SK Hynix: 24,3 miliardi per l’espansione, ma le memorie HBM scarseggeranno almeno fino al 2030

📌 In Sintesi

• SK Hynix raccoglie 24,3 miliardi di euro per ampliare produzione HBM, packaging avanzato e capacità negli Stati Uniti.
• La carenza di memoria potrebbe raggiungere il picco nel 2027 e protrarsi almeno fino al 2030.
• Memristor, V-Die e MOSAIC promettono maggiore efficienza energetica, densità e controllo termico per l’AI.

SK Hynix rafforza la propria posizione nel mercato delle memorie per l’intelligenza artificiale con una raccolta record da 24,3 miliardi di euro destinata ad accelerare la produzione di High Bandwidth Memory, il packaging avanzato e l’espansione industriale tra Corea del Sud e Stati Uniti. L’operazione arriva mentre la domanda di HBM continua a superare la capacità disponibile e il CEO Kwak Noh-jung prevede che la fase più critica dello shortage possa manifestarsi nel 2027, con tensioni destinate a protrarsi almeno fino al 2030. La strategia dell’azienda non riguarda però soltanto l’aumento dei volumi: SK Hynix collabora con TetraMem e ricercatori universitari su un SoC sperimentale basato su memristor per l’edge AI, mentre nuovi progetti accademici come V-Die e MOSAIC tentano di superare i limiti termici delle stack HBM tradizionali. Finanza, produzione e ricerca convergono così su un’unica priorità: alimentare acceleratori AI sempre più potenti senza compromettere efficienza energetica, larghezza di banda e dissipazione del calore.

L’IPO record sostiene la crescita industriale di SK Hynix

SK Hynix ha collocato 177,9 milioni di American Depositary Receipts al prezzo di 149 dollari ciascuno, raccogliendo complessivamente circa 24,3 miliardi di euro. La domanda degli investitori ha superato di oltre sette volte l’ammontare disponibile e ha coinvolto più di 500 società di investimento, confermando l’interesse del mercato verso le infrastrutture necessarie alla crescita dell’AI generativa. L’operazione viene descritta come la più grande IPO di una società straniera nella storia del mercato statunitense e fornisce all’azienda risorse immediate per ampliare capacità produttiva e tecnologie di packaging. La scelta di raccogliere capitale negli Stati Uniti rafforza inoltre la visibilità internazionale di SK Hynix in un momento in cui le memorie HBM sono diventate uno dei principali colli di bottiglia per GPU, acceleratori e data center. L’azienda guida già il segmento globale e dispone di una produzione sostanzialmente prenotata con largo anticipo, ma la crescita della domanda richiede investimenti molto più elevati rispetto ai cicli precedenti della DRAM convenzionale.

Yongin e Cheongju diventano nodi centrali della produzione HBM

Una parte rilevante dei capitali sarà destinata alla prima fase del mega-cluster di Yongin, progetto industriale strategico per la produzione coreana di semiconduttori. Il primo impianto dovrebbe entrare in funzione nel 2027, aggiungendo capacità in una fase nella quale il mercato potrebbe attraversare il punto massimo di tensione tra domanda e offerta. A Cheongju, SK Hynix realizzerà invece la nuova linea di advanced packaging P&T7, necessaria per assemblare memorie ad alta densità e collegarle agli acceleratori attraverso tecniche sempre più complesse. Le apparecchiature EUV dovrebbero arrivare entro la fine del 2026, permettendo di sostenere nodi produttivi più avanzati e una maggiore precisione nei processi litografici. La produzione HBM non dipende infatti soltanto dalla fabbricazione delle die DRAM, ma richiede selezione, stacking, bonding, test e gestione termica. Ogni incremento di capacità coinvolge quindi una catena industriale più articolata rispetto alla memoria tradizionale, con tempi di costruzione e qualificazione che impediscono di rispondere rapidamente ai picchi della domanda.

Lo stabilimento in Indiana porta il packaging avanzato negli Stati Uniti

La strategia di espansione include anche il primo stabilimento produttivo statunitense di SK Hynix, previsto a West Lafayette, nello Stato dell’Indiana. L’impianto di advanced packaging richiederà un investimento di circa 3,67 miliardi di euro e dovrebbe essere completato intorno al 2028. Il progetto può beneficiare di sovvenzioni fino a 420 milioni di euro e prestiti federali fino a 523 milioni di euro nell’ambito del CHIPS Act, rafforzando la localizzazione negli Stati Uniti di una fase critica della filiera dei semiconduttori. Per Washington, il packaging avanzato rappresenta un elemento strategico quanto la produzione delle wafer, perché le prestazioni dei moderni acceleratori dipendono dalla capacità di integrare GPU, chiplet e stack HBM in package ad alta densità. Per SK Hynix, la presenza in Indiana riduce la distanza dai principali clienti statunitensi e rafforza la resilienza della supply chain. Il sito potrebbe inoltre favorire collaborazioni con università, fornitori di materiali e produttori di sistemi AI presenti nel mercato nordamericano.

