📁 Hardware

La quotazione miliardaria del produttore coreano segnala che la VRAM HBM è il nuovo anello strategico per l'inference LLM on-premise: chi controlla la memoria può strozzare l'intero stack hardware.

Dopo mesi di stop per test insufficienti, la codifica hardware Vulkan Video torna sulle GPU Intel di 12.5 generazione e successive. Un segnale per l’ecosistema Linux e per chi costruisce nodi on-premise dove l’elaborazione video affianca i carichi di inference.

Un post su Reddit ironizza su chi ha comprato una GPU Huawei nell’ultimo anno. Dietro la battuta, la conferma di un ecosistema AI ancora schiacciato dall’inerzia di CUDA, nonostante la spinta delle sanzioni americane e la ricerca di alternative per deployment on-premise e sovrani.

AMD inizia a spedire il Ryzen AI Halo, un mini PC basato su Strix Halo con stack software completamente open source. Un passo concreto per chi cerca deployment on-premise di LLM senza vincoli proprietari.

Un drone elettrico tedesco ha infranto il record mondiale di velocità raggiungendo 434 mph, superando i 409 mph ufficiali. Progettato per missioni di intercettazione anti-aerea, il velivolo senza pilota mostra come il computing edge spinto sia cruciale per l’autonomia in scenari difensivi — un’architettura che richiama i principi del deployment on-premise per l’AI.

Huawei entra nel mercato coreano dei chip AI con cluster SuperPod Atlas da 8.192 acceleratori Ascend 950. Dichiarate prestazioni di inference triple rispetto all'H20 di Nvidia, a un quarto del costo. Un segnale per chi valuta infrastrutture on-premise e alternative al dominio del silicio statunitense.

Turing Inc. ha ricevuto un investimento da AMD Ventures e ha iniziato a utilizzare chip AMD per l'AI dei suoi veicoli autonomi, abbandonando progressivamente Nvidia. La mossa segnala una diversificazione hardware cruciale per il deployment edge, dove costi, latenza e controllo diretto dell'inference contano più che mai.

Un singolo circuito elettronico ha causato il rinvio del rack Kyber di Nvidia, progettato per i chip Rubin Ultra. Il ritardo, segnalato da SemiAnalysis e CNBC, posticipa la disponibilità dal 2027 al 2028, con possibili ripercussioni sui piani di chi investe in infrastrutture AI on-premise.

Le indiscrezioni su accordi di produzione con due big dell’AI segnalano un possibile riequilibrio nel mercato delle fonderie. Per chi gestisce infrastrutture self-hosted, l’arrivo di un secondo fornitore di processo avanzato cambierebbe gli scenari di approvvigionamento.

Il boom dell'AI spinge la domanda di DRAM e NAND: Samsung registra il terzo trimestre consecutivo da record con un utile operativo stimato di 86 trilioni di won. Un segnale per chi costruisce infrastrutture on-premise: la disponibilità e il costo delle memorie impattano direttamente il deployment locale dei modelli.

Il gigante della manifattura registra un giugno da record grazie alla domanda di server e infrastrutture per l’intelligenza artificiale. Una crescita che ridisegna la supply chain e tocca da vicino chi valuta deployment on-premise di LLM.

Il produttore cinese di packaging avanzato SJ Semiconductor ha avviato un progetto da 1,5 miliardi di dollari per circuiti integrati 3D destinati a chip per l’intelligenza artificiale. L’investimento punta a rafforzare la filiera hardware in un momento di domanda crescente, con implicazioni dirette per chi valuta deployment on-premise e sovranità dei dati.

Un'intervista esclusiva rivela la strategia della startup olandese Nearfield Instruments: usare il controllo di processo per competere con la litografia EUV nella produzione di chip per AI. Un approccio che potrebbe ridurre costi e colli di bottiglia, con impatti su chi fa deployment on-premise.

I produttori cinesi di attrezzature per semiconduttori stanno espandendo la capacità per soddisfare la domanda interna, alimentata dal boom dell’intelligenza artificiale e delle memorie. Una mossa che ridisegna gli equilibri della filiera hardware e apre scenari nuovi per il deployment on-premise di modelli LLM.

Secondo Phison, la domanda legata all'intelligenza artificiale sta modificando le dinamiche del mercato delle memorie NAND, tradizionalmente soggetto a fasi di forte espansione e contrazione. Un cambiamento che interessa chi progetta infrastrutture on-premise, dove lo storage è una voce di costo critica.

Micron ha avviato i lavori di ampliamento della fabbrica di Hiroshima, puntando ad aumentare la produzione di chip di memoria dedicati all’intelligenza artificiale. L’espansione risponde alla crescente domanda di memoria ad alta larghezza di banda (HBM) necessaria per GPU e acceleratori usati nell’addestramento e nell’inference di LLM. Un segnale che il settore hardware si prepara a una diffusione sempre più ampia di carichi AI, anche in contesti on-premise.

In Gujarat è partita la produzione nell’impianto di packaging e test di CG Semi, il terzo hub dei chip nel paese. Un tassello che va oltre l’industria elettronica: per l’AI on-premise e la sovranità digitale, la disponibilità di semiconduttori locali riduce rischi, tempi e costi.

L'industria dei semiconduttori di Taiwan, pilastro della produzione globale di chip, entra in una fase critica di approvvigionamento di elio. Con una dipendenza quasi totale dal Qatar, la fragilità della catena logistica apre interrogativi su costi e disponibilità futura di GPU per l'AI on-premise.

L'azienda cinese Zhonghao Xinying ha presentato Xuyu, un processore TPU pensato per competere con le architetture GPU nei carichi di lavoro AI. L'annuncio segnala un'evoluzione nel mercato degli acceleratori custom, con possibili implicazioni per chi valuta deployment on-premise e sovranità dei dati.

Un appassionato ha assemblato un drive USB con memoria a nuclei magnetici fatti a mano, riciclando componenti russi d'epoca. Una risposta estrema ai costi attuali, che solleva interrogativi sulla longevità e sovranità dei dati per chi valuta stack hardware auto-gestiti.