Il termometro della crescita dell’intelligenza artificiale a volte si nasconde nei componenti più trascurati. Lo scorso giugno, il fatturato di Liteon Technology, produttore taiwanese specializzato in alimentatori per server, ha registrato un balzo del 37% su base annua, trainato proprio dalla domanda di unità per i data center che ospitano carichi di lavoro AI. Un segnale che, letto nel contesto giusto, dice molto di più di un semplice exploit commerciale.

Chi pianifica deployment on-premise di Large Language Models sa che la potenza di calcolo è solo una parte dell’equazione. I server che eseguono training e inference su modelli di grandi dimensioni consumano quantità di energia spropositate rispetto ai sistemi tradizionali: una singola configurazione con più GPU di fascia alta può assorbire diversi kilowatt, portando gli alimentatori a operare vicino ai limiti di progetto per ore o giorni consecutivi. In questo scenario, la PSU cessa di essere un componente commodity e diventa un fattore di rischio — e di costo — primario.

Il dato di Liteon Technology conferma che la filiera sta già riallocando risorse per soddisfare questa nuova fame di energia. Non si tratta solo di volumi: i server AI richiedono alimentatori ad altissima efficienza (tipicamente certificati 80 Plus Titanium o superiori), ridondanza nativa e densità estrema per non collassare sotto carichi dinamici. Chi oggi ordina rack per un cluster locale si scontra con tempi di consegna che si allungano e con una disponibilità limitata delle unità più performanti, esattamente come accade per le GPU. È la coda lunga di un mercato che premia chi si muove prima.

Per le organizzazioni che spingono sulla sovranità dei dati e sull’autonomia operativa — banche, enti pubblici, aziende manifatturiere con linee air-gapped — questo trend ha una doppia lettura. Da un lato, conferma che il self-hosting sta passando da eccezione a regione strutturale, perché senza una domanda solida di infrastruttura locale i numeri di Liteon Technology non esploderebbero. Dall’altro, mette in guardia: l’approvvigionamento elettrico e la relativa dissipazione termica sono spesso l’anello debole dei progetti on-premise, e sottovalutarli oggi significa affrontare retrofit costosi o, peggio, colli di bottiglia che vanificano i guadagni di latenza e controllo promessi dall’infrastruttura interna.

Il segnale che arriva da Taipei è inequivocabile: la partita dell’AI hardware non si gioca soltanto sui teraflop o sulla VRAM, ma anche sulla capacità di alimentare in modo stabile ed efficiente i carichi di lavoro. Per chi sta ancora disegnando la propria strategia di deployment, la crescita di Liteon Technology è la prova che gli altri hanno già cominciato a comprare.