La notizia: Longsys, azienda cinese specializzata in memorie e storage, ha diffuso previsioni che indicano un netto incremento degli utili per il primo semestre del 2026. L'azienda collega questa crescita a due fattori: il rafforzamento generale del mercato delle memorie e la domanda senza precedenti generata dall'intelligenza artificiale. Dietro queste poche righe di forecast si nasconde una trasformazione profonda del settore dei semiconduttori, con ripercussioni dirette per chiunque lavori con modelli linguistici di grandi dimensioni (LLM).

La fame di memoria dei modelli AI non è un segreto. L'addestramento e l'inference di modelli come i transformer richiedono enormi quantità di VRAM: basti pensare che un singolo LLM da 70 miliardi di parametri, in precisione FP16, può richiedere oltre 140 GB di memoria solo per caricare i pesi. Con l'avvento di architetture mixture-of-experts e contesti sempre più lunghi, questo fabbisogno è destinato a crescere. La memoria ad alta larghezza di banda (HBM) è diventata il componente più conteso nella catena di fornitura, con i principali fornitori – SK hynix, Samsung, Micron – che stanno esaurendo la capacità produttiva fino al 2026.

Per chi valuta deployment on-premise di LLM, la dinamica dei prezzi e della disponibilità di HBM e NAND flash è un fattore critico. I costi delle GPU enterprise come le NVIDIA H100 o le prossime B200 sono fortemente influenzati dal costo della memoria integrata. Una contrazione o un'espansione dell'offerta di HBM può far oscillare il TCO di un cluster on-premise in modo significativo. Inoltre, lo storage veloce (gli SSD NVMe) è essenziale per il caching dei dati di training e per servire modelli in produzione, e anche qui la domanda AI sta distorcendo il mercato.

Che Longsys non sia un nome noto al grande pubblico, ma lo sia per gli addetti ai lavori, non sminuisce la rilevanza delle sue stime. L'azienda fornisce moduli DRAM, unità a stato solido (SSD) e soluzioni di storage embedded a OEM e data center in tutto il mondo. Vede quindi in anticipo la domanda aggregata. Il fatto che preveda un balzo degli utili già per la prima metà del 2026 indica che le commesse stanno già arrivando, spinte non solo dalla corsa all'HBM ma anche dall'aumento della densità di memoria richiesta per l'inference AI su scala.

Un aspetto spesso trascurato è che l'AI non consuma solo memoria veloce per le GPU. I carichi di lavoro di retrieval-augmented generation (RAG) e il fine-tuning continuo richiedono database vettoriali e storage persistente che possono arrivare a decine di terabyte, tutti a basse latenze. Anche in questo campo Longsys è un attore chiave con i suoi SSD enterprise. La crescita prevista potrebbe riflettere questo doppio binario: HBM per l'elaborazione, NAND per i dati.

Per il deployment on-premise, la solidità della supply chain di memorie può determinare il successo o il fallimento di un progetto. Se i prezzi delle memorie salgono troppo, l'alternativa cloud diventa più attraente perlomeno nel breve periodo. Tuttavia, per chi ha requisiti di sovranità dei dati o latenza controllata, l'on-premise resta l'unica via. Ecco perché monitorare questi segnali di mercato – come il forecast di Longsys – è essenziale.

La previsione di Longsys non è solo un dato finanziario: è un promemoria che l'infrastruttura AI, anche quella locale, dipende da equilibri di mercato complessi. Pianificare oggi significa considerare non solo le prestazioni dei chip, ma l'intera catena del valore delle memorie.