La domanda di AI ha riportato i costi della RAM verso i livelli del 2007

Un reportage di Tom's Hardware ha documentato un'inversione sorprendente: secondo l'informatico Daniel Lemire, la RAM ora costa approssimativamente quanto costava per unità nel 2007.

Il confronto non significa che gli acquirenti affrontino lo stesso mercato informatico di due decenni fa. La memoria moderna è più veloce, più densa ed è collegata a sistemi più capaci. Significa che il prezzo pagato per ogni unità di capacità è risalito verso un livello che il progresso tecnologico avrebbe dovuto lasciarsi alle spalle.

Lemire sostiene che, storicamente, i prezzi della memoria diminuivano di circa dieci volte ogni cinque anni. La recente carenza ha cancellato in pochi mesi circa due decenni di questo progresso normalizzato. La domanda di infrastrutture AI è al centro dell'inversione, ma la causa va oltre i data center che acquistano semplicemente più chip.

I produttori di memoria hanno reindirizzato la produzione avanzata verso la memoria ad alta larghezza di banda, o HBM, che alimenta rapidamente di dati gli acceleratori AI. I produttori di server necessitano inoltre di DRAM convenzionale per CPU, caching dello storage e carichi di lavoro di inferenza. La concorrenza risultante ha relegato PC consumer, telefoni, workstation e server ordinari dietro clienti AI con maggiori risorse.

Il conflitto centrale, quindi, non è tra memoria per AI e memoria consumer come se fossero due mercati isolati. È tra la storica promessa dell'industria dei semiconduttori di capacità sempre più economica e un sistema di allocazione che premia sempre più una produzione scarsa e orientata all'AI.

Tom's Hardware inquadra storicamente l'inversione della RAM

L'aspetto notevole del confronto di Lemire non è che la memoria sia entrata in un altro ciclo dei prezzi. È quanta parte del progresso storico sia scomparsa.

L'analisi dei prezzi della RAM pubblicata da Tom's Hardware riconduce l'argomentazione di Lemire ai prezzi storici per unità di capacità. Il suo grafico tratta il calo di lungo periodo come una tendenza esponenziale, anziché come una linea retta.

Questa distinzione è importante. Una tecnologia che diventa dieci volte più economica in ciascun periodo comparabile produce una curva fortemente discendente quando viene rappresentata nell'arco di decenni. Possono verificarsi aumenti temporanei, ma la direzione normalizzata rimane verso il basso.

Lemire afferma che il livello attuale corrisponde a quello che quella curva storica avrebbe previsto intorno al 2007. In altre parole, l'industria non ha semplicemente rinunciato a uno o due anni di miglioramenti. È arretrata lungo un'ampia porzione della sua traiettoria di costo prevista.

Il confronto si basa sulla normalizzazione e non dovrebbe essere scambiato per un indice retail completo. I singoli kit variano per capacità, velocità, latenza, marca, generazione, regione e canale di vendita. DDR5 non può essere confrontata direttamente con DDR2 come se le loro capacità fossero identiche.

Una serie storica dei prezzi per capacità combina inoltre osservazioni raccolte in diverse condizioni di mercato. Inserzioni retail, prezzi contrattuali e transazioni sul mercato spot possono muoversi a velocità diverse. Gli acquirenti possono trovare sconti anche mentre i produttori negoziano tariffe contrattuali più elevate.

Tuttavia, questi limiti non cancellano la direzione del movimento. Un modulo di memoria moderno può offrire maggiore larghezza di banda ed efficienza, diventando al contempo drasticamente meno accessibile per unità di capacità. Miglioramento tecnico e regressione dei costi possono coesistere.

Per questo Lemire ha definito l'episodio insolito. I mercati tecnologici sperimentano regolarmente carenze, premi di lancio e picchi speculativi. Il progresso sostenuto nella produzione di solito ripristina la curva discendente dei costi quando l'offerta raggiunge la domanda.

L'attuale carenza mette in discussione questa aspettativa perché la domanda non è legata a un singolo ciclo di aggiornamento consumer. Proviene da un'ampia espansione di cluster di addestramento, sistemi di inferenza, server cloud e infrastrutture aziendali abilitate all'AI.

