Come la memoria sta diventando il collo di bottiglia dell’IA

Ultimo aggiornamento: 18 maggio 2026 | Autore: Cameron MacDonald

Sintesi

Le esigenze di memoria dell’IA sono fondamentalmente diverse rispetto ai requisiti di memoria di qualsiasi altra tecnologia.
La crisi della memoria per l’IA potrebbe mettere sotto pressione numerosi altri settori, inclusi quello automobilistico e delle telecomunicazioni.
Per gli investitori, questa limitazione potrebbe rappresentare anche un’opportunità.

Che cos’è la memoria per l’IA e perché è diversa dalla memoria tradizionale?

I chip di memoria dei computer più tradizionali possono essere paragonati a edifici collegati da autostrade. Tuttavia, le strade possono essere ampliate – o un computer può essere reso più veloce – solo fino a un certo punto, limitando la velocità complessiva del sistema informatico.

I carichi di lavoro dell’IA sono estremamente intensivi; quando risponde a una domanda o svolge un’attività, l’IA deve eseguire miliardi di calcoli matematici simultaneamente, elaborando enormi quantità di dati per generare una risposta.

“Se la memoria non riesce ad alimentare il chip a una velocità sufficiente, si crea un collo di bottiglia, generando tempi di risposta inaccettabili.”

La memoria ad alta larghezza di banda (High Bandwidth Memory, o HBM) risolve questo problema impilando gli “edifici” con strati collegati tramite silicio, aggiungendo di fatto più corsie alle autostrade.[1]

Tuttavia, sebbene la HBM risolva il problema della larghezza di banda, la crescente complessità e dimensione dei modelli di IA, insieme all’enorme quantità di dati necessari per addestrare nuovi modelli, stanno rendendo i chip di memoria fisici un potenziale limite all’espansione dell’IA.

Fonte: McKinsey & Company. Dati aggiornati al 26.02.2026. Il grafico mostra dati previsionali. A solo scopo illustrativo.

Nel 2024, la portata della sfida era già evidente anche ai responsabili politici. La Segretaria al Commercio degli Stati Uniti Gina Raimondo dichiarò che “il volume di chip che [le aziende di IA] prevedono di dover utilizzare è sbalorditivo”.[2]

Da allora, la domanda di memoria è aumentata drasticamente con la diffusione dell’IA. SK Hynix (società sudcoreana produttrice di chip di memoria essenziali per le GPU) ha registrato un aumento dei ricavi del 198% su base annua ad aprile.[3] Tutti e tre gli stabilimenti produttivi di Taiwan Semiconductor Manufacturing Company (TSMC) sono completamente prenotati, con tempi di attesa compresi tra 52 e 78 settimane.[4]

Qual è il problema produttivo che sta influenzando lo sviluppo dell’IA?

Per soddisfare le esigenze delle aziende di IA, si prevede che la memoria rappresenterà il 30% della loro spesa nel 2026.[5] Le aziende di IA sono quindi costrette a modificare radicalmente i propri piani di investimento per far fronte alla domanda.

Gli hyperscaler dell’IA sono disposti a sottoscrivere contratti non rimborsabili della durata di tre-cinque anni pur di assicurarsi la fornitura dei chip necessari. Secondo UBS Group, tra il 20% e il 30% delle spedizioni di memoria dinamica ad accesso casuale (DRAM) potrebbe essere ora coperto da questi accordi.[6]

Sebbene questo comportamento di acquisto dimostri una forte volontà di aumentare la capacità disponibile di memoria e chip, esiste un problema più ampio. Ad esempio, se Nvidia volesse vendere più chip, potrebbe farlo solo se TSMC fosse in grado di produrne di più. Il problema non riguarda necessariamente i chip o la potenza di calcolo; è l’assemblaggio dell’intero sistema a creare il collo di bottiglia e a spingere verso l’alto i prezzi della memoria.

Quali potrebbero essere le conseguenze dell’aumento dei prezzi della memoria?

