Micron investe nei chip di memoria AI del Giappone
Micron Technology prevede di costruire un nuovo stabilimento per chip di memoria ad alta larghezza di banda (HBM) a Hiroshima, investendo circa 1,5 trilioni di yen, pari a circa 9,6 miliardi di dollari. L'obiettivo è soddisfare la crescente domanda di memoria dei moderni sistemi di intelligenza artificiale. Questo investimento è un chiaro segnale dello spostamento del collo di bottiglia nello stack AI dalle capacità di calcolo alla larghezza di banda della memoria.
Fonte: Visione propria
Investimento di Micron in Giappone
Micron Technology prevede di costruire una nuova fabbrica per chip di memoria a Hiroshima. L'investimento ammonta a circa 1,5 trilioni di yen, pari a circa 9,6 miliardi di dollari. Lo stabilimento produrrà chip di memoria ad alta larghezza di banda (HBM) per applicazioni AI e data center. Questi chip sono appositamente progettati per acceleratori come le GPU, che eseguono grandi modelli linguistici e altri carichi di lavoro AI ad alta intensità di calcolo ( Reuters).
L'inizio della costruzione in un sito Micron esistente a Hiroshima è previsto per maggio del prossimo anno. Le prime spedizioni di chip sono attese intorno al 2028 ( Reuters). ). Il Ministero giapponese dell'Economia, Commercio e Industria (METI) sosterrà il progetto con un massimo di 500 miliardi di yen. Questo si aggiunge a una serie di sovvenzioni di grosso volume per impianti di semiconduttori avanzati ( Reuters).
Già nel settembre 2025, il METI ha annunciato che avrebbe sovvenzionato Micron fino a 536 miliardi di yen per il suo stabilimento DRAM a Hiroshima, con un focus sull'alta larghezza di banda di memoria e sulla litografia EUV ( TrendForce). ). Questa sovvenzione integra precedenti contributi di 46,5 miliardi di yen del 2022 per l'espansione della produzione DRAM a Hiroshima ( Reuters). ). Hiroshima diventerà così un nodo centrale per la produzione di DRAM e HBM in Giappone, con la produzione di massa di DRAM 1-gamma prevista a partire dal 2027 e un chiaro focus sull'alta larghezza di banda di memoria come segmento di crescita ( TrendForce).
Fonte: finanznachrichten.de
Micron Technology sta investendo massicciamente nell'espansione delle sue capacità produttive per chip di memoria AI.
Importanza dell'HBM per l'AI
La memoria ad alta larghezza di banda (HBM) è una forma speciale di DRAM. Diversi chip di memoria vengono impilati verticalmente e collegati tramite Through-Silicon Vias (TSV) con un'interfaccia estremamente ampia a GPU o CPU ( Wikipedia). ). Questo stack 3D fornisce una larghezza di banda molte volte superiore rispetto alla memoria DDR o GDDR classica con un consumo energetico simile, occupando un'area significativamente inferiore ( Wikipedia).
Le attuali generazioni HBM mostrano un rapido sviluppo: HBM3 raggiunge oltre 800 GB/s per stack, HBM3E fino a circa 1,2 TB/s aumentando le frequenze di clock e le altezze dello stack ( Wikipedia; Micron). ). Il nuovo standard HBM4 di JEDEC consente larghezze di banda per stack fino a circa 2 TB/s con capacità fino a 64 GB per stack ( All About Circuits).
La GPU H200 di NVIDIA combina 141 GB di HBM3E con una larghezza di banda di memoria di 4,8 TB/s, raddoppiando approssimativamente la capacità rispetto alla generazione H100 ( NVIDIA). ). Micron fornisce stack HBM3E da 24 GB per questa piattaforma e sviluppa stack da 36 GB a 12 chip per modelli più grandi e future GPU ( Micron; Micron). ). Uno stack HBM3E da 36 GB consente di eseguire un modello come LLaMA 2 con 70 miliardi di parametri su un singolo processore, senza continui caricamenti e scaricamenti tra GPU e CPU ( Micron).