Questa distinzione trasforma la storia di Tom's Hardware in qualcosa di più di un avvertimento per chi assembla PC. Solleva una domanda più ampia: se l'economia dell'informatica general-purpose sia entrata in una deviazione strutturale.

Se il cambiamento è ciclico, nuova capacità e una domanda consumer più debole dovrebbero infine ripristinare la vecchia curva. Se è strutturale, gli acquirenti potrebbero dover riconsiderare quanta memoria i loro dispositivi e software possano dare per scontata.

La domanda di AI consuma più della sola HBM

I sistemi AI intensificano la domanda lungo l'intera gerarchia della memoria, quindi produrre più HBM specializzata non isola la DRAM ordinaria dalla carenza.

HBM consiste in DRAM impilata verticalmente e collegata tramite un'interfaccia molto ampia. Offre la larghezza di banda necessaria per mantenere gli acceleratori AI moderni riforniti di parametri dei modelli e dati intermedi.

Questa descrizione può far sembrare HBM separata dalla memoria utilizzata nei laptop o nei server convenzionali. I prodotti finali sono diversi, ma condividono risorse produttive, attenzione ingegneristica, capacità di packaging avanzato e investimenti dei fornitori.

TrendForce ha riferito che i produttori sono entrati nel 2026 riallocando nodi di processo avanzati e nuova capacità verso prodotti per server e HBM. La sua ricerca sull'allocazione della capacità ha collegato direttamente questa decisione all'aumento della domanda di server AI.

HBM consuma inoltre più risorse produttive di quanto suggerisca la sola capacità fornita. I die impilati richiedono processi di produzione e packaging complessi. Le perdite di resa sono rilevanti perché ogni componente difettoso può ridurre l'output degli stack completati.

Nel frattempo, un server AI necessita di più della memoria degli acceleratori. Le sue CPU richiedono DRAM di sistema, spesso tramite DIMM registrati progettati per i server. I livelli di storage utilizzano memoria flash NAND, mentre rete e caching aggiungono ulteriori requisiti di memoria.

L'inferenza amplia questa impronta. L'addestramento crea un'esigenza infrastrutturale ampia ma comparativamente concentrata. L'inferenza serve richieste in modo continuo e può distribuirsi su più macchine, regioni e tipi di applicazione.

I sistemi agentici aggiungono un ulteriore livello. Mantengono contesti più lunghi, gestiscono output degli strumenti, coordinano più chiamate ai modelli e archiviano stati intermedi. La cache KV, che mantiene disponibili i dati di attenzione durante la generazione, può consumare memoria significativa man mano che le conversazioni crescono.

TrendForce afferma che una gestione efficiente della cache KV è diventata essenziale per le prestazioni dell'inferenza. Le sue previsioni sulla memoria AI collegano l'espansione dei carichi di lavoro di inferenza alla domanda sia di HBM sia di DRAM convenzionale.

Questo meccanismo spiega perché la carenza si diffonde. I fornitori cloud competono per l'HBM per costruire cluster di acceleratori. Queste stesse installazioni consumano DRAM per server, storage e componenti di rete. I produttori danno quindi priorità ai prodotti associati ai contratti e ai margini più forti.

La memoria consumer non deve utilizzare l'esatta linea di produzione assegnata a HBM perché i consumatori ne subiscano l'impatto. Deve solo competere per capitale, transizioni di processo, avvii di wafer, team ingegneristici o attenzione dei fornitori.

I tre maggiori produttori globali di DRAM, Samsung, SK hynix e Micron, devono quindi affrontare una decisione di allocazione razionale. I clienti AI offrono ordini di grandi dimensioni, orizzonti di pianificazione più lunghi e requisiti prestazionali urgenti. L'elettronica di consumo rimane più sensibile ai costi dei componenti.

Questo squilibrio dà priorità all'infrastruttura AI anche quando la domanda retail resta sana. Indebolisce inoltre la consueta risposta ai prezzi più elevati, poiché i fornitori non possono convertire istantaneamente gli investimenti in output qualificato.

