La scena si è consumata allo stand di SK Hynix al Computex 2026, con due pesi massimi del settore: Chey Tae-won, presidente di SK Group, e Jensen Huang, CEO di Nvidia. Il tema del confronto non era un nuovo chip o un accordo di fornitura, ma la possibilità di vendere la memoria non più come semplice componente fisico, bensì come servizio. Una proposta che, se realizzata, potrebbe ridisegnare i modelli di procurement per l'intera filiera dell'intelligenza artificiale.

L'idea di 'memory as a service' (MaaS) non è del tutto inedita nel mondo IT, ma applicata alla memoria ad alta larghezza di banda (HBM) — il tipo di VRAM che alimenta le GPU per training e inference dei Large Language Models — assume contorni diversi. Oggi chi costruisce infrastrutture AI, sia in cloud che on-premise, acquista i moduli HBM insieme alle GPU o come parte di sistemi pre-assemblati. Il capitale immobilizzato è enorme, e la disponibilità di memoria diventa spesso il collo di bottiglia per carichi di lavoro con contesti estesi o fine-tuning di modelli voluminosi.

La proposta di Chey sembra indicare un cambio di paradigma strutturale: SK Hynix non venderebbe più solo silicio, ma capacità di memoria gestita, con pagamenti basati sull'utilizzo o su contratti di durata. Per i data center che operano in modalità on-premise, questo significherebbe trasformare un costo fisso (CapEx) in uno variabile (OpEx), mantenendo però il controllo fisico dei dati. Un vantaggio non da poco in settori regolamentati, dove la sovranità del dato impone di evitare il cloud pubblico, ma dove la rigidità degli investimenti hardware spesso frena l'adozione di LLM.

Dal punto di vista degli equilibri di mercato, il MaaS potrebbe ridurre la dipendenza dei fornitori di AI dai cicli di disponibilità della memoria, consentendo di scalare le risorse in modo più granulare. Nvidia, che al Computex era fisicamente accanto a Chey, ha tutto l'interesse a esplorare modelli che rendano le sue GPU più accessibili a realtà che non possono o non vogliono immobilizzare milioni di dollari in VRAM. Un'alleanza strategica, più che una semplice visita di cortesia.

Sul piano tecnico, le incognite non mancano. La memoria HBM è strettamente integrata con il processore grafico: un modello a consumo dovrebbe garantire latenze e throughput comparabili all'hardware fisso, e richiederebbe interfacce standardizzate per la telametria e la fatturazione. Inoltre, bisognerebbe sciogliere il nodo della manutenzione: chi sostituisce i moduli difettosi? Con che SLA? Domande che il mercato enterprise porrà inevitabilmente.

Per chi valuta deployment on-premise di LLM, l'eventuale arrivo del MaaS introdurrebbe un'alternativa alla scelta binaria tra acquisto di GPU con HBM saldata e noleggio di istanze cloud. Potrebbe nascere una via intermedia, con server acquistati ma memoria 'a consumo', aggiornabile senza sostituire l'intero nodo. Una prospettiva che cambierebbe anche i calcoli di TCO, oggi fortemente sbilanciati verso l'investimento iniziale.

La proposta di Chey è solo un'idea, ma il contesto in cui è stata lanciata — con Nvidia come testimone d'eccezione — suggerisce che il settore sta cercando attivamente modelli di business capaci di sostenere la crescita esponenziale della domanda di AI senza imporre barriere di capitale insormontabili. Se il MaaS per la memoria HBM si concretizzasse, assisteremmo a un riposizionamento profondo della catena del valore: i produttori di semiconduttori diventerebbero in parte fornitori di servizi, con margini ricorrenti e relazioni più stabili con i clienti. Una trasformazione che parte da un piccolo stand a Taipei, ma che potrebbe ridefinire l'hardware del futuro.