Volatilità dei prezzi e strategie per le imprese

La corsa globale all’intelligenza artificiale ha innescato la più grande crisi di approvvigionamento hardware degli ultimi decenni. GPU introvabili, memorie HBM con lead time fino a 12 mesi, prezzi della DRAM raddoppiati in pochi mesi: per le imprese europee che devono costruire infrastrutture HW, il panorama è radicalmente cambiato. Questo articolo analizza le cause strutturali della volatilità, quantifica l’impatto sui budget e propone strategie concrete per navigare un mercato in tensione permanente.

La tempesta perfetta: quando la domanda divora l’offerta

Il CEO di Nvidia Jensen Huang l’ha definita “la più grande costruzione infrastrutturale nella storia dell’umanità”. I numeri gli danno ragione. I cinque maggiori hyperscaler statunitensi — Amazon, Microsoft, Alphabet, Meta e Oracle — hanno programmato investimenti in conto capitale (CapEx) compresi tra 660 e 700 miliardi di dollari per il solo 2026, quasi il doppio rispetto ai circa 400 miliardi spesi nel 2025. Di questa cifra colossale, circa il 75% è destinato a infrastrutture AI: server, GPU, data center, networking.

Per dare una misura della scala: il CapEx AI di Amazon per il 2026, pari a 200 miliardi di dollari, supera da solo il PIL combinato dei tre Paesi baltici. E non si tratta solo dei giganti americani. La Francia ha annunciato investimenti privati per 112 miliardi di dollari nel settore AI. Secondo Gartner, la spesa globale in intelligenza artificiale raggiungerà i 2.000 miliardi di dollari entro la fine del 2026.

Questa domanda senza precedenti si è scontrata con una supply chain che semplicemente non può scalare alla velocità del software. Costruire una nuova fabbrica di semiconduttori richiede dai due ai tre anni e investimenti di svariati miliardi. Anche con l’espansione in corso di nuovi stabilimenti negli Stati Uniti e in Europa, la capacità produttiva non sarà sufficiente prima del 2027-2028.

I tre colli di bottiglia che strozzano il mercato

GPU: il componente più conteso al mondo

Le GPU rimangono l’epicentro della crisi. Le GPU da data center Nvidia, in particolare le architetture Hopper (H100, H200) e le nuove Blackwell, presentano tempi di consegna che oscillano tra le 36 e le 52 settimane. Nvidia ha allocato circa il 60% della propria produzione ai clienti enterprise AI nel primo trimestre 2025, riducendo drasticamente la disponibilità per tutti gli altri segmenti. La transizione all’architettura Blackwell ha ulteriormente complicato la situazione, generando sovrapposizioni tra generazioni di prodotto e disponibilità inconsistente.

Memoria HBM e DRAM: il vincolo nascosto

Se le GPU catturano i titoli dei giornali, è la memoria il vero collo di bottiglia emergente. La High-Bandwidth Memory (HBM), indispensabile per gli acceleratori AI, è in grave carenza: Samsung, SK Hynix e Micron operano a piena capacità con lead time da sei a dodici mesi. I prezzi della HBM3 sono già saliti del 20-30% su base annua.

Ma la situazione più drammatica riguarda la DRAM nel suo complesso. Secondo Reuters, le scorte dei fornitori DRAM sono crollate a 2-4 settimane nell’ottobre 2025, rispetto alle 13-17 settimane di fine 2024. Samsung ha aumentato i prezzi di alcune memorie server del 30-60%: i moduli DDR5 da 32GB sono passati da 149 a 239 dollari in soli due mesi. Anche i prezzi della GDDR6 sono saliti di circa il 30% nel corso del 2025, con effetti a catena su tutta la filiera hardware, dalle schede grafiche ai dispositivi consumer.

Packaging avanzato e storage: pressioni a cascata

Il terzo fronte critico è il packaging avanzato, in particolare la tecnologia CoWoS di TSMC, fondamentale per integrare la HBM accanto ai processori AI. La capacità è completamente prenotata fino a fine 2025, e anche le proiezioni per il 2026 (90.000 wafer al mese) non basteranno a soddisfare la domanda. Sul fronte storage, le SSD NVMe enterprise hanno registrato aumenti del 15-20% su base annua, poiché i produttori NAND hanno intenzionalmente ridotto la produzione per stabilizzare i margini dopo periodi di sovra-offerta.

Impatto sui prezzi dei componenti chiave (2026)

Il fattore geopolitico: chip, dazi e sovranità digitale

A rendere la situazione ancora più imprevedibile interviene la geopolitica. I controlli statunitensi sulle esportazioni di chip avanzati verso la Cina hanno generato distorsioni profonde nel mercato globale. Le aziende cinesi hanno risposto con operazioni di contrabbando su larga scala — nel dicembre 2025 i procuratori federali USA hanno incriminato un’organizzazione che ha tentato di esportare GPU Nvidia H100 e H200 per oltre 160 milioni di dollari.

Per le imprese europee, il quadro è particolarmente delicato. L’Europa rappresenta solo una frazione marginale della spesa globale in data center: la spesa europea in infrastrutture cloud sovrane raggiungerà appena 10,6 miliardi di euro nel 2026, una cifra significativa in termini di crescita (+83% anno su anno) ma irrisoria rispetto alla scala americana. Come ha osservato Arthur Mensch, CEO di Mistral AI, “le aziende americane stanno costruendo l’equivalente di un nuovo programma Apollo ogni anno”. Le imprese europee, già svantaggiate in termini di scala, rischiano di trovarsi in fondo alla coda per l’allocazione dei componenti più richiesti. I nuovi regimi tariffari rappresentano un’ulteriore variabile di incertezza. Le politiche doganali fluide sulle esportazioni di chip, con possibili estensioni a Paesi come Malesia e Thailandia identificati come rotte di diversione, rendono la pianificazione a lungo termine un esercizio sempre più complesso.