Un nuovo impianto di fabbricazione della memoria richiede anni per essere pianificato, costruito, attrezzato e portato a regime. Gli impianti esistenti richiedono comunque conversioni di processo e validazione da parte dei clienti. Il packaging HBM introduce ulteriori colli di bottiglia oltre alla fabbricazione dei wafer.

Di conseguenza, la carenza è sia fisica sia economica. Non ci sono abbastanza prodotti di memoria desiderabili per ogni sistema pianificato e i fornitori hanno forti incentivi a servire prima la domanda orientata all'AI.

L'informatica consumer assorbe la pressione

I perdenti immediati sono gli acquirenti i cui dispositivi non possono generare i margini dell'infrastruttura AI, ma richiedono comunque una quantità significativa di memoria per restare utili.

I produttori di PC possono rispondere all'aumento dei costi dei componenti in diversi modi. Possono aumentare i prezzi dei sistemi, ridurre le configurazioni di memoria standard, ritardare gli aggiornamenti, restringere le gamme di prodotti o accettare margini inferiori.

Nessuna di queste opzioni offre una soluzione invisibile. Un laptop con meno memoria può faticare con browser moderni, applicazioni creative, strumenti di sviluppo locali e multitasking. La memoria saldata rende più difficile correggere in seguito una configurazione di fabbrica conservativa.

Gli acquirenti di desktop mantengono maggiore flessibilità, ma incontrano comunque compromessi. Chi assembla un PC può rimandare un kit di capacità superiore, scegliere memoria più lenta o dirottare denaro da un altro componente. Gli utenti di workstation affrontano scelte analoghe a capacità maggiori.

I produttori di smartphone operano con vincoli fisici e commerciali più rigidi. Una maggiore memoria supporta AI on-device, elaborazione fotografica, gaming e supporto software più lungo. Tuttavia, l'inflazione dei componenti rende più difficile offrire configurazioni generose sull'intera linea di prodotti.

Gli acquirenti aziendali affrontano una versione diversa del problema. I server convenzionali necessitano di grandi pool di DRAM per database, virtualizzazione, analisi e carichi di lavoro in memoria. Queste applicazioni competono indirettamente con le installazioni AI per la capacità dei fornitori.

Un'azienda può ritardare la sostituzione dei laptop dei dipendenti, ma l'hardware datato comporta costi propri. Prestazioni ridotte, minore durata della batteria, limitazioni di sicurezza e necessità di riparazione si accumulano su flotte di grandi dimensioni.

Anche gli sviluppatori software avvertono la pressione. Container locali, macchine virtuali, ambienti di sviluppo integrati, suite di test e strumenti di coding AI possono consumare memoria contemporaneamente. Una workstation con risorse limitate trasforma le normali attività di sviluppo in esercizi di allocazione delle risorse.

Questa pressione può influenzare la progettazione software. Gli sviluppatori che in precedenza consideravano la memoria economica potrebbero rivedere dimensioni delle cache, processi in background, impronte dei modelli locali e comportamento predefinito delle applicazioni.

Questo adeguamento presenta potenziali benefici, ma non rende innocua la carenza. L'ottimizzazione richiede tempo ingegneristico e le riduzioni forzate possono degradare la reattività o limitare le funzionalità.

La distruzione della domanda è già entrata a far parte delle prospettive di mercato. TrendForce ha rilevato che la debolezza del mercato consumer stava moderando il ritmo degli aumenti nel terzo trimestre, anche se l'offerta complessiva di DRAM rimaneva estremamente limitata.

Questa è una distinzione importante. Aumenti più lenti non significano necessariamente che la carenza stia terminando. Possono significare che gli acquirenti hanno raggiunto il limite di ciò che sono disposti ad assorbire.

Quando i consumatori rinviano l'acquisto di dispositivi o scelgono configurazioni più piccole, le previsioni di spedizione si indeboliscono. I fornitori possono mantenere potere sui prezzi se la domanda di server rimane abbastanza forte da compensare tale calo.

L'effetto distributivo è difficile da ignorare. Gli hyperscaler possono giustificare la memoria scarsa attraverso i futuri ricavi dei servizi AI. Una famiglia che sostituisce un laptop non può ripartire il costo su milioni di richieste ai modelli.