La domanda di memoria guidata dall’IA ha natura strutturale. Samsung, SK Hynix e Micron – le tre società responsabili del 95% della produzione globale di DRAM – hanno progressivamente riallocato risorse per compensare la domanda, destinando il 93% della produzione combinata alla memoria per i data centre dedicati all’IA. [7]

Di conseguenza, la memoria DRAM e NAND destinata ai consumatori è diventata estremamente scarsa, mentre i prezzi della DRAM sono quasi raddoppiati dall’inizio del 2025. A causa di questa concentrazione sull’abilitazione dei carichi di lavoro dell’IA, altri settori potrebbero affrontare una crescente pressione sui prezzi, e le aziende con margini più ridotti potrebbero subire una significativa compressione dei profitti se i costi rimarranno elevati.

I settori medico, automobilistico, delle telecomunicazioni e del gaming stanno tutti affrontando aumenti dei costi. Ad esempio, il costo di produzione di uno smartphone tradizionale potrebbe aumentare di 30 dollari,[8] un incremento che probabilmente verrebbe trasferito ai consumatori.

Cosa potrebbe significare per gli investitori?

La portata del problema legato all’offerta di memoria è significativa. I tempi di consegna per gli ordini attuali sono lunghi e l’aggiunta di nuova capacità produttiva richiederà mesi, se non anni, per raggiungere la domanda attuale.

Allo stesso tempo, la domanda di servizi basati sull’IA continua ad espandersi. Meta prevede di investire tra 125 e 145 miliardi di dollari nel 2026, quasi il doppio rispetto al 2025.[9]

A beneficiare di questa enorme spesa sono anche i fornitori della memoria fisica che alimenta questi modelli di IA: Samsung, SK Hynix e Micron attualmente dispongono di un significativo potere di determinazione dei prezzi. Il fatto è che queste aziende stanno producendo una componente essenziale dello sviluppo dell’IA e prezzi più elevati potrebbero non scoraggiare i clienti.

I produttori di memoria per l’IA potrebbero trarre beneficio dalla continua evoluzione dell’IA e dalla sua crescente integrazione nelle società di tutto il mondo.

Informazioni su DRAM

Il Defiance Memory UCITS ETF (DRAM) offre agli investitori un’esposizione mirata alle aziende che progettano, producono e commercializzano semiconduttori di memoria e sistemi di archiviazione dati, componenti hardware fondamentali per supportare la prossima fase di sviluppo dell’intelligenza artificiale, del cloud computing e delle infrastrutture dati hyperscale.

Con l’aumento senza precedenti della larghezza di banda richiesta dai carichi di lavoro dell’IA, il fondo si concentra su società innovative attive nella memoria ad alta larghezza di banda (High Bandwidth Memory, HBM), nella memoria dinamica ad accesso casuale (Dynamic Random Access Memory, DRAM), nelle memorie flash NAND (“Not AND”) e NOR (“Not OR”), nelle unità a stato solido (Solid-State Drives, SSD), nei controller di memoria e nelle tecnologie di memoria emergenti.

L’ETF replica l’Indxx Defiance Global Memory Chip Select Index, che mira a cogliere opportunità di crescita potenzialmente elevate lungo l’intera catena del valore della memoria. L’indice seleziona società quotate a livello globale che generano almeno il 50% dei ricavi da attività legate alla memoria e allo storage, con ponderazione basata sulla capitalizzazione di mercato e ribilanciamento trimestrale.

Questo materiale non costituisce un documento di marketing. Non rappresenta un invito all’investimento, ma deve essere letto esclusivamente a fini educativi. Le performance passate e le previsioni non sono indicatori affidabili dei risultati futuri.

