Micron investe 10 miliardi, Nvidia prepara rincari mentre LG e SMIC inseguono l’AI

⚙️ Da sapere

• Micron investirà 10 miliardi di dollari in dieci anni nei nuovi Research Labs statunitensi dedicati a memoria, compute, packaging e tecnologie post-DRAM e NAND.
• I server Nvidia Grace Blackwell e Vera Rubin potrebbero rincarare oltre il 15% dal 2027 mentre HBM e DRAM diventano una quota crescente del costo.
• LG entra nelle apparecchiature per packaging con un sistema LDI, mentre SMIC aumenta i prezzi dei wafer in una Cina con capacità produttiva sotto pressione.

La corsa all’intelligenza artificiale sta modificando contemporaneamente investimenti, prezzi e geografia dell’industria dei semiconduttori. Micron prepara 10 miliardi di dollari di ricerca negli Stati Uniti sulle tecnologie di memoria future, mentre i clienti dei sistemi Nvidia sarebbero stati avvertiti di rincari superiori al 15% per alcune configurazioni AI. In Asia, LG Electronics ottiene il primo ordine commerciale per una macchina dedicata al packaging avanzato e SMIC sfrutta la saturazione della capacità cinese per aumentare i prezzi dei wafer. Quattro sviluppi differenti convergono sullo stesso problema: l’AI non sta consumando soltanto GPU, ma memoria, packaging, capacità foundry e capitale industriale.

Micron investe 10 miliardi per cercare ciò che verrà dopo DRAM e NAND

Micron Research Labs rappresenta l’intervento più strutturale. Attraverso l’annuncio ufficiale dei nuovi laboratori statunitensi, il produttore ha previsto un investimento di 10 miliardi di dollari nel prossimo decennio, con un centro principale a Boise e collaborazioni con università, istituzioni, startup e laboratori internazionali. La ricerca guarderà oltre le roadmap commerciali correnti e comprenderà memorie future, nuove architetture memory-compute, packaging avanzato e processi di produzione dei semiconduttori. Micron prevede di iniziare i lavori della struttura principale nel 2027, inserendo l’investimento in un programma statunitense molto più ampio che supera i 250 miliardi di dollari tra produzione e ricerca. La ragione industriale è evidente: l’AI ha trasformato HBM, DRAM e storage da componenti relativamente intercambiabili a risorse strategiche. La carenza di HBM prevista almeno fino al 2030 mostra perché i produttori non possano limitarsi ad ampliare le fab esistenti. Per continuare ad aumentare larghezza di banda, capacità ed efficienza serviranno nuovi modi di integrare memoria e calcolo quando le architetture convenzionali cominceranno a mostrare limiti economici e fisici.

Nvidia scopre che anche un server AI può diventare molto più costoso

Questa pressione arriva già sui listini. Secondo informazioni provenienti dalla filiera, alcuni dei maggiori clienti di Nvidia sarebbero stati informati che i prezzi dei server AI potrebbero aumentare di oltre il 15% in numerose configurazioni consegnate dall’inizio del 2027. L’incremento coinvolgerebbe sistemi basati sia sull’attuale Grace Blackwell sia sulla futura piattaforma Vera Rubin e varierebbe in funzione della generazione e soprattutto della quantità di memoria installata. Nvidia non ha confermato pubblicamente il rincaro, che deve quindi essere considerato un’indicazione proveniente dalla supply chain e non un nuovo listino ufficiale. Il segnale resta però coerente con una dinamica documentata da mesi: HBM e DRAM assorbono una porzione crescente del costo dei rack AI. La chipflation legata alla riallocazione produttiva verso l’intelligenza artificiale sta già facendo salire RAM e componenti consumer, mentre nel data center l’effetto viene amplificato dalla quantità di memoria richiesta da ogni acceleratore. Non sorprende quindi che la stessa Nvidia stia lavorando anche sull’ottimizzazione dell’architettura: Rubin Ultra sarebbe stata semplificata rispetto all’originario progetto quad-die, proprio mentre costo, packaging e raffreddamento diventano vincoli quasi importanti quanto la potenza di calcolo.