Le analisi mostrano che tutte le GPU AI leader si basano ormai completamente sull'HBM e le future generazioni mirano a ottenere altezze di stack e larghezze di banda ancora maggiori ( SemiAnalysis). ). La potenza di calcolo dell'hardware AI cresce più velocemente della larghezza di banda di memoria disponibile, rendendo l'HBM il collo di bottiglia dominante, specialmente per grandi modelli linguistici con numerosi token di contesto e cache chiave-valore ( Semiconductor Engineering; arXiv). ). Per gli sviluppatori, ciò significa che anche con GPU aggiuntive, la capacità e la larghezza di banda HBM disponibili spesso limitano le dimensioni del modello, del batch o della finestra di contesto ( Semiconductor Engineering).
Fonte: retail-news.de
La memoria ad alta larghezza di banda (HBM) è fondamentale per le prestazioni delle moderne applicazioni AI.
Fonte: YouTube
Fonte: YouTube
Strategia giapponese per i semiconduttori
Il Giappone persegue da alcuni anni una esplicita "Semiconductor and Digital Strategy", che definisce semiconduttori, infrastrutture digitali, software e cloud come tecnologie di base strategiche ( meti.go.jp; cicc.or.jp). ). La strategia sottolinea il ruolo dei chip per il 5G, l'intelligenza artificiale, l'IoT e i sistemi autonomi, collegando direttamente la sovranità tecnologica alla sicurezza nazionale ( Access Partnership).
Nel gennaio 2025, il Giappone ha stanziato circa 1,05 trilioni di yen dal bilancio per la ricerca sui chip di prossima generazione e sul quantum computing. Inoltre, circa 471 miliardi di yen sono stati riservati per sostenere la produzione nazionale di chip ( The Quantum Insider). ). Questi importi si aggiungono a programmi in corso che mirano ad attirare o espandere TSMC, Rapidus e produttori di memoria internazionali in Giappone ( amro-asia.org).
Micron è un attore chiave in questa strategia. Oltre al nuovo progetto da 1,5 trilioni di yen, l'azienda riceverà fino a 536 miliardi di yen di sussidi diretti per l'espansione della produzione di Hiroshima, con un focus su HBM e DRAM 1-gamma ( TrendForce; semicone.com). ). Già nel 2022, il METI ha supportato Micron con 46,5 miliardi di yen per l'espansione di una linea DRAM esistente, facendo anche riferimento alla sicurezza dell'approvvigionamento e ai rischi geopolitici ( Reuters).
Analisi, ad esempio dell'Alan Turing Institute, mostrano che il Giappone sta deliberatamente riportando la produzione avanzata nel paese e allo stesso tempo vuole rafforzare il suo ruolo nei materiali, nelle attrezzature e nel packaging nella catena di approvvigionamento globale ( cetas.turing.ac.uk). ). Il nuovo stabilimento per chip di memoria AI si inserisce in questo quadro: rafforza la propria posizione nei componenti critici e riduce la dipendenza da singole località come Taiwan ( Reuters).
Competizione globale sull'HBM
La memoria HBM è diventata un palcoscenico centrale nel mercato dell'hardware AI, secondo le analisi del "Financial Times" ( Financial Times). ). Il mercato è attualmente dominato principalmente da tre produttori: SK hynix, Samsung e Micron. Questi competono per design-win con Nvidia, AMD e altri grandi fornitori di acceleratori ( Financial Times).
SK hynix si è assicurata una forte posizione come fornitore per Nvidia con le prime generazioni HBM e tecniche di packaging speciali ( Financial Times). ). Samsung sta recuperando terreno con stack HBM3E certificati per le piattaforme Nvidia, dopo che l'azienda ha inizialmente fornito principalmente schede Instinct di AMD ( Tom's Hardware). ). Micron, a sua volta, dichiara di fornire già campioni dei suoi chip HBM4 con larghezze di banda fino a 2,8 TB/s per stack, superando così le specifiche ufficiali HBM4 ( TechRadar).
Parallelamente, nella primavera 2025, JEDEC ha pubblicato ufficialmente lo standard HBM4, che prevede larghezze di banda fino a circa 2 TB/s per stack e capacità fino a 64 GB per torre HBM ( EDN; All About Circuits). ). Secondo quanto riferito, Nvidia sta addirittura spingendo i suoi fornitori a superare queste specifiche e a fornire stack HBM4 con circa 10 Gbps per pin, per anticipare le future GPU come la piattaforma Rubin rispetto alla generazione MI450 di AMD ( Tom's Hardware).
