puntini: i massicci investimenti in server AI, GPU e sistemi di rete stanno accelerando la carenza di questi componenti passivi, spingendo i produttori taiwanesi a prevedere che una parte sostanziale degli ordini attuali si riverserà solo nella seconda metà del 2026. È un segnale che il boom dell'AI non soffre soltanto di colli di bottiglia sulle GPU più potenti, ma anche su mattoncini tecnicici più umili, onnipresenti nei circuiti di alimentazione e nei segnali digitali.

Per chi non mastica elettronica di potenza: i MLCC sono minuscoli condensatori che stabilizzano le tensioni e filtrano i disturbi in qualunque scheda elettronica. Un singolo server AI ne può contenere migliaia, molti di più di un server tradizionale, perché le GPU ad alta potenza e i moduli di memoria richiedono reti di distribuzione dell'energia estremamente stabili. Secondo stime di settore non legate alla notizia in sé ma a dati pubblici degli anni passati, in un rack di training con decine di GPU si superano tranquillamente i diecimila MLCC. Moltiplicati per i data center che sorgono ogni mese, si capisce perché gli impianti di produzione faticano a tenere il passo.

Il cortocircuito temporale è interessante: non stiamo parlando di un singolo picco di domanda, ma di uno slittamento strutturale degli ordini che adesso arriverebbero addirittura a metà 2026. Ciò significa che gli utilizzatori finali – hyperscaler, grandi imprese, ma anche fornitori di soluzioni on-premise – si trovano in una posizione scomoda. Chi ha pianificato l'acquisto di hardware per l'inference o il fine-tuning nei prossimi trimestri dovrà fare i conti con allungamenti delle consegne che non dipendono dal silicio avanzato, bensì da componenti che costavano pochi centesimi l'uno. È una lezione classica: in una filiera complessa come quella dell'elettronica, la strozzatura può venire dal componente più banale.

Cosa segnala tutto questo a livello strutturale? Prima di tutto, che la domanda di AI è diventata sufficientemente grande da distorcere mercati maturi. I condensatori ceramici sono prodotti dal 1960 circa e il loro mercato era cresciuto lentamente, con occasionali picchi legati a nuovi smartphone o all'automotive. Stavolta il driver è l'AI, ed è di un ordine di grandezza superiore. In secondo luogo, il dominio taiwanese sulla produzione di MLCC di fascia alta (Yageo, Walsin, e più a monte i fornitori di polveri ceramiche) esce rafforzato: se gli ordini slittano a fine 2026, è perché i clienti non hanno alternative pronte. Ma questo accentramento geografico riaccende i riflettori sulla fragilità delle catene di fornitura, già messa in luce da terremoti e tensioni geopolitiche. Spingere la sovranità digitale e la localizzazione del deployment on-premise senza diversificare la componentistica passiva potrebbe rivelarsi una scommessa rischiosa.

Per le aziende che valutano oggi come distribuire carichi di lavoro AI – cloud, on-premise, edge – la carenza di MLCC aggiunge un tassello al calcolo del Total Cost of Ownership. Non è solo il prezzo delle GPU o l'energia elettrica a determinare il costo di un'infrastruttura; i tempi di consegna dell'hardware e la sua disponibilità influenzano la velocità con cui un progetto può andare in produzione. Un cluster on-premise per un LLM che richiede sei mesi extra per la mancanza di condensatori potrebbe far pendere la bilancia verso soluzioni cloud, o spingere a ripensare l'architettura per ridurre la dipendenza da hardware sovradimensionato. In altre parole, la carenza di MLCC non è un problema da addetti ai lavori dell'elettronica: è un fattore concreto nella strategia di deployment, specie per chi affronta regolamentazioni sulla sovranità dei dati e non può permettersi di attendere all'infinito.

D'altro canto, i produttori taiwanesi che guardano al secondo semestre 2026 con fiducia stanno già ragionando su un panorama in cui la domanda di AI non si esaurirà in un anno. Se le previsioni degli analisti sono corrette, la capacità produttiva per MLCC di alta qualità potrebbe diventare un asset strategico, paragonabile per certi versi a quella delle memorie HBM attualmente in shortage. Chi riuscirà a espandere gli impianti e ad assicurarsi le terre rare necessarie per le polveri dielettriche – materiali spesso estratti in Cina – avrà un potere negoziale enorme. Per chi consuma, sarà vitale mappare la filiera e, dove possibile, stringere accordi di fornitura a lungo termine, esattamente come si fa per le GPU.

Il punto non è se la carenza di MLCC ci sarà o meno: è già in atto. Il paradosso è che mentre l'AI promette di ottimizzare ogni processo, la sua stessa espansione è ostacolata dall'indisponibilità di un componente ottimizzato decenni fa per altri scopi. Solo uscendo dalla retorica si potrà affrontare il problema con realismo, costruendo catene di fornitura resilienti e calcolando i veri costi della scalabilità.