Per capire fino in fondo perché l’intelligenza artificiale stia trasformando l’industria dei semiconduttori, non basta guardare alle GPU di Nvidia o ai processori che fanno girare i modelli. C’è un altro componente, molto meno conosciuto dal grande pubblico, che negli ultimi anni è diventato quasi altrettanto strategico: la memoria HBM, acronimo di High Bandwidth Memory. Si tratta di chip progettati per trasferire enormi quantità di dati tra la memoria e il processore in tempi molto brevi e con un consumo energetico relativamente contenuto.
Il problema è che la domanda è esplosa molto più rapidamente della capacità produttiva. E così, mentre le aziende tecnologiche continuano a investire miliardi per costruire nuovi data center, la disponibilità di HBM rischia di diventare uno dei principali fattori che limitano la velocità con cui l’intera infrastruttura AI può crescere. Non è un caso che Samsung Electronics, SK Hynix e Micron Technology stiano correndo per aumentare la produzione e sviluppare le nuove generazioni di questi chip.
Chip di memoria HBM: che cosa sono e perché sono così importanti
La memoria HBM non è semplicemente una versione più veloce della normale RAM utilizzata nei computer. La differenza fondamentale sta nell’architettura. Nei tradizionali moduli DDR5 - banchi di memoria RAM di ultima generazione utilizzati soprattutto nei PC, nei server e nei data center -, i chip di memoria sono disposti in modo relativamente convenzionale e comunicano con il processore attraverso un bus più stretto, compensando con frequenze di funzionamento elevate.
La HBM, invece, utilizza un’architettura tridimensionale: diversi strati di memoria DRAM vengono impilati verticalmente e collegati attraverso migliaia di minuscoli collegamenti chiamati TSV, cioè Through-Silicon Vias. Il risultato è un’interfaccia estremamente ampia, capace di spostare una quantità enorme di dati contemporaneamente. Micron, per esempio, indica per una singola HBM un’interfaccia da 1.024 bit, molto più ampia rispetto a quella di un modulo DDR5.
Questa caratteristica è fondamentale per l’intelligenza artificiale, perché l’addestramento e l’inferenza dei grandi modelli richiedono continuamente di trasferire enormi quantità di dati tra memoria e GPU. Una GPU estremamente potente, infatti, serve a poco se deve aspettare che i dati arrivino dalla memoria. Per questo le HBM vengono collocate direttamente accanto al processore all’interno dello stesso package, riducendo la distanza che i dati devono percorrere. Sono utilizzate soprattutto negli acceleratori AI e nei sistemi di high-performance computing.
Le GPU destinate ai data center, come quelle di Nvidia, ne utilizzano grandi quantità proprio per alimentare i miliardi di operazioni necessarie a far funzionare i modelli generativi. La progressiva evoluzione da HBM3 a HBM3E e ora HBM4 sta aumentando ulteriormente capacità e velocità. Micron, ad esempio, indica per la propria HBM4 oltre 2,8 TB/s di bandwidth per stack, mentre Samsung sta sviluppando generazioni capaci di arrivare ancora più lontano.
Chip di memoria HBM: domanda alle stelle e offerta lenta
Il boom dell’AI ha fatto crescere la domanda di HBM a una velocità che l’industria della memoria non era preparata ad affrontare. Costruire nuovi impianti non significa semplicemente aggiungere qualche linea produttiva. Per farlo, servono nuove fab, macchinari estremamente costosi, processi produttivi più sofisticati e soprattutto capacità di packaging avanzato. Inoltre, destinare una parte maggiore della produzione alle HBM significa sottrarre capacità alla memoria DRAM tradizionale, creando un effetto scarsità anche di altri tipi di memoria.
La situazione è talmente tesa che Samsung ha indicato una possibile prosecuzione della carenza di chip fino al 2028 e ha iniziato a firmare accordi pluriennali con i grandi operatori dei data center per assicurarsi la domanda futura. Per aumentare l’offerta serviranno quindi investimenti enormi e, soprattutto, tempo.
SK Hynix ha approvato un piano da 54.300 miliardi di won, circa 38,3 miliardi di dollari, per due nuovi impianti in Corea del Sud: uno a Yongin destinato anche alla produzione di DRAM avanzate e HBM e uno a Cheongju dedicato alla NAND. Il primo cleanroom del nuovo impianto di Yongin dovrebbe essere pronto nel 2029. Micron, dal canto suo, ha portato il proprio capex fiscale 2026 a circa 20 miliardi di dollari e ha annunciato ulteriori 10 miliardi di dollari nei prossimi dieci anni per un nuovo centro di ricerca a Boise, negli Stati Uniti, destinato alle tecnologie di memoria, packaging e computing di prossima generazione.
La sfida tra Samsung, SK Hynix e Micron
Il mercato HBM è oggi sostanzialmente una partita a tre. SK Hynix è stata la grande protagonista della prima fase del boom dell’AI, conquistando una posizione dominante soprattutto grazie alle HBM3E utilizzate nei sistemi Nvidia. Samsung sta cercando di recuperare terreno con HBM4, mentre Micron ha costruito rapidamente una posizione molto importante grazie alla qualità dei propri prodotti e alla crescente domanda dei clienti americani.
La competizione non si gioca però soltanto sulla capacità produttiva. Saranno importanti i rendimenti dei processi produttivi, la capacità di impilare sempre più strati, il packaging e soprattutto la certificazione presso i grandi clienti. Nel 2026 Samsung ha completato prima di SK Hynix alcune fasi di validazione della HBM4, mentre SK Hynix ha dovuto affrontare ritardi nella produzione di massa; Micron, invece, ha mantenuto una posizione relativamente stabile grazie alla propria capacità HBM3E.
Il mercato azionario ha già riconosciuto il valore strategico di questo business. Nel 2026 e fino alla chiusura di Borsa di venerdì 21 agosto, Micron ha più che triplicato la sua capitalizzazione di mercato, mentre SK Hynix ha avuto un balzo del 155% nello stesso periodo a Seoul, nonostante le forti correzioni subite dopo i risultati trimestrali. Samsung, a sua volta, ha guadagnato circa il 119% dall’inizio dell’anno. Sono numeri che spiegano bene quanto il mercato consideri ormai la memoria una componente centrale della rivoluzione AI.
Il punto, però, è che aumentare l’offerta non sarà immediato. Gli impianti annunciati oggi produrranno volumi significativi solo tra alcuni anni, mentre Microsoft, Amazon, Google, Meta Platforms e gli altri hyperscaler stanno costruendo infrastrutture AI già adesso. È quindi probabile che, almeno nel breve periodo, la scarsità continui a sostenere prezzi e margini dei produttori. Ed è proprio questo il paradosso della HBM: un componente che fino a pochi anni fa sembrava quasi invisibile è diventato uno degli asset più preziosi dell’intera catena dell’intelligenza artificiale. Se le GPU sono il motore dell’AI, le HBM sono il sistema che permette loro di ricevere carburante abbastanza velocemente. E senza quel flusso di dati, anche la GPU più potente rischia di rimanere inutilizzata.