La notizia che Meta, MediaTek e TSMC abbiano avviato un progetto congiunto per realizzare chip AI su misura — diffusa da DIGITIMES — è molto più di una voce di corridoio nella catena di fornitura. È il sintomo di un terremoto sotterraneo che sta ridefinendo chi produce l'hardware su cui girano i Large Language Models, e apre scenari inediti per chiunque valuti deployment on-premise o ibridi, lontano dai cloud iperscalabili.

Non è un segreto che i grandi del web stiano cercando di emanciparsi dalla dipendenza dalle GPU NVIDIA. Google ha aperto la strada con i suoi TPU, ottimizzati per TensorFlow e oggi per JAX, dimostrando che un chip progettato internamente, anche se meno flessibile di una GPU, può offrire un TCO drammaticamente inferiore per carichi specifici. Amazon ha seguito con Trainium e Inferentia, Microsoft con Maia. Meta, che con Llama ha abbracciato un modello aperto senza però mai rilasciare un acceleratore proprietario, finora sembrava restare alla finestra. L'ingresso in scena con MediaTek — azienda esperta nel disegno di SoC per dispositivi mobile e IoT — e con la manifattura di TSMC cambia le carte in tavola.

Perché MediaTek? La chiave potrebbe essere duplice. Da un lato, l'azienda taiwanese porta competenze nell'integrazione di sottosistemi a basso consumo, eredità del mondo smartphone, che potrebbero confluire in chip per inference edge o per server a rack densi. Dall'altro, una partnership con Meta potrebbe segnalare l'intenzione di produrre acceleratori non solo per i datacenter interni di Menlo Park, ma anche per un mercato esterno: MediaTek ha canali di vendita globali e l'esperienza per scalare la produzione di silicio customizzato. Se così fosse, l'asse Meta-MediaTek-TSMC non mirerebbe soltanto a Google e alla sua infrastruttura cloud, ma creerebbe un'alternativa orizzontale per aziende che vogliono eseguire fine-tuning e inference on-premise senza legarsi a un fornitore unico.

L'impatto strutturale è profondo. Oggi chi sceglie di self-hosted LLM deve fare i conti con un mercato dominato dalle GPU NVIDIA, il cui costo di capitale e consumo energetico restano ostacoli formidabili. Un chip progettato su commessa, se reso disponibile come soluzione stand-alone o integrato in server, sposterebbe l'ago della bilancia verso un equilibrio in cui l'ottimizzazione software-hardware è merce di scambio. Meta stessa potrebbe beneficiarne eseguendo inference su Llama a costi più bassi, riducendo la bolletta energetica dei propri datacenter e, soprattutto, trattenendo integralmente la sovranità sui dati, un tema sempre più caldo sotto l'ombrello GDPR.

C'è un secondo ordine di conseguenze meno visibile. L'ingresso di MediaTek — attore storicamente lontano dalle dinamiche HPC — nel mercato AI ridefinisce il perimetro competitivo. Non siamo più nello schema «hyperscaler contro NVIDIA»: si allarga alla galassia di aziende che progettano silicio per clienti enterprise. TSMC, dal canto suo, rafforza il ruolo di abilitatore neutrale, stampando chip per chiunque abbia un'architettura valida, senza stringere alleanze esclusive.

Per chi oggi valuta un deployment on-premise, questo passaggio ha un valore concreto. La disponibilità futura di acceleratori nati dalla collaborazione tra un social media giant, una fabbrica di chip e un produttore a contratto potrebbe tradursi in un listino più variegato, con soluzioni tagliate per carichi di inference specifici e non più costrette nel calco «una GPU per tutti». Non è una promessa a breve, ma il semplice fatto che si muovano pedine di questo calibro segnala che il mercato sta entrando in una fase di maturità in cui il silicio si specializza, e con esso le possibilità di chi deve decidere dove far girare i propri modelli. Il monopolio tecnicico, in altre parole, non è più un destino ineluttabile.