La produzione del 2026 risulta già interamente venduta

La pressione sulla capacità emerge dal fatto che l’intera produzione 2026 di HBM, DRAM e NAND dell’azienda risulta già venduta. I principali clienti prenotano volumi con anni di anticipo per garantire l’approvvigionamento necessario a GPU, server e acceleratori di nuova generazione. Gli accordi a lungo termine consentono di stabilizzare quantità e fasce di prezzo, ma non eliminano il divario strutturale tra richiesta e capacità produttiva. La HBM utilizza una quantità elevata di wafer, presenta rese più complesse e richiede processi di assemblaggio molto più sofisticati della DRAM standard. La riallocazione delle linee verso prodotti ad alto margine può quindi comprimere ulteriormente la disponibilità di memorie convenzionali destinate a computer, smartphone, automobili e sistemi industriali. Il boom dell’AI genera così un effetto a cascata sull’intero mercato: più capacità viene destinata agli acceleratori, maggiore diventa la pressione sui segmenti consumer ed enterprise che dipendono dagli stessi impianti e materiali.

Il 2027 potrebbe segnare il punto massimo dello shortage

Il CEO Kwak Noh-jung prevede che il 2027 possa diventare l’anno peggiore mai osservato dal settore sotto il profilo dell’offerta. La carenza dovrebbe proseguire almeno fino al 2030, con una domanda destinata a rimanere superiore alla capacità anche oltre quella data. La previsione riflette la velocità con cui i provider cloud e i produttori di acceleratori stanno aumentando il numero di GPU installate nei data center. Ogni nuova generazione richiede stack HBM più capienti, veloci e numerose, facendo crescere il consumo di memoria per singolo sistema. Parallelamente, la costruzione di fab e linee di packaging richiede diversi anni, mentre la qualificazione dei prodotti presso i clienti limita la possibilità di modificare rapidamente processi e fornitori. La conseguenza è un mercato nel quale gli investimenti attuali potranno produrre effetti soltanto nel medio periodo, lasciando gli acquirenti esposti a prezzi elevati, priorità di fornitura e ritardi nella consegna degli acceleratori.

La scarsità HBM si estende a DRAM, NAND e sistemi enterprise

Le conseguenze non riguardano esclusivamente le GPU per l’intelligenza artificiale. L’assorbimento di wafer e capacità produttiva da parte della HBM riduce la flessibilità disponibile per DRAM e NAND tradizionali, con effetti su laptop, smartphone, automobili, sistemi industriali e storage enterprise. Alcuni drive destinati ai data center rimangono indisponibili per mesi, con una situazione descritta come più grave rispetto a quella osservata durante la pandemia. I prezzi delle memorie restano sostenuti, nonostante segnali di raffreddamento in segmenti specifici. Le aziende che pianificano infrastrutture AI devono quindi considerare non soltanto il costo degli acceleratori, ma anche la disponibilità di storage, memoria di sistema, interconnessioni e capacità energetica. In questo contesto, i produttori con accesso garantito alla HBM acquisiscono un vantaggio competitivo rilevante, mentre gli operatori più piccoli rischiano di subire rinvii o condizioni economiche meno favorevoli.

Il memristor apre una strada alternativa per l’edge AI

Accanto all’espansione industriale, SK Hynix collabora con TetraMem e con ricercatori dell’Università della California del Sud su un SoC sperimentale basato su memristor. L’obiettivo è accelerare l’inferenza di reti neurali leggere direttamente nei dispositivi edge, riducendo i trasferimenti di dati tra memoria e unità di calcolo. L’architettura adotta il principio del computing in-memory, nel quale le operazioni matematiche vengono eseguite direttamente all’interno delle matrici di memoria analogica. Questo approccio limita uno dei principali consumi energetici delle architetture tradizionali: lo spostamento continuo dei pesi tra RAM, cache e processore. Il chip integra un core RISC-V embedded incaricato di coordinare i carichi di lavoro e dieci unità di elaborazione neurale, offrendo una piattaforma orientata a sensori intelligenti, videocamere, dispositivi indossabili e sistemi a basso consumo.

Dieci unità neurali combinano convoluzioni e operazioni dense

Una delle unità neurali è ottimizzata per le convoluzioni depthwise attraverso crossbar memristor con configurazione a zig-zag, mentre le altre nove eseguono operazioni pointwise e dense mediante matrici convenzionali da 256 × 256. Ogni crossbar comprende convertitori DAC e ADC a 8 bit, oltre ai circuiti necessari per programmare e leggere gli stati resistivi. La precisione nativa dei memristor supera di poco i 2 bit, ma una tecnica di compensazione che combina due sub-array permette di raggiungere una precisione effettiva vicina ai 4 bit. Il compromesso tra precisione, densità ed efficienza risulta centrale per il computing analogico, perché variazioni fisiche, rumore e non linearità possono ridurre l’accuratezza rispetto alle elaborazioni digitali. Il progetto dimostra tuttavia che questi limiti possono essere gestiti attraverso architetture e algoritmi progettati congiuntamente.

