I colli di bottiglia dell’AI nel 2026: chip, memoria HBM, packaging ed energia

La tesi più facile da scrivere sarebbe: "i modelli piccoli stanno erodendo la domanda di datacenter". I numeri dicono l'esatto contrario. Il capex dei giganti tecnologici sta accelerando, non rallentando — ma il vincolo reale non è più il silicio in sé. È tutto quello che serve per trasformarlo in un chip funzionante e tenerlo acceso.

Gli investimenti nell’AI accelerano: il capex di Big Tech continua a crescere

Il capex combinato di Microsoft, Amazon, Alphabet e Meta per il 2026 sfiora i 725 miliardi di dollari, contro circa 410 miliardi nel 2025 — una crescita del 77% in un solo anno. Amazon guida con circa 200 miliardi, seguita da Microsoft (190), Alphabet (fino a 205, alzato nel corso dell'anno) e Meta (fino a 145, guidance alzata due volte).

Il free cash flow ne risente pesantemente — alcune stime indicano un calo di quasi il 90% per Meta, con proiezioni di free cash flow negativo per Amazon nel 2027-28. Ed è qui che emerge il primo segnale interessante per chi investe: dopo la trimestrale di Alphabet, il titolo è sceso del 7% nonostante una crescita del cloud del 63%. Gli investitori iniziano a chiedere ROI visibile, non solo crescita del capex a occhi chiusi. È la prima crepa in una narrativa che finora sembrava a prova di dubbio.

Nvidia e AMD: la domanda di GPU e chip AI non sta rallentando

Se il capex dei clienti accelera, lo si vede prima di tutto nei ricavi di chi vende loro le GPU. Nvidia ha chiuso il trimestre con 75,2 miliardi di dollari di fatturato datacenter, +92% anno su anno, margine netto al 72%. AMD segue con 6,7 miliardi nel segmento datacenter, +107% anno su anno, fatturato totale +50%, trainato dal ramp-up di HeliosHelios: il sistema "rack-scale" di AMD — un intero armadio server progettato per far lavorare insieme centinaia di chip come un unico grande computer per l'AI, in diretta concorrenza con le soluzioni equivalenti di Nvidia.Chiudi ✕ (il suo sistema rack-scale) con Meta, OpenAI e Oracle come clienti.

Nessuna delle due aziende mostra alcun segno di frenata legata alla diffusione degli SLM o dell'inferenza locale. Semmai, il problema che raccontano nelle call con gli analisti è opposto: non riescono a consegnare abbastanza in fretta. Ed è qui che la storia si sposta da "quanti chip servono" a "cosa serve davvero per trasformare un chip in un prodotto funzionante".

I tre colli di bottiglia della filiera AI: packaging, memoria ed energia

Il racconto pubblico si concentra quasi sempre sulla scarsità di GPU. Ma nel 2026 il vincolo si è spostato a valle, in tre punti precisi della catena — e sono questi, non l'adozione di modelli più piccoli, il vero limite alla velocità con cui l'infrastruttura AI può crescere.

1. Packaging avanzato e CoWoS: perché assemblare i chip AI è diventato un collo di bottiglia

Un chip AI moderno non è un singolo pezzo di silicio: è un processore logico incollato a stack di memoria ad altissima velocità attraverso un processo chiamato CoWoS (Chip-on-Wafer-on-Substrate), controllato quasi interamente da TSMC. Senza questo passaggio, anche un wafer perfetto a 3 nanometri resta un pezzo di silicio inerte, non un chip funzionante.

