L'esigenza di imballare l'intelligenza artificiale non conosce soste. Secondo un report pubblicato oggi da DIGITIMES, TSMC sarebbe sulla buona strada per raggiungere una capacità produttiva di almeno 200mila wafer all'anno entro il 2027 per la sua tecnicia di packaging avanzato CoWoS (Chip-on-Wafer-on-Substrate). Un numero che colloca l'espansione su una scala industriale senza precedenti e segnala la profonda trasformazione che il settore dei semiconduttori sta vivendo per sostenere l'enorme fame computazionale dei Large Language Models e dell'AI generativa.

CoWoS non è un semplice passaggio di assemblaggio. Questa tecnica consente di integrare chip logici (come le GPU di Nvidia) con stack di memoria ad alta larghezza di banda (HBM) su un interposer di silicio, riducendo latenze e consumi e moltiplicando la banda passante. È il fondamento fisico su cui poggiano chip come l'H100, il B200 di Nvidia e le proposte di AMD, Intel e dei grandi operatori cloud che progettano propri acceleratori. Senza CoWoS, le prestazioni nell'inference e nel training crollerebbero, e l'efficienza energetica tornerebbe indietro di una generazione.

L'urgenza è palpabile: negli ultimi due anni, la capacità CoWoS di TSMC è stata il principale collo di bottiglia per la disponibilità di GPU nel mercato enterprise. Mentre i fornitori cloud si prenotavano intere linee produttive, i clienti che valutavano deployment on-premise si scontravano con tempi di consegna biblici e prezzi che rendevano il Total Cost of Ownership proibitivo. La promessa di 200mila wafer cambia le carte? Sì, ma non come si potrebbe sperare.

Raddoppiare (o più) l'output significa che TSMC e i suoi clienti scommettono su una domanda AI ancora in forte crescita per tutto il decennio. Tuttavia, questo non implica automaticamente una democratizzazione dell'hardware per l'on-premise. Gli hyperscaler — AWS, Microsoft, Google — hanno già ampiamente dimostrato di avere la liquidità e i volumi per assorbire qualsiasi nuova capacità, stringendo accordi pluriennali. La struttura del mercato resta oligopolistica dal lato della domanda, e l'espansione di CoWoS potrebbe semplicemente consentire loro di accelerare i piani di costruzione dei datacenter, anziché lasciare spazi ai deployer locali.

C'è però una seconda implicazione, più strutturale. Un'offerta così ampia di packaging avanzato potrebbe abbassare la soglia per l'ingresso di nuovi produttori di chip AI. Startup e aziende che sviluppano acceleratori dedicati — magari ottimizzati per carichi specifici o per contesti di sovranità dei dati — potrebbero trovare slot produttivi che oggi semplicemente non esistono. Se l'accesso a CoWoS si allarga, il panorama dell'hardware per l'inference on-premise potrebbe frammentarsi in modo virtuoso, offrendo alternative ai sistemi Nvidia dominanti e riducendo la dipendenza da un unico fornitore. È uno scenario che le amministrazioni pubbliche e le aziende regolamentate guardano con interesse, perché aumenterebbe il numero di opzioni per implementare architetture self-hosted conformi a GDPR e norme sulla residenza dei dati.

Il rovescio della medaglia è la concentrazione geografica. TSMC rimane l'unico grande fornitore di CoWoS su questi volumi. Una capacità di 200mila wafer, tutta in un'unica area geografica, amplifica il rischio sistemico per le supply chain globali. Per chi fa calcoli di sovranità e continuità operativa, la dipendenza da un singolo nodo manifatturiero è un argomento che può spingere verso l'esplorazione di tecnicie di packaging alternative o verso una diversificazione dei fornitori (ad esempio, Samsung e Intel stanno investendo in soluzioni analoghe, ma su scala ridotta). In ogni caso, la notizia conferma che l'industria dell'AI si sta attrezzando per una crescita a lungo termine e che il packaging avanzato sarà tanto strategico quanto i nodi litografici.

Il percorso verso un'infrastruttura AI veramente distribuita e sotto controllo locale passa anche da qui. I numeri sono importanti, ma contano di più le decisioni su come verranno allocate quelle risorse. Senza meccanismi di mercato che permettano anche agli attori non-hyperscale di accedere a chip all'avanguardia, il sogno di un'AI on-premise accessibile potrebbe rimanere tale ancora a lungo.