ASML, leader nella litografia a ultravioletti estremi (EUV), ha annunciato l'estensione del supporto per la tecnicia Low NA EUV fino al 2031, parallelamente all'accelerazione della produzione dei sistemi High NA EUV di prossima generazione. Questa strategia mira a garantire la stabilità della catena di fornitura di chip, fondamentale per l'evoluzione dell'hardware AI e per le decisioni di deployment on-premise che richiedono prestazioni e controllo.
Tesla ha annunciato il tape-out del suo chip AI5, un passo cruciale verso la produzione. I primi campioni del processore integrano memoria SK Hynix, indicando le scelte tecniciche per l'hardware dedicato all'intelligenza artificiale. Questo sviluppo è rilevante per le aziende che valutano soluzioni on-premise per carichi di lavoro LLM, evidenziando l'importanza delle specifiche hardware e della supply chain.
Nio, il produttore di veicoli elettrici, sta sviluppando chip proprietari per le proprie vetture. L'iniziativa mira a diminuire la dipendenza da fornitori esterni come Nvidia e a ottimizzare i costi di produzione dei veicoli elettrici. Questa strategia riflette una tendenza crescente nel settore tecnicico verso l'integrazione verticale e il controllo diretto sull'hardware.
Semidynamics, nota per le sue soluzioni SoC, sta espandendo la propria offerta verso sistemi rack-level, puntando specificamente all'Inference AI che richiede elevate capacità di memoria. Questa mossa strategica risponde alla crescente domanda di hardware specializzato per carichi di lavoro complessi come i Large Language Models, offrendo nuove opzioni per deployment on-premise che privilegiano sovranità dei dati e controllo.
Un recente test di performance ha evidenziato l'impiego di un'architettura con ben 18 GPU per gestire un carico di lavoro intensivo. Questo scenario solleva questioni cruciali per i professionisti IT che valutano deployment on-premise di Large Language Models. L'analisi delle prestazioni di configurazioni multi-GPU è fondamentale per ottimizzare il TCO e garantire la sovranità dei dati in ambienti AI, richiedendo una pianificazione hardware meticolosa.
La prossima versione del kernel Linux segna un cambiamento significativo per l'ecosistema hardware. Oltre a iniziare la dismissione del supporto per le CPU Intel 486, la novità principale riguarda l'avvio della rimozione del codice driver per le CPU Baikal di produzione russa. Questa decisione riflette dinamiche geopolitiche e tecniciche, influenzando potenzialmente le strategie di deployment on-premise per le infrastrutture che si affidano a tali componenti.
Il mercato dei circuiti integrati analogici di Taiwan ha mostrato ricavi eterogenei nel primo trimestre 2026, con i PMIC DDR5 che emergono come un fattore chiave di crescita. Questo sviluppo, sebbene legato a dinamiche di mercato più ampie, sottolinea l'importanza di componenti fondamentali come i PMIC DDR5 per l'evoluzione dell'infrastruttura hardware. Per i decision-maker che valutano deployment on-premise di carichi di lavoro AI, la stabilità e l'efficienza di tali componenti sono cruciali per il TCO e le performance.
CamGraPhIC, una controllata di 2D Photonics con sede a Milano, ha ottenuto l'approvazione della Commissione Europea per un finanziamento statale italiano di 211 milioni di euro. L'investimento è destinato all'industrializzazione della sua tecnicia di interconnessione fotonica basata sul grafene e alla costruzione di una linea di produzione pilota vicino a Milano, segnando un passo significativo per il deeptech italiano nel settore hardware.
Tesla ha raggiunto la fase di tape-out per il suo chip AI5, un passo cruciale che segnala la prontezza del design per la produzione. La mossa conferma una strategia di dual sourcing, affidandosi a Samsung e TSMC per la fabbricazione. Questa decisione evidenzia l'impegno di Tesla nello sviluppo di hardware AI proprietario e la sua attenzione alla resilienza della supply chain.
L'emergere di startup cinesi nel settore delle GPU per l'intelligenza artificiale sta ridefinendo la competizione globale. Questo sviluppo offre nuove prospettive per le aziende che cercano alternative ai fornitori tradizionali, influenzando le strategie di deployment on-premise, la sovranità dei dati e la diversificazione della supply chain in un mercato hardware sempre più strategico.
