Non ha il nome evocativo di una GPU, ma senza questo metallo l’accelerazione dell’IA potrebbe inciampare. La notizia arriva dalla Cina: Pechino stringe le verifiche sull’export di fosfuro di indio, composto semiconduttore che sta diventando un nuovo punto di frizione nella corsa globale all’intelligenza artificiale.

Perché il fosfuro di indio è così critico

Il fosfuro di indio (InP) è il materiale di elezione per i chip fotonici che trasformano segnali elettrici in impulsi ottici e viceversa. Dentro un datacenter moderno, ogni server comunica attraverso cavi in fibra e transceiver: è qui che l’InP fa la differenza, garantendo larghezza di banda elevata, bassa latenza e consumi contenuti. Con l’esplosione dei carichi di lavoro IA, il volume di dati scambiato tra acceleratori e storage cresce a dismisura, rendendo questi componenti ottici tanto indispensabili quanto i processori che eseguono i calcoli. Senza di loro, le architetture distribuite che sostengono l’inference e l’addestramento su larga scala si scontrano con limiti fisici difficili da aggirare usando solo rame.

La mossa cinese e l’effetto domino

La Cina controlla una fetta rilevante della produzione mondiale di indio e, di riflesso, dei suoi composti ad alta purezza. Il nuovo giro di vite sugli export non è un fulmine a ciel sereno: si inserisce in una strategia più ampia di gestione delle materie prime critiche, simile a quanto già visto per gallio e germanio. Per i costruttori di infrastrutture AI, l’effetto è duplice: tempi di consegna più lunghi e costi in salita per i moduli ottici, proprio mentre tutti spingono per potenziare i cluster. In una fase in cui l’offerta di GPU resta tesa, un ulteriore strozzatura sulla connettività rischia di rallentare i piani di espansione, specie per chi ha catene di approvvigionamento poco diversificate.

Cosa cambia per chi sceglie il deployment on-premise

Chi valuta di portare gli LLM in casa propria, su stack self-hosted, sa bene che la partita non si gioca solo sui TeraFLOPS. La connettività interna al cluster – che si tratti di NVLink, InfiniBand o Ethernet ad alta velocità – determina l’efficienza dell’intero sistema. I moduli ottici basati su InP sono spesso presenti in switch, NIC e cavi attivi; una loro indisponibilità, anche temporanea, può dilatare i tempi di messa in opera o costringere a compromessi progettuali (ad esempio, accorciare le distanze tra nodi o ridurre il numero di connessioni ad alta banda). In termini di costo totale di possesso, questi vincoli si sommano alle note difficoltà di procurement delle GPU, rendendo la pianificazione finanziaria ancora più incerta. È un promemoria di come il deployment on-premise abbia bisogno di un’analisi che copra l’intera filiera hardware, non solo i componenti più appariscenti.

La lezione: la sovranità tecnicica passa anche dai metalli

La vicenda del fosfuro di indio mostra che la dipendenza da un unico fornitore geopolitico non riguarda solo il silicio dei processori, ma si estende ai materiali di base che rendono possibile il networking ad alte prestazioni. Per organizzazioni e pubbliche amministrazioni che puntano sulla sovranità dei dati, costruire datacenter autonomi significa anche anticipare vulnerabilità a monte della catena del valore. In questo senso, AI-RADAR ha spesso evidenziato come una valutazione completa del deployment on-premise richieda di mappare rischi e alternative anche a livello di commodity tecniciche, integrandoli nei framework decisionali su /llm-onpremise. Mentre la domanda di IA continua a salire, la partita dell’indipendenza infrastrutturale si fa più complessa – e non basta più contare sulle sole scorte di silicio.