In questo articolo Indice dei contenuti 3 sezioni
L’intelligenza artificiale sta ridisegnando i chip e l’architettura dei data center, e oggi il valore della tecnologia si misura sempre più nelle infrastrutture fisiche che la rendono possibile. È questa la lettura proposta dal Technology Trends Outlook 2026 di McKinsey, che passa in rassegna 14 tendenze in uno scenario dove l’AI è ormai ovunque. Si va dalla robotica alla ricerca scientifica fino allo sviluppo software agentico, con una pressione crescente su semiconduttori, reti, energia e centri di elaborazione dati.
Il capitolo dedicato ai semiconduttori applicativi racconta un passaggio piuttosto netto. Dai grandi cluster di Gpu, pensati soprattutto per addestrare i modelli di frontiera, si sta andando verso architetture eterogenee, più varie e più flessibili.
Quando i clienti diventano anche fornitori
Piero Montanari, Partner McKinsey & Company, sintetizza questo cambiamento quasi con una formula. «Nel mercato dei chip per l’intelligenza artificiale i clienti stanno diventando anche fornitori» spiega il manager al Sole 24 Ore. «I grandi provider cloud oggi progettano insieme ai produttori di semiconduttori processori su misura per i loro modelli di AI, che in alcuni casi entrano nell’offerta destinata ad altre aziende come parte dei propri servizi».
Le linee di confine tra chi fabbrica i componenti, chi gestisce il cloud e chi sviluppa i modelli si fanno quindi sempre più sottili. Al loro posto nascono alleanze basate su una conoscenza reciproca più profonda di esigenze e competenze. Gli esempi non mancano. Amazon, Google, Meta e Microsoft lavorano con Nvidia, Broadcom, Marvell Technologies, Tsmc e altri ancora per realizzare componenti cuciti sui propri modelli. Anthropic prevede di usare fino a un milione di Tpu (Tensor Processing Units) di Google Cloud, mentre Aws affianca ai suoi servizi i chip proprietari Trainium, impiegati per l’addestramento e l’inferenza dei modelli di machine learning.
Inferenza ed efficienza energetica al centro della partita
A spingere questa trasformazione è soprattutto il peso crescente dell’inferenza, cioè il lavoro che i modelli già addestrati svolgono ogni volta che generano una risposta. Nelle imprese il suo utilizzo si allarga man mano che i costi scendono e l’infrastruttura diventa più accessibile. Secondo le stime di McKinsey, entro il 2030 questa fase potrebbe valere dal 30 al 40% della domanda complessiva dei data center e coprire la maggior parte della capacità di calcolo destinata all’AI.
Non è un caso che Montanari inviti a guardare a quanto lavoro si ottiene per ogni watt consumato, a quale costo e con quale rapidità di risposta. «È un aspetto cruciale perché i consumi dei data center stanno già mettendo sotto pressione le reti elettriche, rendendo l’efficienza una condizione per scalare».
Sul fronte della progettazione, il manager insiste sui criteri che orientano le scelte. I carichi di lavoro dell’AI richiedono latenza, potenza di calcolo e consumi diversi rispetto a un servizio cloud ad alto volume. Proprio questa necessità di adattare l’hardware spinge verso chip dedicati a compiti specifici, da affiancare ai classici processori “general purpose”, e apre la strada ad architetture modulari. «Il vantaggio competitivo si misura ora a livello di sistema nel suo complesso e non soltanto sul singolo componente» sottolinea Montanari. «Il valore è destinato a chi sa progettare e integrare processori, memoria, rete e software».
Intanto si allarga anche il numero dei protagonisti. Le start up specializzate nell’accelerazione dell’inferenza, nel calcolo “wafer scale” e nella fotonica del silicio sono finite nel mirino di hyperscaler, fondi di venture capital e produttori storici del settore. I numeri parlano chiaro: gli investimenti azionari globali nei semiconduttori applicativi per l’AI sono passati da circa 7 miliardi di euro nel 2024 a oltre 38 miliardi nel 2025. Crescono con decisione pure gli annunci di lavoro per ruoli di ricerca e system architecture, così come le richieste di brevetto.
Lo spazio per la filiera europea
Il rapporto offre infine un’indicazione che riguarda da vicino l’Europa. Le opportunità per la filiera continentale passano dalla specializzazione nei segmenti in cui esistono già competenze industriali e tecnologiche, dai macchinari per produrre i componenti al silicio fino alla ricerca sulla fotonica. «La sfida per l’Europa non è necessariamente competere su ogni tipologia di chip, ma rafforzare il proprio ruolo nelle tecnologie che renderanno possibile la prossima generazione di infrastrutture per l’AI» ha concluso il manager.
È questa anche la via più concreta che McKinsey indica verso la sovranità digitale: ridurre la dipendenza dalle catene di fornitura globali puntando sui punti di forza già presenti e trasformando le aziende europee in partner indispensabili dell’ecosistema.
Fonte: TecnoAndroid