Le piccole imprese e gli sviluppatori indipendenti occupano la fascia intermedia. Hanno bisogno di sistemi capaci per creare prodotti AI, ma non dispongono della leva d'acquisto dei grandi fornitori cloud.

La copertura di Tom's Hardware fornisce a questa pressione un indicatore storico memorabile. Il mercato ha di fatto chiesto agli acquirenti ordinari di rinunciare ad anni di accessibilità economica prevista affinché l'espansione dell'AI possa procedere più rapidamente.

Quell'affare non è stato negoziato apertamente. È emerso da incentivi dei fornitori, impegni di capitale e dall'appetito tecnico dei moderni sistemi di AI.

La Vecchia Curva dei Costi Ha Incontrato una Nuova Realtà di Allocazione

L'inversione principale è lo scontro tra l'aspettativa predefinita di un computing sempre più economico e l'allocazione della memoria basata sulla redditività dell'AI.

Per decenni, il calo dei costi dei semiconduttori ha permesso al software di espandersi. I sistemi operativi sono diventati più grandi, i browser hanno aperto più processi e le applicazioni hanno mantenuto più dati in memoria.

Gli sviluppatori davano per scontato che l'hardware futuro avrebbe reso ordinario il carico di lavoro costoso di oggi. Questa ipotesi ha sostenuto interfacce più ricche, runtime gestiti, database locali e software creativo sempre più ambizioso.

I prezzi della memoria sono stati volatili per tutta questa storia. Il settore ha attraversato eccessi di offerta, correzioni delle scorte, interruzioni negli impianti e improvvisi cambiamenti della domanda. Tuttavia, ogni ciclo si è sviluppato all'interno di una tendenza generale verso capacità più economica.

L'AI introduce una fonte di domanda di scala e urgenza insolite. Le aziende leader non acquistano memoria solo per soddisfare un carico di lavoro consolidato. Stanno costruendo infrastrutture in previsione dell'utilizzo futuro dei modelli.

Questi acquisti anticipati possono mantenere la domanda al di sopra dei ricavi effettivamente realizzati. I provider cloud temono che una capacità insufficiente li lasci incapaci di servire i clienti o addestrare modelli competitivi.

I fornitori rispondono assicurandosi impegni di lungo periodo e privilegiando i prodotti con rendimenti più elevati. Il comportamento è comprensibile per ciascun partecipante, ma il risultato combinato rompe la consueta traiettoria dei costi per i consumatori.

S&P Global ha osservato che HBM era diventato uno dei segmenti più redditizi dell'industria dei semiconduttori. La sua analisi dell'offerta di memoria afferma che margini più elevati hanno incoraggiato i produttori a dare priorità ai prodotti legati all'AI rispetto alla memoria legacy per imprese e consumatori.

Il risultato assomiglia più a uno shock di allocazione che a una carenza convenzionale. L'offerta esiste, gli investimenti crescono e i produttori realizzano enormi quantità di memoria. Tuttavia, sono i clienti più redditizi a determinare cosa venga espanso per primo.

Questo crea un circolo di retroazione. La scarsità aumenta il valore dell'offerta già assicurata. I grandi acquirenti dell'AI rispondono con impegni più lunghi, riducendo la capacità disponibile per gli acquirenti senza un potere d'acquisto comparabile.

Costi della memoria più elevati possono quindi incoraggiare gli sviluppatori di AI a ottimizzare. Tecniche come la quantizzazione, modelli più piccoli, la compressione della cache e un recupero più selettivo riducono il consumo di memoria per richiesta.

L'efficienza da sola non garantisce una domanda totale inferiore. Se ogni richiesta diventa più economica, le aziende possono servire più richieste, distribuire più agenti o elaborare contesti più lunghi. Il consumo aggregato può continuare a crescere anche se i singoli carichi di lavoro migliorano.

Questa dinamica ricorda l'effetto rimbalzo osservato in altre tecnologie. Un uso più efficiente delle risorse riduce il costo di un'attività, il che può stimolare abbastanza attività aggiuntiva da compensare i risparmi.

