Quando un'azienda come Phison, specializzata nella progettazione di controller per memorie flash, parla di mercato, chi gestisce infrastrutture hardware ascolta con attenzione. L'ultima presa di posizione dell'azienda taiwanese va dritta al cuore di una delle dinamiche più imprevedibili del settore: il ciclo di alti e bassi della NAND, quel pendolo tra eccesso di offerta e carenza che da anni condiziona i costi di storage a livello globale. Secondo Phison, l'intelligenza artificiale potrebbe cancellare questo andamento ciclico, inaugurando un periodo di domanda più stabile.

La memoria NAND, componente chiave di SSD e schede di memoria, ha sempre seguito un pattern quasi stagionale: periodi di forte investimento in capacità produttiva portano a un eccesso di chip, facendo crollare i prezzi; poi l'aumento della domanda o riduzioni produttive causano rialzi improvvisi. Per le imprese che dimensionano i propri datacenter, prevedere i costi di storage su un orizzonte di tre-cinque anni è stato un esercizio complesso, quando non frustrante.

L'avvento di carichi di lavoro legati all'AI, e in particolare al training e all'inference di modelli sempre più grandi, sta però cambiando le carte in tavola. L'addestramento di un LLM richiede petabyte di dati, checkpoint periodici e una gestione intensiva di I/O. Anche in fase di inference, il ricorso a tecniche come il retrieval-augmented generation (RAG) e l'uso di database vettoriali richiedono storage performante e capiente, spesso condiviso tra più nodi GPU. Una domanda così sostenuta, e prevedibilmente in crescita per anni, potrebbe assorbire gran parte della capacità produttiva, riducendo le oscillazioni di prezzo.

Per i team che valutano deployment on-premise di grandi modelli, questa prospettiva ha un impatto concreto sul TCO. Uno storage più stabile come prezzo permette di pianificare investimenti a medio termine senza il rischio di ritrovarsi con un costo raddoppiato al prossimo refresh. Non va dimenticato, tuttavia, che la memoria NAND è solo una delle componenti: il costo complessivo di un cluster AI è dominato da GPU, HBM e networking. La stabilizzazione dei prezzi NAND non elimina la volatilità di altri componenti critici.

Resta da vedere se la previsione di Phison si realizzerà. Storicamente, ogni volta che una tecnicia ha promesso di "cambiare le regole" della produzione di chip, la realtà si è dimostrata più complessa. Ma il segnale è importante, e si inserisce in un contesto in cui la domanda di AI sta rimodellando l'intera catena di fornitura hardware, dalle fonderie ai produttori di memorie.