Questa sezione Hardware segue il lato pratico dell'infrastruttura AI locale: GPU, NPU, mini PC, acceleratori edge, banda memoria e compromessi energetici che incidono direttamente sulle prestazioni in inferenza. Privilegiamo aggiornamenti con benchmark e note operative utili a decisioni reali, dal laboratorio domestico ai cluster pilota in azienda. Qui puoi confrontare costo totale, vincoli termici e scenari modello-hardware, poi approfondire con la guida pillar hardware e la copertura LLM collegata.
La defezione più illustre da Cupertino segnala che la guerra per i talenti dell’hardware AI non risparmia nessuno. Meade lascia la Mela per costruire i dispositivi di OpenAI, confermando che il futuro dell’intelligenza artificiale passa anche da corpi fisici, non solo da software.
Nel primo semestre 2026 l’emissione azionaria a Hong Kong è cresciuta del 29% toccando quasi 44 miliardi di dollari, trainata da produttori di batterie e circuiti stampati. Un segnale che investe direttamente la catena di fornitura per l’infrastruttura LLM on-premise: disponibilità, costi e controllo passano anche da qui.
Per l’AI on-premise la memoria non è più una commodity: è la risorsa che decide cosa puoi eseguire. Il presidente di Winbond, James Chen, indica DRAM e Flash come direttrici di sviluppo. Cosa significa per chi costruisce infrastrutture locali per LLM.
La domanda di AI alimenta l’ottimismo del comparto elettronico di Taiwan, con export in crescita. AI-RADAR legge il fenomeno guardando alla disponibilità futura di hardware per inference on-premise, ai possibili effetti sulla catena di fornitura globale e ai riflessi in termini di TCO e sovranità dei dati per chi oggi valuta stack locali.
La nuova linea di produzione del gigante cinese promette di raddoppiare la resa di guide d’onda ottiche, componente cruciale per gli occhiali a realtà aumentata. Sfruttando wafer da 12 pollici, Goertek mira ad abbattere i costi unitari e ad accelerare l’adozione di dispositivi indossabili con AI integrata, rimescolando le carte dell’intero settore.
A ISC 2026, un dirigente Lenovo ha dichiarato che il 'RAMageddon' – la crisi delle memorie – è la nuova normalità, e che nulla tornerà come prima. L'azienda ha tracciato una guida alla sopravvivenza per le organizzazioni che devono pianificare infrastrutture AI on-premise. L'analisi di AI-RADAR su cosa significa per chi investe in hardware locale.
L'azienda giapponese Tarlin sigla un accordo con i quattro principali produttori mondiali di componenti PC per creare schede madri, case e CPU in miniatura iper-realistiche da montare e collezionare. Un gadget che unisce nostalgia e passione per l'hardware. AI-RADAR analizza cosa racconta al mercato on-premise: la cultura del fai‑da‑te e del controllo fisico resta un pilastro anche nell'era del cloud.
Secondo indiscrezioni, la futura CPU Intel Nova Lake a 52 core potrebbe raggiungere un valore di potenza di picco di 474W, imponendo ai costruttori di motherboard LGA1954 l'adozione di tre connettori EPS a 8 pin. Una cifra che ridefinisce i limiti termici e di alimentazione per le postazioni workstation, con ricadute dirette sulle scelte infrastrutturali di chi gestisce server on-premise.
Un piccolo laboratorio GPU americano lancia un avviso pubblico: le schede customizzate GeForce RTX 4090 e 5090 con 96 GB di VRAM sono una truffa. A giugno 2026 non esistono chip funzionanti, e chi le propone sfrutta la disperazione di chi cerca GPU ad alta memoria per inference LLM on-premise. Le uniche schede moddate verificate sono le 4090 da 48 GB e le 4080 Super da 32 GB.
Un report da Huaqiangbei conferma l'offerta di GPU GeForce RTX 5090 modificate con 96 GB di VRAM. Il costo totale si aggira sui 8.200 dollari, tra prezzo base della scheda e intervento di sostituzione della memoria. Il confronto con la RTX 6000 professionale mette in luce rischi di garanzia e potenziali benefici per carichi di inference on-premise.
La domanda di acceleratori per AI sta congestionando le spedizioni aeree e marittime, facendo lievitare i costi di trasporto. Per le aziende che puntano su deployment on-premise di LLM, la pressione sulla logistica complica il calcolo del TCO e introduce ritardi nella messa in opera di server e cluster. Uno scenario che obbliga a ripensare le strategie di procurement.
L’espansione da 1,1 miliardi di dollari di JCET nel packaging avanzato indica la strategia cinese per superare le restrizioni sui semiconduttori e garantire la fornitura di acceleratori per l’intelligenza artificiale. Un segnale che per il mercato on-premise la partita decisiva si gioca sull’integrazione di chiplet e memoria ad alta larghezza di banda, ben oltre il singolo nodo produttivo.
Al booth di Wiwynn abbiamo visto le nuove sbarre DC a 800V di TE Connectivity con raffreddamento a liquido integrato. Un segnale di come l'infrastruttura di potenza per l'IA stia spingendo oltre i limiti termici convenzionali, con implicazioni dirette su efficienza e densità dei rack on-premise.
Il driver grafico Intel per il kernel Linux si prepara a colmare un vuoto: l'impossibilità di utilizzare l'HDR su connessioni DisplayPort Multi-Stream Transport. La novità interessa workstation multi-monitor e docking station, un tassello rilevante per chi sviluppa o fa ricerca in ambito AI on-premise e ha bisogno di postazioni Linux affidabili anche per il lato multimediale.
Un utente valuta di cedere la propria RTX 5090 per acquistare cinque RTX 5060 Ti da 16 GB e costruire un rig aperto con cavi riser PCIe 4.0. La domanda è chiara: conviene sacrificare potenza di calcolo per avere più VRAM totale? Una scelta che apre scenari concreti per chi spinge l’AI on-premise.
OpenAI ha annunciato Jalapeño, un chip custom per l'inference sviluppato con Broadcom, entrando nel club delle big tech che cercano di ridurre la dipendenza da Nvidia. Senza dettagli tecnici ufficiali, la mossa segnala una strategia di controllo sull'hardware per ottimizzare i costi e i carichi di lavoro, con possibili ricadute sul deployment on-premise e la sovranità dei dati.
La corsa ai Large Language Models on-premise si scontra spesso con un vincolo concreto: la disponibilità di GPU professionali. Lavorare senza hardware da data center, sfruttando schede consumer, CPU e quantization aggressiva, richiede una consapevolezza profonda dei trade-off fra prestazioni, costi e sovranità dei dati.
Dopo i benchmark della CPU Vera, Phoronix mette a confronto le prestazioni per core con il chip GB10. I dati offrono uno spaccato sull'evoluzione delle CPU ARM per server e sulle implicazioni per chi pianifica infrastrutture on-premise per carichi AI, dove la scelta dell'hardware incide su TCO e sovranità dei dati.
Apple rompe la tradizione: niente M6 di fascia alta, il balzo è verso l'M7 ottimizzato per l’intelligenza artificiale. I Mac più potenti arriveranno dal 2027, segnando un cambio di priorità che mette l’elaborazione locale e la sovranità dei dati al centro. Una scelta che ridisegna la roadmap dei chip e parla direttamente a chi sviluppa LLM on-premise.
Nearfield Instruments raccoglie 380 milioni per macchinari dei semiconduttori, mentre il Regno Unito finanzia con 60 milioni laboratori AI per ridurre i costi. Due segnali che, insieme, promettono di rendere più accessibile l'inference locale di modelli linguistici, anche per chi non può o non vuole affidarsi al cloud.