La vecchia curva deve quindi affrontare due forze opposte. Processi migliori, maggiore densità e software ottimizzato spingono i costi verso il basso. L'accelerazione dell'implementazione dell'AI e l'allocazione preferenziale spingono la disponibilità effettiva nella direzione opposta.

L'esito dipenderà da quale forza scalerà più rapidamente. Il progresso storico dei semiconduttori resta reale, ma non garantisce più che ogni categoria di acquirenti riceva i benefici nello stesso momento.

Cosa Non Dimostra il Confronto con il 2007

L'analogia storica coglie la gravità dell'inversione, ma non può stabilire quanto dureranno le condizioni attuali.

Il grafico di Lemire è un efficace strumento di inquadramento, non un modello completo del mercato globale della DRAM. Descrive costi normalizzati della capacità lungo una cronologia estesa, con prodotti e qualità dei dati variabili.

I prezzi della memoria al dettaglio possono muoversi prima o dopo i mercati dei contratti. Gli sconti possono riflettere scorte detenute dai distributori anziché un cambiamento nell'offerta di fabbricazione. La disponibilità regionale e le oscillazioni valutarie creano ulteriori variazioni.

Anche il mix di prodotti complica i confronti. Gli attuali moduli DDR5 offrono funzionalità e prestazioni che le precedenti generazioni DDR non offrivano. DIMM per server, memoria per laptop, memoria grafica e HBM soddisfano requisiti tecnici diversi.

Un acquirente riceve oggi maggiori capacità anche se i costi della capacità ricordano un periodo precedente. Questo non invalida il problema dell'accessibilità, ma cambia il significato di “ritorno al 2007”.

L'espressione dovrebbe descrivere un punto di prezzo normalizzato, non affermare che l'intera esperienza informatica sia regredita. I sistemi moderni restano immensamente più capaci e i loro sottosistemi di memoria offrono maggiore larghezza di banda ed efficienza.

Anche la causalità richiede cautela. La domanda di AI è la pressione dominante individuata dagli analisti del settore, ma non è l'unica influenza. Disciplina dei fornitori, espansione ritardata, transizioni di processo, politiche di inventario e la normale domanda di server incidono tutti sulla disponibilità.

Il comportamento dei consumatori può modificare rapidamente il percorso. Se le spedizioni di dispositivi si indeboliscono bruscamente, i produttori potrebbero trovarsi con scorte in eccesso in alcune categorie anche mentre i prodotti per server restano sotto pressione.

Una correzione temporanea al dettaglio non confuterebbe necessariamente l'argomento strutturale. I kit per PC possono diminuire di prezzo perché i venditori smaltiscono le scorte, mentre i contratti a lungo termine restano solidi.

Vale anche il contrario. Il continuo aumento dei contratti non dimostra che ogni prodotto al dettaglio aumenterà senza sosta. I canali di distribuzione possono assorbire o ritardare i cambiamenti.

La cinese CXMT introduce un'altra incertezza. I rapporti indicano che i produttori di PC hanno esplorato un utilizzo limitato della sua DRAM commodity, in particolare per sistemi venduti in Cina. Una maggiore concorrenza potrebbe alla fine alleggerire alcuni segmenti consumer.

Tuttavia, qualificazione, restrizioni regionali, divari tecnologici e scala produttiva limitano la rapidità con cui un nuovo fornitore può riequilibrare il mercato globale. Una maggiore produzione di commodity non risolve nemmeno ogni collo di bottiglia nell'HBM o nei server avanzati.

I risultati 2026 di Micron mostrano uno sviluppo continuo in HBM, memoria a basso consumo, DDR DRAM e storage per data center. Questa ampiezza illustra perché una semplice contrapposizione HBM-PC sia incompleta.

I fornitori gestiscono portafogli interconnessi. Possono spostare gli investimenti tra famiglie di prodotti, ma la qualificazione dei clienti e i vincoli produttivi impediscono cambiamenti istantanei.