L’efficienza raggiunge 21,3 TOPS per watt

Il SoC sperimentale raggiunge un’efficienza energetica di 21,3 TOPS/W a 100 MHz e di 11,9 TOPS/W a 400 MHz. Il confronto con l’efficienza INT8 di una Nvidia A100 evidenzia un vantaggio superiore a un ordine di grandezza, pur trattandosi di piattaforme con finalità e dimensioni operative differenti. Il chip memristor è inoltre realizzato con processo CMOS a 65 nm, molto meno avanzato rispetto ai nodi utilizzati per le GPU moderne, elemento che rende il risultato particolarmente significativo dal punto di vista della ricerca. Nei test con una versione personalizzata di MobileNetV1Small sul benchmark Visual Wake Words, il sistema ha raggiunto un’accuratezza dell’80,36%, sostanzialmente coerente con il modello software quantizzato a 4 bit. Restano tuttavia aperte le questioni relative alla throughput sostenuta, alla gestione simultanea di tutte le unità e alla scalabilità verso carichi di lavoro più complessi.

V-Die ruota le memorie per migliorare raffreddamento e densità

Sul fronte HBM, ricercatori coreani hanno proposto l’architettura V-Die, che dispone le die DRAM verticalmente anziché impilarle in posizione orizzontale. Il progetto, sviluppato presso l’Ulsan National Institute of Science and Technology, elimina le tradizionali Through-Silicon Via dalle die di memoria e utilizza connessioni concentrate sul bordo inferiore. Gli I/O, distanziati di circa 20 micron, quadruplicano il numero di collegamenti rispetto a HBM4, aumentando la larghezza di banda disponibile. La disposizione verticale espone inoltre una superficie maggiore al raffreddamento, mentre canali microfluidici inseriti tra le die rimuovono il calore direttamente vicino alle sorgenti. Le simulazioni indicano temperature intorno ai 45 °C, contro valori vicini agli 80 °C osservabili nelle configurazioni dense convenzionali. La riduzione termica consente di mantenere frequenze più elevate e limita il throttling, uno dei principali problemi delle stack di memoria ad alta densità.

Le simulazioni GPT-3 mostrano guadagni rilevanti

Nei test simulati su carichi GPT-3, un sistema basato su V-Die ha raggiunto 540 token al secondo, rispetto ai 296 token al secondo di una configurazione HBM4 equivalente. La latenza del primo token si riduce del 32%, mentre il tempo necessario per le letture di memoria cala del 37%. Questi risultati mostrano quanto le prestazioni dei modelli generativi dipendano dalla capacità di alimentare rapidamente le unità di calcolo con pesi e attivazioni. Nei moderni acceleratori, il limite non deriva sempre dalla potenza della GPU, ma dalla velocità con cui i dati possono essere trasferiti e dalla temperatura raggiunta dal package. Un’architettura che migliora contemporaneamente larghezza di banda e dissipazione può quindi produrre vantaggi più significativi rispetto a un semplice aumento della capacità di calcolo.

MOSAIC usa collegamenti contactless tra le die

La seconda proposta, denominata MOSAIC e guidata dall’Università di Tokyo, combina stacking ortogonale e comunicazione die-to-die senza contatto diretto. I dati vengono trasferiti attraverso bobine induttive, mentre l’alimentazione utilizza connessioni laterali. Il prototipo ha dimostrato velocità fino a 4 Gbps per canale e la possibilità di raddoppiare la capacità rispetto a HBM4 senza un incremento significativo della temperatura massima. Una variante basata su micro-bump ha raggiunto una conducibilità termica tre volte superiore rispetto allo stacking convenzionale, aggiungendo fino al 30% di capacità. Anche MOSAIC riduce la dipendenza dalle TSV, liberando superficie utile per le celle di memoria e semplificando alcuni percorsi termici. La tecnologia resta sperimentale, ma mostra come la disposizione fisica delle die possa diventare importante quanto il nodo produttivo per continuare a migliorare le prestazioni.

Capitale e ricerca convergono sulla prossima generazione AI

La raccolta record di SK Hynix, la previsione di shortage e le ricerche su memristor e nuove stack HBM descrivono un mercato nel quale la memoria è diventata una componente strategica dell’intera economia dell’intelligenza artificiale. Aumentare le fab tradizionali non è sufficiente: servono packaging avanzato, raffreddamento più efficace, interconnessioni ad alta densità e architetture capaci di ridurre il trasferimento dei dati. Gli investimenti a Yongin, Cheongju e West Lafayette affrontano la pressione nel medio periodo, mentre progetti come V-Die, MOSAIC e il SoC memristor preparano soluzioni per le generazioni successive. La sfida per SK Hynix sarà trasformare la disponibilità di capitale in capacità produttiva reale senza sacrificare rese, qualità e tempi di qualificazione. Con la produzione già prenotata e la domanda prevista oltre l’offerta fino al prossimo decennio, la memoria non rappresenta più un componente accessorio degli acceleratori AI, ma uno dei principali fattori che ne determinano prestazioni, disponibilità e costo.