Samsung ha un problema che non si può più nascondere dietro i fogli di calcolo del bilancio complessivo. Il vertice di System LSI, la divisione responsabile dei chip Exynos e di altri SoC (System-on-Chip), ha ammesso per voce del presidente Park Yong-In che le perdite operative continuano a erodere la performance, con una prospettiva fosca che arriva fino al 2026. Una confessione rara, che dice molto sullo stress competitivo del settore semiconduttori, in particolare nel segmento mobile dove Qualcomm e MediaTek hanno alzato la posta.

Dentro la divisione System LSI: cosa c’è in gioco

System LSI non progetta solo i cervelli dei Galaxy top‑di‑gamma. I suoi SoC integrano CPU, GPU, modem e, sempre più spesso, unità di elaborazione neurale (NPU) per accelerare l’intelligenza artificiale direttamente sul dispositivo. Parliamo di inference LLM su smartphone, tablet, dispositivi IoT e gateway edge: esattamente lo scenario che le aziende interessate a deployment on‑premise tengono d’occhio. Se un Exynos perde colpi o arriva in ritardo, l’alternativa è comprare da San Diego (Qualcomm) o affidarsi a soluzioni cloud, con tutti i vincoli di latenza, privacy e Total Cost of Ownership (TCO) che ne conseguono.

Le continue perdite di System LSI non sono un dettaglio interno. La divisione storicamente serve anche clienti terzi, dai produttori cinesi di telefonia alle case automobilistiche per sistemi di infotainment. Una roadmap in affanno significa meno risorse per sperimentare nuove architetture di memoria unificata, supporto a quantization INT8/FP16 ottimizzato e, in ultima analisi, chip che faticherebbero a eseguire modelli linguistici con finestre di contesto ampie senza scaricare calore e batteria.

Inference locale sotto pressione: cosa cambia per chi muove i primi passi

Chi oggi valuta un deployment on‑premise, anche in forma ibrida, osserva con attenzione il mercato dei processori mobili. Non è solo questione di server con GPU potenti: un numero crescente di casi d’uso – assistenti vocali in fabbrica, traduttori offline, analisi di documenti in ambienti air‑gapped – richiede chip a basso consumo ma con capacità di inference LLM credibili. Se Samsung rallenta, la pressione si sposta su una manciata di fornitori. Meno competizione si traduce in prezzi più alti e innovazione più lenta, due variabili che alzano il TCO di progetti edge‑AI.

L’elemento più critico per chi segue questi temi è l’effetto su VRAM e banda di memoria. I SoC integrano memoria condivisa: quando la divisione soffre, i piani per incrementare cache e larghezza di banda possono slittare. E senza sufficiente banda, anche un modello linguistico quantizzato fatica a mantenere un throughput accettabile. Per chi lavora in contesti regolamentati e non può mandare dati in cloud, il ritardo di una architettura Exynos si traduce in una finestra di attesa che potrebbe spingere verso soluzioni self‑hosted basate su schede GPU separate, più costose e ingombranti.

Una poltrona per tre: la risposta del mercato

Qualcomm ha già risposto con la serie Snapdragon 8 Gen – dotata di NPU sempre più potenti – e MediaTek non è da meno con i Dimensity. Il rovescio della medaglia è che un mercato oligopolista tende a rallentare l’adozione di tecniche di fine‑tuning ottimizzate per l’edge, perché i vendor preferiscono differenziarsi su feature proprietarie. Chi fa deployment on‑premise ha bisogno invece di standard aperti, framework come llama.cpp ben supportati, e silicon che non costringano a compromessi su quantization per colpa di un driver incompleto.

La vicenda Samsung ricorda quanto sia fragile la catena di fornitura per l’AI locale. Da AI‑RADAR osserviamo da tempo che le decisioni di investimento in System LSI non sono solo una questione finanziaria: sono un indicatore della volontà industriale di continuare a scommettere su capacità on‑device anziché delegare tutto al cloud. Per chi sta costruendo una strategia di inference autonoma, monitorare queste dinamiche aiuta a calibrare i tempi di adozione e a diversificare i fornitori.

Orizzonti stretti, ma non bui

La confessione di Park Yong‑In non è una pietra tombale. Samsung ha le risorse per assorbire perdite e spesso ha usato la concorrenza interna (la fonderia per i chip altrui) per finanziare lo sviluppo dei propri SoC. Tuttavia, il segnale è chiaro: il 2026 non sarà l’anno della riscossa sull’edge computing, ma piuttosto un punto di verifica. Per chi oggi sceglie hardware per pipeline di inference on‑premise, la prudenza è d’obbligo: attendere roadmap più solide, testare con largo anticipo le varianti Exynos di nuova generazione, o considerare un approccio multi‑vendor per non restare legati a un unico ecosistema in difficoltà.