I ricavi delle fonderie di silicio di Taiwan hanno chiuso giugno con un balzo del 54% su base annua, spinti da TSMC e dalla sua affiliata Vanguard. Il dato, ripreso da Digitimes, va letto senza troppi giri: è la spia di una domanda di chip per intelligenza artificiale che non accenna a rallentare, mentre i data center di mezzo pianeta accumulano GPU e acceleratori specializzati per l’inference di Large Language Models.

Dietro quel +54% c’è molto più di un rimbalzo ciclico dei semiconduttori. I nodi più avanzati di TSMC – dal 4 nanometri fino alle linee per il packaging avanzato CoWoS – sono la catena di montaggio fisica degli H100 di NVIDIA, dei MI300 di AMD e di una famiglia crescente di chip custom dei grandi hyperscaler. E se le fonderie corrono, significa che il parco macchine per l’AI si sta espandendo a ritmi che pochi preventivavano anche solo sei mesi fa. Per chiunque stia valutando di portare l’inference o il fine-tuning di LLM in house, questa accelerazione è un campanello d’allarme ma anche un termometro prezioso.

Il primo ordine di conseguenze è evidente: la pressione sulle forniture resta altissima. I tempi di consegna per lotti consistenti di GPU non si accorciano; al contrario, ogni nuovo grande contratto cloud assorbe capacità produttiva che poteva finire sul mercato enterprise. Per le organizzazioni che vogliono infrastrutture self-hosted – magari per tenere i dati sensibili lontani dal cloud e rispettare vincoli di sovranità – la sfida non è più solo tecnica, ma di pura availability. Quando la fonderia leader a livello globale registra una crescita simile, è il momento di ricalcolare i piani di procurement con realismo: l’hardware per l’AI è conteso.

Poi c’è il secondo effetto, meno immediato ma più strutturale. TSMC non è solo contoterzista dei chip logici. I suoi investimenti in packaging avanzato (CoWoS, SoIC) sono ormai il collo di bottiglia per molti acceleratori AI. Dunque il boom di ricavi di giugno segnala che la capacità di packaging è in espansione, ma anche che la domanda la sta saturando in fretta. Questo ha un impatto diretto sul TCO (TCO) di un cluster on-premise: se i componenti più scarsi mantengono prezzi elevati, il break-even rispetto al cloud si sposta più in là nel tempo. E non è solo una questione di GPU: anche le reti ad alta velocità e gli switch per cluster di inference dipendono da silicio che esce dalle stesse fonderie.

Vanguard, da parte sua, incide meno sui riflettori dell’AI ma non va trascurata. Lavora su tecnicie di processo meno estreme e ha in portafoglio clienti dell’automotive, dell’industriale e dell’edge computing. Il suo contributo al +54% suggerisce che la domanda di semiconduttori è diffusa e non limitata ai pochi giganti del training. Per chi progetta deployment on-premise in contesti edge – siti manifatturieri, ospedali, infrastrutture critiche – la vivacità di fonderie come Vanguard è un segnale positivo: significa che l’ecosistema di chip accessori (MCU, chip di rete, processori periferici) non è fermo.

In sintesi, il dato di giugno non è solo una cifra da report finanziario. È una fotografia dello stato di tensione della filiera del silicio che abilita l’intelligenza artificiale, dal cloud iperscalare fino agli armadi on-premise. E per chi deve decidere se e quando investire in infrastruttura locale, è il tipo di informazione che separa una strategia realistica da un piano dei desideri.