In questo articolo
La seconda metà del 2025 ha portato un’insolita carenza globale di memoria operativa e SSD. Non è solo una flessione ciclica o una transizione verso nuove tecnologie, ma una crisi prolungata che si estende per più anni. Questa recessione deriva chiaramente dalla crescita esplosiva della domanda di infrastrutture AI.
Ogni server AI richiede decine e centinaia di gigabyte. È molto più di un server web o PC medio. E quale ne è la conseguenza? I produttori di chip danno priorità a HBM (memoria ad alta larghezza di banda) e LPDDR (Double Data Rate a basso consumo) per l’AI, riducendo al contempo il volume della DRAM tradizionale. In termini moderni, si chiama RAMpocalypse.
Ha solo un nome catastrofico o è qualcosa che dobbiamo affrontare subito? Continua a leggere per scoprirlo.
* Prima di leggere la parte principale, consigliamo di dare un’occhiata a questo articolo e a questa scheda riassuntiva.
Che cosa è successo esattamente?
Il 2023 non è poi così lontano, ma allora il prezzo degli SSD era basso. Il responsabile di questo cambiamento è stato il boom dei datacenter AI, che ha trasformato il mercato entro la fine del 2024. I sistemi AI, noti anche come modelli linguistici di grandi dimensioni, vengono sostanzialmente addestrati su enormi dataset. Elaborano così tanti dati da poter comprendere facilmente il contesto e rispondere come un essere umano. Gli LLM vengono in genere distribuiti su cluster di GPU, una rete interconnessa di nodi di calcolo, ciascuno dotato di una o due GPU. Ogni cluster di GPU necessita di terabyte di memoria e i progetti AI operano ora su migliaia di questi nodi. Puntano a gestire attività complesse a velocità elevatissima. Tuttavia, l’esecuzione degli LLM richiede molta DRAM e archiviazione flash. Le aziende si stanno allontanando dai carichi di lavoro LLM incentrati sull’addestramento, orientandosi verso implementazioni focalizzate sull’inferenza. Poiché l’inferenza richiede un accesso frequente a file di modello di grandi dimensioni, la domanda di archiviazione nearline è cresciuta.
Il progetto Stargate
Il progetto mira a garantire agli Stati Uniti una leadership duratura nel campo dell’intelligenza artificiale. Si ritiene che il progetto “reindustrializzerà” gli Stati Uniti, creando un potenziale strategico per proteggere la sicurezza nazionale dell’America e dei suoi alleati. Tra i principali investitori figurano SoftBank, OpenAI e Oracle. Parteciperanno anche aziende come Microsoft, NVIDIA e Arm, ma a quanto pare saranno partner tecnici.
In cosa consiste il progetto? Innanzitutto, negli Stati Uniti dovrebbero essere creati diversi datacenter per l’intelligenza artificiale. La joint venture delle aziende inizierà con un grande datacenter in Texas e alla fine si espanderà in altri Stati. I promotori promettono che questo creerà “centinaia di migliaia” di posti di lavoro e “garantirà la leadership americana nel campo dell’AI”. Il completamento di Stargate è previsto in cinque o sei anni.
L’accordo è stato firmato tra OpenAI, Samsung e SK Hynix per 900,000 wafer DRAM al mese. Si tratta di quasi il 40% dell’intera produzione mondiale. Una situazione simile causerà un grosso problema in futuro, rendendo difficile per i mercati tradizionali dei PC e dei server competere. Anche i dischi rigidi meccanici, che possono sembrare estranei all’AI, stanno registrando aumenti di prezzo del 10–15%.
Più fabbriche, più memoria?
In teoria, sì. Ma in realtà, vincoli finanziari e strutturali complicano una rapida espansione.
Sebbene i prezzi più alti segnalino la necessità di ampliare la capacità, i principali produttori di DRAM scelgono di non aumentare la produzione di DRAM tradizionale. Convogliano invece gli investimenti nella memoria ad alta larghezza di banda (HBM). È più vantaggiosa grazie a margini più elevati, ma consuma più wafer.
La domanda arriva da ogni direzione. Sviluppatori AI, fornitori cloud hyperscale e datacenter aziendali competono tutti per la disponibilità di memoria. Espandere la produzione non è né rapido né economico. Costruire nuove fabbriche richiederebbe capitali enormi. Il costo oscilla tra $10 miliardi e 20+ miliardi. Non è qualcosa che possa essere completato in un solo giorno. Progetti di questo tipo richiedono di solito 4–5 anni. Anche allora, i risultati sono incerti. La situazione si sta complicando ulteriormente per la carenza di ingegneri qualificati.
Di conseguenza, la produzione complessiva di DRAM standard rimane limitata. I produttori stanno dando priorità ai clienti AI e ai datacenter hyperscale. In queste condizioni, è probabile che la carenza di memoria e i prezzi elevati persistano almeno fino al 2027.
Previsioni per il futuro
- Innanzitutto, l’appetito vorace dell’AI causerà un forte aumento dei prezzi della memoria operativa. Carenze e prezzi elevati potrebbero durare per un po’. Nel mezzo della crisi in corso del mercato della memoria, aziende come Apple, Lenovo e Dell aumenteranno i prezzi dei loro dispositivi nella prima metà del 2026. Naturalmente coinvolgerà anche PC e laptop da gaming, che subiranno anch’essi un’inflazione. Con l’aumento dei costi hardware, le organizzazioni si rivolgono ai proxy per estrarre dati ed eseguire processi AI senza sovraccaricare sistemi con memoria limitata.
- Una risoluzione graduale della crisi può iniziare solo dopo il 2027–2028, quando una nuova tecnologia di memoria interromperà il ciclo. Fino ad allora, aspettati che SSD, DRAM e HDD rimangano costosi, scarsi e sempre più riservati all’élite dell’AI.
- È improbabile che la domanda di AI diminuisca in modo significativo, poiché i modelli di grandi dimensioni, i data center e i servizi di calcolo continuano a crescere. Ciò significa che la memoria come risorsa rimarrà un tema “caldo” anche nei prossimi anni.
- Le innovazioni nell’architettura della memoria, come la fusione della memoria CPU/GPU o nuovi tipi di RAM, possono influire sulla situazione nel lungo periodo, ma non risolveranno le carenze acute dall’oggi al domani.