I produttori taiwanesi di lenti stanno riorientando la loro produzione, spostandosi dal mercato degli smartphone verso le tecnicie Co-Packaged Optics (CPO) e la fotonica al silicio. Questa transizione strategica risponde alla crescente domanda di interconnessioni ad alta larghezza di banda e bassa latenza, essenziali per le infrastrutture AI avanzate, in particolare nei data center e nei deployment on-premise. Il cambiamento evidenzia l'evoluzione del panorama hardware, guidato dai carichi di lavoro degli LLM, con un'enfasi su efficienza e prestazioni.
AMD sta integrando un nuovo "power module" nel driver grafico AMDGPU per il kernel Linux. L'obiettivo è ottimizzare le funzionalità di risparmio energetico legate al display, allineando il comportamento del driver su Linux a quello già presente nelle implementazioni per Microsoft Windows. Questo aggiornamento mira a garantire una maggiore efficienza energetica per le GPU Radeon in ambienti operativi Open Source.
L'ultima versione del kernel Linux, la 7.1, integra l'abilitazione di default della funzionalità FRED (Flexible Return and Event Deliver) per i processori Intel Panther Lake. Questa mossa, guidata da un ingegnere Intel, segue benchmark che hanno evidenziato un impatto molto positivo sulle prestazioni. L'attivazione predefinita di FRED mira a ottimizzare l'efficienza dei nuovi chip Intel, un fattore cruciale per le architetture che richiedono controllo e sovranità dei dati.
L'intelligenza artificiale sta trasformando il settore della progettazione di chip e l'ottimizzazione del software per diverse architetture di silicio. Questo progresso promette di rendere più accessibili risorse tecniciche di alto valore, aprendo la strada a una potenziale rivoluzione nella produzione di semiconduttori, guidata da nuove startup.
Elon Musk ha mostrato il primo esemplare del processore Tesla AI5, annunciando un incremento di prestazioni fino a 40 volte rispetto al modello precedente. L'evento ha visto anche un lapsus, con Musk che ha menzionato "TSC" invece di "TSMC". Questo nuovo chip è destinato a rafforzare le capacità di calcolo di Tesla, con implicazioni significative per i carichi di lavoro AI e l'infrastruttura on-premise.
Wayve, azienda londinese di software per la guida autonoma, ha ottenuto un investimento di 60 milioni di dollari da AMD, Arm e Qualcomm. Questo finanziamento, che estende il round Series D a 1,2 miliardi di dollari, consolida la sua copertura su diverse architetture di calcolo automotive, dalle piattaforme esistenti a quelle di nuova generazione, rafforzando la sua posizione nel settore dei veicoli a guida autonoma.
I produttori di apparecchiature taiwanesi stanno capitalizzando l'onda delle tecnicie di packaging avanzato e della fotonica su silicio. Questi progressi sono cruciali per lo sviluppo di hardware ad alte prestazioni, essenziale per i carichi di lavoro AI e LLM. L'innovazione in queste aree influenza direttamente la densità, la larghezza di banda e l'efficienza energetica dei chip, con significative implicazioni per le strategie di deployment on-premise e il TCO delle infrastrutture AI.
L'architettura Open Source RISC-V sta guadagnando terreno nei data center dedicati all'AI, un trend rafforzato dal supporto di Nvidia a SiFive. Questa evoluzione offre nuove opportunità per ottimizzare l'infrastruttura hardware, il TCO e la sovranità dei dati, specialmente per i deployment on-premise. La flessibilità di RISC-V permette soluzioni personalizzate, cruciali per carichi di lavoro AI specifici e per un maggiore controllo sulla stack tecnicica.
La collaborazione tra Taiwan e Giappone sui materiali avanzati mira a potenziare la prossima generazione di chip e le soluzioni per l'energia pulita. Questa partnership è cruciale per l'evoluzione dell'hardware, influenzando direttamente le capacità di calcolo per l'intelligenza artificiale e l'efficienza energetica delle infrastrutture on-premise, elementi chiave per CTO e architetti di sistema.
Nvidia sta giocando un ruolo chiave nella ridefinizione delle architetture per l'AI nel cloud, con una crescente attenzione verso RISC-V. Questa mossa intensifica la competizione tra le diverse Instruction Set Architecture (ISA), influenzando le strategie di deployment e i costi totali di proprietà per le infrastrutture AI. La flessibilità di RISC-V offre nuove opportunità per ottimizzare performance e controllo, sia nel cloud che in ambienti self-hosted.