LG entra nel packaging ma non diventa improvvisamente una nuova TSMC

Il caso LG Electronics richiede una distinzione importante. Il gruppo coreano non sta aprendo una nuova foundry destinata a competere direttamente con TSMC nella produzione dei wafer. Il Production Engineering Research Institute di LG Electronics avrebbe invece ottenuto il primo ordine commerciale per un sistema Laser Direct Imaging, LDI, destinato a un operatore OSAT che svolge attività di assemblaggio e packaging dei semiconduttori. La macchina utilizza esposizione laser diretta per creare i pattern delle interconnessioni senza ricorrere a una tradizionale maschera fotolitografica, soluzione interessante per substrati e package che devono integrare un numero crescente di collegamenti. Il cliente e il valore dell’ordine non sono stati resi pubblici, perciò l’operazione va considerata l’ingresso di LG nel mercato delle apparecchiature per advanced packaging, non l’avvio di un servizio concorrente a CoWoS. La differenza non riduce il valore strategico dell’iniziativa. Il packaging è diventato uno dei colli di bottiglia della filiera AI e la pressione globale su capacità e tecnologie di assemblaggio avanzato ha trasformato macchine, substrati e interconnessioni in elementi essenziali quanto il nodo litografico. Più chiplet e stack HBM vengono inseriti nello stesso sistema, più difficile diventa assemblarli con rese e throughput economicamente sostenibili.

SMIC alza i wafer perché la capacità cinese è sempre più preziosa

SMIC si trova sul lato opposto della catena: non deve creare domanda, ma gestire una capacità che si sta rapidamente saturando. Nel secondo trimestre 2026 la maggiore foundry cinese ha superato per la prima volta 3 miliardi di dollari di fatturato trimestrale, con ricavi cresciuti del 36,1% su base annua e un utile attribuibile agli azionisti vicino a 479 milioni di dollari. La società ha indicato una capacità utilizzata superiore al 90% e ha confermato di avere negoziato aumenti di prezzo con i clienti, con ulteriori rincari sui wafer lavorati nel terzo trimestre. Il co-CEO Zhao Haijun ha spiegato che esiste ancora un divario tra i prezzi applicati da SMIC e quelli dei leader internazionali. La dinamica non nasce soltanto dai chip AI più avanzati: infrastrutture di intelligenza artificiale richiedono anche controller, power management, networking e grandi quantità di logica prodotta su nodi maturi. Le restrizioni occidentali sulle apparecchiature aumentano inoltre il valore strategico della capacità disponibile all’interno della Cina. Una pressione simile era già visibile quando SMIC aveva iniziato ad aumentare i wafer mentre la crisi RAM riduceva la flessibilità della filiera. Oggi il fenomeno si inserisce in un ciclo ancora più favorevole alle foundry: Samsung ha già aumentato fino al 15% alcuni prezzi sui nodi a 4, 5 e 8 nanometri, dimostrando che il potere contrattuale sta tornando progressivamente verso chi possiede capacità produttiva.

L’AI sta trasferendo valore dalla GPU a tutta la filiera

Il filo che collega Micron, Nvidia, LG e SMIC è quindi il progressivo allargamento del collo di bottiglia dell’AI. Nella prima fase del boom il problema sembrava essere trovare abbastanza GPU. Oggi servono contemporaneamente HBM, DRAM, wafer, packaging avanzato, substrati, networking, alimentazione e raffreddamento, e un limite in uno qualsiasi di questi segmenti può rallentare un intero data center. Micron investe nella generazione di memoria che arriverà dopo quelle attuali perché sa che la bandwidth continuerà a essere uno dei vincoli principali; Nvidia sarebbe costretta a trasferire sui clienti una parte dei maggiori costi; LG vede spazio economico nelle apparecchiature per packaging; SMIC può aumentare i prezzi perché le restrizioni e la domanda cinese rendono la propria capacità più preziosa. È la stessa trasformazione già evidente nella guerra globale dei semiconduttori del 2026: l’intelligenza artificiale non sta semplicemente creando un nuovo mercato dei chip, ma sta riscrivendo il prezzo dell’intera infrastruttura digitale. Quando perfino i grandi clienti dei server AI iniziano a ricevere aumenti a doppia cifra, il problema non è più quanto costi una GPU, ma quanto costi assicurarsi ogni componente necessario per farla lavorare.