L’impatto concreto sulle imprese

Per le aziende che devono costruire o espandere infrastrutture AI, le conseguenze sono molteplici e tangibili.

Budget imprevedibili. L’era dei costi infrastrutturali stabili e prevedibili è finita per i carichi di lavoro AI. La spesa media enterprise in AI è prevista a circa 85.500 dollari mensili nel 2025, in crescita del 36% rispetto al 2024. I CTO più accorti hanno iniziato a inserire buffer di costo del 20-30% nei budget infrastrutturali AI per assorbire le fluttuazioni dei prezzi di memoria e componenti.

Tempi di progetto dilatati. Lead time di 9-12 mesi per le GPU enterprise e di 6-12 mesi per la HBM significano che i cicli di approvvigionamento non sono più compatibili con le roadmap di sviluppo software. Il successo diventa paradossalmente un problema: un prodotto AI che acquisisce trazione richiede risorse computazionali aggiuntive che potrebbero semplicemente non essere disponibili.

Rapporti di forza ribaltati. In un mercato in cui i venditori hanno il coltello dalla parte del manico, le imprese di medie dimensioni sono le più esposte. Gli hyperscaler dominano l’allocazione: quando GPU e HBM sono limitate, i grandi acquirenti cloud e data center vengono serviti per primi. Le conseguenze per tutti gli altri si manifestano in disponibilità ridotta, limiti più stringenti e costi che finiscono per raggiungere anche i dispositivi consumer.

Strategie per navigare la tempesta

Di fronte a un mercato strutturalmente in tensione, le imprese non possono limitarsi a reagire. Servono strategie proattive e multilivello.

Diversificare prima che sia tardi. Le organizzazioni che hanno stipulato accordi di fornitura a lungo termine con più vendor prima dell’intensificarsi della carenza hanno mantenuto tempistiche di deployment più prevedibili rispetto a chi ha fatto affidamento sull’approvvigionamento spot. È essenziale costruire relazioni con fornitori multipli, considerare piattaforme alternative (AMD, Intel, chip custom) e negoziare contratti forward per bloccare prezzi e disponibilità.

Ottimizzare prima di scalare. Tecniche come la quantizzazione dei modelli, il pruning e l’ottimizzazione dell’inferenza possono ridurre la necessità di GPU del 30-70% in alcune implementazioni. Le organizzazioni che hanno investito in efficienza prima di “buttare hardware sul problema” hanno ottenuto economie migliori rispetto a chi si è concentrato esclusivamente sulla procurement.

Adottare modelli infrastrutturali ibridi. Le strategie multi-cloud e gli assetti ibridi che combinano GPU cloud con cluster dedicati on-premise migliorano sia l’affidabilità sia la prevedibilità dei costi. Per i carichi AI ad alto volume, possedere o noleggiare infrastruttura si sta rivelando sempre più conveniente rispetto all’affitto di GPU cloud a prezzi spot gonfiati.

Pianificare con margini conservativi. Prevedere i fabbisogni GPU con diversi trimestri di anticipo, costruire piani di contingenza, e — soprattutto — incorporare il rischio geopolitico nelle decisioni architetturali. Chi ha operazioni o clienti in aree soggette a restrizioni commerciali ha già imparato che le infrastrutture AI globali non possono più presumere un ambiente regolatorio stabile.

Lo scenario futuro: stabilizzazione o nuova normalità?

Lo squilibrio domanda-offerta non mostra segni di risoluzione rapida. Le nuove fabbriche di chip di memoria richiederanno anni per entrare a regime: la maggior parte delle espansioni di capacità annunciate nel 2025 non sarà operativa prima del 2027. SK Hynix prevede che la carenza di HBM persisterà almeno fino a fine 2027. Tuttavia, ci sono segnali di speranza. Google ha riportato di aver ridotto i costi di servizio di Gemini del 78% nel 2025 attraverso l’ottimizzazione dei modelli, un dato che suggerisce come i guadagni di efficienza possano coesistere con l’aumento della spesa. Il rapporto prezzo-performance delle GPU continua a migliorare, con un raddoppio dei FLOP/s per dollaro circa ogni due anni per le GPU di machine learning.

La tendenza storica di costi dei componenti in calo è tuttavia improbabile che ritorni nella forma a cui eravamo abituati. La maggiore complessità manifatturiera e i modelli di supply chain regionalizzati hanno innalzato permanentemente la base dei prezzi. Come osserva un’analisi di settore, “gli atomi non scalano con l’elasticità del codice”. Per le imprese europee, la sfida è duplice: competere per risorse hardware globalmente scarse, e allo stesso tempo costruire capacità computazionale sovrana in un contesto in cui il divario di investimenti con gli Stati Uniti è di ordini di grandezza. La buona notizia è che chi si muove oggi con strategia — diversificando le forniture, ottimizzando l’efficienza e pianificando con margini adeguati — non solo sopravviverà alla tempesta, ma ne uscirà con un vantaggio competitivo rispetto a chi ha atteso troppo.