Quasi quattro volte più capacità in due anni — e il CEO di TSMC, C.C. Wei, ha comunque dichiarato agli azionisti che la capacità CoWoS resta "estremamente tesa e sold out fino a tutto il 2026". Nvidia da sola ha riservato una quota stimata tra 800.000 e 850.000 wafer della capacità 2026 — oltre metà del totale disponibile. Secondo alcune stime di settore, gli impianti di packaging avanzato di TSMC risultano prenotati fino al 2027, con tempi di consegna tra 52 e 78 settimane. Anche i substrati ABF — un altro materiale necessario, controllato per oltre il 95% da un singolo fornitore giapponese — vengono indicati da TSMC come il prossimo possibile collo di bottiglia dopo la memoria. Vale la pena aprire questa parentesi, perché racconta forse il punto più stretto di tutta la filiera. Gli ABF (Ajinomoto Build-up Film) sono il materiale isolante indispensabile per incapsulare ogni chip AI di fascia alta — e il nome non è un caso: furono scoperti negli anni '90 come sottoprodotto della produzione di glutammato monosodico, il comune dado da brodo. Ajinomoto, l'azienda giapponese nota al grande pubblico soprattutto per il cibo, controlla oggi oltre il 95% del mercato mondiale di questo materiale — una concentrazione persino più estrema di quella di TSMC sul packaging avanzato. Nell'agosto 2026 ha comunicato ai clienti cinesi un taglio delle forniture del 30% e un nuovo sistema di prezzi in vigore dal terzo trimestre, con aumenti fino al 30%; i tempi di consegna hanno superato i sei mesi. Secondo Morgan Stanley, il divario tra domanda e offerta di substrati ABF di fascia alta passerà dal 10% nella seconda metà del 2026 al 21% nel 2027, fino al 42% nel 2028. L'azienda ha annunciato investimenti per almeno 25 miliardi di yen entro il 2030 per aumentare la capacità del 50% — ma con Goldman Sachs che prevede una crescita del mercato del 33% annuo composto fino al 2028, non è affatto scontato che basti. Il titolo, storicamente considerato una tranquilla azienda alimentare, ha guadagnato oltre il 40% da inizio 2026, toccando un massimo storico a fine febbraio: il mercato ha iniziato — con qualche mese di ritardo — ad accorgersi che un'azienda di condimenti tiene per la gola l'intera filiera dei chip AI.

2. Memoria HBM e DRAM: perché l’AI sta assorbendo la capacità produttiva globale

Qui il collo di bottiglia è diventato visibile anche a chi non segue i mercati azionari. SK Hynix, Samsung e Micron — che insieme controllano oltre il 90% della produzione mondiale di DRAM — hanno dichiarato la propria capacità di memoria HBM (High Bandwidth Memory) sold out per tutto il 2026, con alcuni clienti che si sono già assicurati forniture fino al 2027. Il motivo: la produzione di un singolo wafer HBM assorbe circa tre volte la capacità di un wafer DRAM convenzionale, e i produttori hanno spostato in massa la produzione verso l'HBM, molto più redditizia.

Samsung ha aumentato il prezzo dei moduli DDR5 da 32GB da 149 a 239 dollari — un rialzo del 60% — mentre i prezzi contrattuali DDR5 sono più che raddoppiati nello stesso periodo. Non è un problema per gli addetti ai lavori: è già nel prezzo del prossimo computer che comprerai.

Le previsioni non sono per un rimbalzo rapido: Samsung e SK Hynix hanno segnalato che la carenza potrebbe protrarsi almeno fino al 2027, e in alcune dichiarazioni di SK Group si è parlato addirittura di pressione sulla domanda fino al 2030. Nel 2026 i datacenter dovrebbero assorbire fino al 70% di tutta la memoria di fascia alta prodotta al mondo — un'inversione quasi completa rispetto a un'industria storicamente pensata per PC e smartphone di consumo.

3. Energia e rete elettrica: il limite fisico alla crescita dei datacenter AI

L'ultimo collo di bottiglia è anche il più difficile da risolvere con un investimento in una nuova fabbrica: la rete elettrica. Un singolo campus per l'addestramento AI può richiedere tra 100 e 500 megawatt continui — l'equivalente del fabbisogno di una piccola città. I tempi di attesa per allacciare nuova capacità alla rete si sono allungati fino a 3-5 anni, contro i 24-30 mesi tipici di prima del 2020, principalmente per la scarsità di trasformatori ad alta tensione.

