L’industria automobilistica sta accelerando verso veicoli sempre più connessi e autonomi, ma sotto il cofano si nasconde un problema che va oltre la meccanica: la memoria per l’intelligenza artificiale scarseggia. Le tensioni sulle forniture di High Bandwidth Memory (HBM), componente chiave per i processori grafici e gli acceleratori IA, stanno costringendo i costruttori a ridisegnare le proprie strategie di approvvigionamento.

L’HBM è il collo di bottiglia silenzioso dell’IA moderna. La sua elevatissima larghezza di banda e l’efficienza energetica la rendono indispensabile per l’addestramento di modelli di grandi dimensioni e per l’inference in tempo reale su carichi come la percezione visiva e la fusione dei sensori. Per le case automobilistiche, questo si traduce in due grandi fronti: i sistemi avanzati di assistenza alla guida (ADAS) e la guida autonoma vera e propria, che richiedono elaborazione locale a bordo del veicolo, e le fabbriche intelligenti, dove l’ispezione visiva e la manutenzione predittiva poggiano su modelli sempre più sofisticati. Tuttavia la capacità produttiva globale di HBM è concentrata su pochi attori – soprattutto sudcoreani – e la domanda generata dal training di Large Language Models nei data center cloud ha assorbito la quasi totalità dei volumi disponibili.

La risposta dei costruttori è stata rapida e multiforme: blindare le catene di fornitura con contratti pluriennali, prenotare capacità produttiva presso i produttori di memoria e, in alcuni casi, investire direttamente in linee di produzione dedicate. È un approccio che ricalca quanto già fatto dai grandi fornitori di cloud, ma con una differenza sostanziale: per le case auto, la posta in gioco non è il costo dell’inference al token, ma la continuità operativa dei programmi di sviluppo – un ritardo nelle consegne di HBM può congelare per mesi l’intero programma di guida autonoma di un modello.

Questa dinamica porta con sé implicazioni di secondo e terzo ordine che vanno ben oltre il semplice aggiustamento di inventario. Innanzitutto, accelera la frammentazione del mercato: solo i produttori con liquidità sufficiente a impegnarsi in accordi di fornitura a lungo termine potranno portare avanti le piattaforme più ambiziose, mentre i marchi più piccoli rischiano di restare indietro. La memoria diventa così una barriera competitiva, al pari delle competenze software e dell’accesso ai dati.

In parallelo, la stretta sull’HBM spinge a riconsiderare l’architettura stessa dell’IA embedded. Si moltiplicano gli sforzi su modelli più compatti, efficienti e capaci di funzionare con memoria ridotta, attraverso tecniche di quantization, pruning e knowledge distillation. Anziché rincorrere le dimensioni dei modelli cloud, molti team stanno cercando di portare l’inference su SoC automotive meno esigenti in termini di banda di memoria, avvicinando il deployment a quello che già accade nel mondo dei dispositivi mobili. Questo riorientamento ha un effetto collaterale non banale: la necessità di piena sovranità sullo stack hardware e software, perché delegare al cloud l’elaborazione dei dati di bordo introduce latenza e rischi di sicurezza inaccettabili per la guida autonoma.

Sul fronte geopolitico, la concentrazione della produzione di HBM in Corea del Sud crea una dipendenza paragonabile a quella per i chip logici con TSMC. Per l’Europa, che ospita alcuni dei più grandi gruppi automobilistici del mondo, la mancanza di una filiera locale della memoria per IA rappresenta una vulnerabilità strutturale che potrebbe spingere a politiche di reshoring e investimenti pubblici.

In questo scenario, il deployment on-premise smette di essere una scelta architetturale e diventa una necessità operativa. Che si tratti di un veicolo – un edge device per eccellenza – o di una fabbrica connessa, la latenza, la riservatezza dei dati industriali e la prevedibilità dei costi impongono di mantenere il calcolo fuori dal cloud pubblico. La volatilità del mercato delle memorie rafforza questa tendenza, perché il Total Cost of Ownership di una soluzione on-premise può essere gestito con contratti di fornitura pluriennali, mentre i costi variabili dei servizi cloud restano esposti alle stesse dinamiche di scarsità.

La memoria non è più un componente invisibile nei fogli di specifica. È diventata il carburante dell’IA, e chi non se ne assicura una scorta rischia di restare fermo.