Un balzo degli utili non è solo un dato finanziario, ma un sismografo delle catene di approvvigionamento tecnicico. Shanghai Fudan Microelectronics, azienda cinese specializzata in FPGA e semiconduttori per l'industria, ha annunciato una previsione di crescita decisa per la prima metà del 2026. La cifra esatta non è stata svelata, ma la dichiarazione – raccolta da DIGITIMES – arriva in un momento in cui i chip per l'intelligenza artificiale sono al centro di una guerra commerciale che ridefinisce le architetture dei data center aziendali.

Fudan Micro non è un nome che il grande pubblico associa alle GPU per l'addestramento dei modelli, eppure il suo ruolo nella galassia dell'AI on-premise è più concreto di quanto sembri. L'azienda produce FPGA e chip di controllo che entrano in schede acceleratrici, sistemi embedded e infrastrutture di rete per il calcolo distribuito. Con le restrizioni USA sull'export di GPU avanzate come le NVIDIA A100 e H100, le aziende cinesi stanno cercando alternative interne per alimentare i propri carichi di lavoro di inference e fine-tuning. È qui che i semiconduttori locali, anche quelli meno reclamizzati, diventano critici: senza una base hardware autarchica, il self-hosting dei LLM diventa impraticabile.

La previsione di un aumento significativo dei profitti segnala almeno tre cose. Primo, la domanda di componentistica nazionale è in forte crescita, trainata da commesse di operatori cloud e imprese che devono rispettare leggi sulla residenza dei dati sempre più stringenti. Secondo, chi produce silicio alternativo sta beneficiando di un effetto sostituzione alimentato dalla scarsità di chip americani. Terzo, la corsa alla sovranità hardware sta spingendo anche i produttori di seconda fascia a rivedere al rialzo le aspettative, innescando un ciclo di investimenti che potrebbe accorciare il gap tecnicico.

Per chi valuta un deployment on-premise in Cina – o in Paesi che potrebbero adottare misure simili – le implicazioni sono nette. L'offerta di hardware per l'inference si sta frammentando lungo linee geopolitiche. Non si tratta più solo di scegliere tra cloud e on-premise, ma di decidere all'interno di ecosistemi hw separati: quello occidentale, dominato da NVIDIA e AMD, e quello cinese, con attori come Biren, Moore Threads, e aziende come Fudan Micro che forniscono componenti abilitanti. Questa biforcazione costringerà i vendor di framework come vLLM o Ollama a mantenere supporto per backend eterogenei, accelerando lo sviluppo di interfacce di astrazione che girino su FPGA e acceleratori non convenzionali.

Eppure c'è un paradosso. Mentre la frammentazione potrebbe aumentare la complessità dei deployment e i costi di integrazione, potrebbe anche abbassare il TCO per carichi di lavoro specifici. Chip progettati per compiti di inference a bassa latenza o per pipeline di pre-elaborazione dati possono risultare più efficienti di GPU sovradimensionate. E per le aziende che devono mantenere tutto in sede per motivi di compliance, un ecosistema locale maturo riduce la dipendenza da catene logistiche incerte. Il successo di previsioni come quella di Fudan Micro non è quindi solo una vittoria finanziaria, ma un tassello che rende l'AI on-premise cinese un'alternativa concreta e non più un ripiego.