Il risultato: secondo un'analisi citata da diversi operatori di settore, su circa 12 gigawatt di capacità datacenter annunciata per il 2026 negli Stati Uniti, solo 5 risultano davvero in costruzione. Il resto resta bloccato in fase di progetto. Le cinque maggiori Big Tech insieme stanno ormai spendendo, nel solo capex energetico, quasi il doppio di quanto l'intera industria elettrica statunitense ha investito in generazione, trasmissione e distribuzione in un anno recente. Non sorprende che in alcune aree residenziali vicine a grandi cluster di datacenter (Virginia, Texas, Georgia) le bollette elettriche siano già salite dell'8-15%, né che analisti come Gartner prevedano che entro il 2027 i vincoli di potenza limiteranno fino al 40% dei datacenter AI pianificati.

La risposta delle Big Tech è stata bypassare del tutto la rete pubblica: accordi diretti con produttori di energia (Microsoft ha firmato per 10,5 GW con Brookfield Renewable), investimenti in centrali nucleari modulari, celle a combustibile on-site. È un segnale che vale la pena leggere con attenzione: quando le aziende più capitalizzate al mondo iniziano a costruirsi la propria centrale elettrica pur di non aspettare la rete, il collo di bottiglia non è più percepito come temporaneo.

Chip AI emergenti: Microchip, CEVA e Cerebras tra edge e cloud

In mezzo a questa corsa dominata da poche mega-cap, ci sono storie più piccole che vale la pena osservare, perché raccontano l'altra faccia della stessa medaglia: non tutti stanno scommettendo sulla stessa scala.

Microchip Technology ha acquisito Hailo, startup israeliana di chip per l'AI edge, dopo che quest'ultima aveva visto la propria valutazione crollare da oltre un miliardo di dollari a una frazione di quella cifra — non un'acquisizione trionfale, ma un salvataggio, integrato nella rete di distribuzione OEM che Microchip ha costruito in decenni. CEVA, licenziante di IP per NPU su scala molto più piccola, ha appena firmato un accordo di licenza con quella che definisce "una piattaforma AI globale leader" — un design win che, se si trasforma in royalty su volumi hyperscaler, potrebbe cambiare la scala dell'azienda nel giro di 2-3 anni. E Cerebras, con la sua IPO da 6,4 miliardi di dollari raccolti, va inquadrata più correttamente come sfidante di Nvidia nell'inferenza cloud ad altissima velocità — non come prova della tesi "edge": il suo fatturato cloud è cresciuto del 281% anno su anno, ma la perdita netta GAAP nel solo ultimo trimestre ha superato i 450 milioni di dollari.

Il futuro dell’AI dipenderà da packaging, memoria ed energia

Mettendo insieme i bilanci di Big Tech, chipmaker e outsider, il quadro che emerge non è quello suggerito dal titolo più facile da scrivere. Non c'è alcuna prova che l'ascesa degli SLM stia cannibalizzando la domanda di datacenter — anzi, capex e ricavi accelerano su entrambi i fronti contemporaneamente. La vera tesi d'investimento, per chi segue questo settore, non è "edge contro cloud": è che il collo di bottiglia si è spostato dal chip a tutto ciò che serve per farlo funzionare — packaging, memoria, elettricità — e che questi tre vincoli fisici, non l'adozione di modelli più piccoli, sono ciò che davvero determinerà la velocità con cui l'infrastruttura AI potrà crescere nei prossimi anni.

È lo stesso principio di fondo dell'articolo precedente, letto da un'angolazione diversa: l'intelligenza artificiale si sta biforcando tra un cloud sempre più grande e potente e un edge sempre più capace — non l'uno a scapito dell'altro, ma entrambi vincolati dalla stessa fisica di fondo: quanta memoria si riesce a produrre, quanti chip si riescono davvero ad assemblare, e quanta elettricità si riesce a portare dove serve.