La catena di approvvigionamento globale per i chip di memoria AI è strettamente interconnessa tra produttori di GPU, fornitori HBM e politiche industriali statali. Analisi di AMRO e altre istituzioni sottolineano che Giappone, Stati Uniti, Corea del Sud, Taiwan e UE stanno investendo massicciamente in ecosistemi di semiconduttori per non dipendere da singoli paesi o aziende nell'era dell'AI ( amro-asia.org; Financial Times).
). Per le catene di approvvigionamento HBM, ciò significa concretamente che sedi come Hiroshima, gli stabilimenti coreani di SK hynix, gli stabilimenti Samsung e, prospetticamente, altre capacità HBM (ad esempio negli Stati Uniti o in Europa) formano una rete che viene costantemente riequilibrata tramite controlli sulle esportazioni, sussidi e standard tecnologici ( Financial Times; cetas.turing.ac.uk).
Fonte: aktienmagazin.de
I chip di memoria Micron sono parte integrante di infrastrutture AI ad alte prestazioni come l'AMD Instinct MI350.
Implicazioni per aziende e sviluppatori
Per operatori di data center, piattaforme cloud e startup AI, l'HBM è un fattore concreto di costo e capacità. Un nodo H200 con 8 GPU, ciascuna con 141 GB di HBM3E, può fornire più di un terabyte di memoria GPU estremamente veloce. Questo è ideale per modelli linguistici molto grandi o contesti lunghi, ma anche estremamente costoso da acquistare ( NVIDIA; Supermicro).
Rapporti di fornitori di hardware e analisi di piattaforme cloud mostrano che molti carichi di lavoro AI sono oggi chiaramente legati alla memoria. Più larghezza di banda HBM porta spesso un throughput significativamente maggiore rispetto a TFLOPS di calcolo aggiuntivi ( intelmarketresearch.com; openmetal.io). ). Studi su Arxiv sull'inferenza LLM confermano che in particolare la fase di decodifica è limitata dalla larghezza di banda della memoria e dai pattern di accesso, non dalla pura potenza di calcolo ( arXiv; arXiv).
L'investimento di Micron nei chip di memoria AI in Giappone significa principalmente due cose per le aziende: In primo luogo, dal periodo intorno al 2028, aumentano le probabilità che più capacità HBM sia disponibile sul mercato e che la difficile situazione di approvvigionamento si attenui leggermente, soprattutto se Micron costruisce parallelamente capacità HBM4 e HBM4E ( Reuters; TechRadar). ). In secondo luogo, aumenta la pressione sui concorrenti per investire massicciamente anche nella produzione e nel packaging HBM, il che fa prevedere una maggiore varietà di offerta e innovazione a medio-lungo termine ( Financial Times).
Per sviluppatori e architetti di sistemi AI, la conseguenza è pragmatica: vale la pena trattare l'HBM come una propria grandezza di pianificazione – simile al numero di parametri o ai FLOPS – e allineare le roadmap per i propri modelli allo sviluppo prevedibile della memoria ( Semiconductor Engineering; Lam Research Newsroom). ). Chi prende decisioni infrastrutturali oggi dovrebbe considerare che le future generazioni di GPU con HBM4 e oltre non solo porteranno maggiore larghezza di banda, ma anche stack di memoria più grandi e flessibili, spesso con un stretto accoppiamento con tecnologie di packaging come CoWoS o integrazione 2.5D/3D ( Lam Research Newsroom; Lam Research Newsroom).
Conclusione
Il nuovo stabilimento multimiliardario di Micron per la memoria HBM a Hiroshima è un chiaro segnale che il collo di bottiglia nello stack AI si sta spostando dalle capacità di calcolo alla larghezza di banda della memoria. La combinazione di un massiccio sostegno statale da parte del Giappone, piani di prodotto aggressivi per HBM3E e HBM4 e la crescente domanda di grandi modelli AI rende chiaro: chi vuole capire il futuro dell'AI deve tenere d'occhio la dinamica del mercato della memoria ad alta larghezza di banda e la catena di approvvigionamento globale che vi sta dietro ( Reuters; Financial Times).
). Per i team che lavorano oggi a prodotti AI, rimane un compito principale, almeno fino alla fine del decennio, quello di gestire consapevolmente il consumo di memoria e la larghezza di banda – e allo stesso tempo monitorare attentamente la velocità con cui nuove capacità HBM, come lo stabilimento Micron a Hiroshima, entreranno effettivamente in servizio ( Semiconductor Engineering; amro-asia.org).