[1] https://www.scientificamerican.com/article/high-bandwidth-memory-is-a-bottleneck-for-ai-chips/

[2] https://www.nbcnews.com/business/business-news/what-is-nvidia-what-do-they-make-ai-artificial-intelligence-rcna140171

[3] https://stockanalysis.com/quote/krx/000660/transcripts/547968-q1-2026/

[4] https://siliconanalysts.com/analysis/foundry-allocation-status-q1-2026

[5] https://x.com/SemiAnalysis_/status/2039870546582630470

[6] https://www.bloomberg.com/opinion/articles/2026-06-01/ai-rally-a-trillion-dollar-question-for-memory-chipmakers?srnd=phx-opinion-markets&embedded-checkout=true

[7] https://tech-insider.org/memory-chip-shortage-2026-ai-consumer-electronics/

[8] https://www.bbc.co.uk/news/articles/c1dzdndzlxqo

[9] https://www.bbc.co.uk/news/articles/cn8jkyk78gno

Domande frequenti

Memoria per l’IA?

La memoria per l’IA si riferisce alle tecnologie di memoria utilizzate per aiutare i sistemi di IA ad accedere e trasferire grandi quantità di dati rapidamente. I modelli di IA si basano su enormi volumi di informazioni, quindi la memoria svolge un ruolo fondamentale nell’aiutare i chip a elaborare le attività ad alta velocità.

Perché l’IA necessita di una memoria diversa rispetto all’elaborazione informatica tradizionale?

I carichi di lavoro dell’IA sono molto più intensivi rispetto a molte attività informatiche tradizionali. Quando un modello di IA risponde a una domanda o completa un’attività, può dover eseguire miliardi di calcoli mentre elabora grandi quantità di dati. Se la memoria non riesce a tenere il passo, l’intero sistema rallenta.

Che cos’è la memoria ad alta larghezza di banda?

La memoria ad alta larghezza di banda (High Bandwidth Memory, HBM) è un tipo di memoria progettata per trasferire grandi quantità di dati al processore molto più rapidamente. I carichi di lavoro dell’IA ne hanno bisogno perché si basano sull’accesso simultaneo a enormi volumi di dati.

L’articolo paragona questo processo all’aggiunta di più corsie a un’autostrada: la HBM impila più strati di memoria e li collega attraverso il silicio, consentendo il trasferimento di una maggiore quantità di dati contemporaneamente e contribuendo a ridurre i colli di bottiglia.

Perché i chip di memoria stanno diventando un collo di bottiglia per l’IA?

I carichi di lavoro dell’IA richiedono l’elaborazione simultanea di enormi quantità di dati, creando esigenze di memoria molto superiori rispetto all’informatica tradizionale. Sebbene i chip per l’IA siano diventati sempre più potenti, possono funzionare in modo efficiente solo se la memoria è in grado di fornire dati a una velocità sufficiente. Quando la memoria non riesce a tenere il passo con la potenza di elaborazione dei chip per l’IA, si crea un collo di bottiglia che limita le prestazioni.

La memoria ad alta larghezza di banda (High Bandwidth Memory, HBM) aiuta ad affrontare questa sfida consentendo un trasferimento più rapido dei dati tra la memoria e i processori per l’IA. Tuttavia, la rapida crescita delle infrastrutture dedicate all’IA ha spinto la domanda di tecnologie di memoria avanzate, mettendo sotto pressione l’offerta e rendendo la memoria un vincolo critico per un’ulteriore espansione dell’IA.

Adapting precision warfare: How US defence spending priorities are changing

ottobre 2026

Come la memoria sta diventando il collo di bottiglia dell’IA

Ultimo aggiornamento: 18 maggio 2026 | Autore: Cameron MacDonald

Sintesi

“Se la memoria non riesce ad alimentare il chip a una velocità sufficiente, si crea un collo di bottiglia, generando tempi di risposta inaccettabili.”

Qual è il problema produttivo che sta influenzando lo sviluppo dell’IA?

Quali potrebbero essere le conseguenze dell’aumento dei prezzi della memoria?

Cosa potrebbe significare per gli investitori?

Informazioni su DRAM

Domande frequenti

Memoria per l’IA?

Perché l’IA necessita di una memoria diversa rispetto all’elaborazione informatica tradizionale?

Che cos’è la memoria ad alta larghezza di banda?

Perché i chip di memoria stanno diventando un collo di bottiglia per l’IA?

Related Funds

More Articles

Strategie di investimento

Chi siamo

Risorse

Leaving HANetf's Website