La conclusione più prudente è più circoscritta del titolo più sensazionale. La domanda di AI ha contribuito a produrre una rottura straordinaria rispetto al declino storico dei costi della memoria. La durata e l'entità finale restano incerte.

Questa distinzione conta per le decisioni d'acquisto. Gli acquisti dettati dal panico presumono che ogni prodotto diventerà indefinitamente più scarso. Attendere indefinitamente presume che la vecchia curva discendente si ristabilirà secondo i tempi previsti.

Nessuna delle due ipotesi è stata dimostrata.

Tre Segnali Indicheranno se la Carenza si Sta Allentando

La prossima fase sarà determinata dai prezzi contrattuali, dalla capacità qualificata e dall'effettiva efficienza della memoria AI, non da sconti isolati al dettaglio.

Il primo segnale è la direzione dei prezzi contrattuali della DRAM per server e PC nei prossimi trimestri. I mercati contrattuali rivelano cosa si aspettano grandi produttori e acquirenti oltre alle promozioni al dettaglio di breve durata.

TrendForce ha riportato che gli aumenti del terzo trimestre stavano moderandosi con l'indebolimento della domanda dei consumatori. Tuttavia, ha anche descritto il mercato come estremamente ristretto e ha affermato che la domanda dei server rimaneva di sostegno.

Un appiattimento sostenuto sia dei contratti per server sia di quelli consumer indebolirebbe l'affermazione secondo cui il settore è entrato in un duraturo riassetto dell'allocazione. Aumenti continui nonostante spedizioni di dispositivi più deboli la rafforzerebbero.

I lettori dovrebbero quindi distinguere tra un kit scontato e un ampio sollievo nei contratti. Una promozione può favorire un singolo acquirente senza indicare che l'offerta abbia raggiunto la domanda.

Il secondo segnale è la capacità produttiva qualificata. Gli annunci su nuovi impianti contano meno dell'output utilizzabile consegnato ai clienti.

Samsung, SK hynix e Micron devono espandere la memoria avanzata mantenendo al contempo DRAM convenzionale sufficiente per PC, telefoni e server general-purpose. CXMT e altri produttori potrebbero aggiungere pressione competitiva in mercati selezionati.

Le prove chiave includeranno l'avvio a regime dei nodi di processo, le qualifiche dei clienti, l'output del packaging HBM e rendimenti stabili. La capacità ancora in costruzione non può alleggerire gli ordini attuali.

Un aumento significativo della disponibilità di DRAM convenzionale sosterrebbe un ritorno verso la curva storica dei costi. Una capacità dedicata principalmente a prodotti AI premium potrebbe lasciare sostanzialmente intatta la pressione sui consumatori.

Il terzo segnale è l'uso della memoria per attività AI. Gli sviluppatori di modelli stanno lavorando su quantizzazione, gestione della cache, architetture più piccole e sistemi di instradamento che assegnano le richieste più semplici a modelli meno esigenti.

Guadagni di efficienza riusciti dovrebbero ridurre la memoria necessaria per ogni unità di lavoro utile. Indeboliscono la tesi della carenza solo se l'implementazione totale cresce più lentamente di tali risparmi.

Se le applicazioni rispondono eseguendo più agenti, mantenendo contesti più lunghi o integrando modelli in ogni flusso di lavoro, la domanda totale può comunque crescere. L'efficienza sosterrebbe quindi l'espansione anziché il sollievo.

Osservate cosa distribuiscono le aziende di AI, non solo ciò che promettono i benchmark di laboratorio. Un minore uso della memoria in un test controllato conta meno se i sistemi di produzione aggiungono finestre di contesto più ampie e più utenti simultanei.

Il rapporto di Tom Hardware identifica in definitiva una sfida tra due curve esponenziali. Una rappresenta il declino storico del costo della memoria. L'altra rappresenta l'appetito di un'industria AI che scala contemporaneamente infrastrutture, modelli e utilizzo.

Per gli acquirenti, la risposta pratica è una pianificazione disciplinata. Misurate la capacità di cui i vostri carichi di lavoro hanno realmente bisogno, preservate la flessibilità di aggiornamento dove possibile e valutate configurazioni di sistema complete anziché un singolo componente.

Per gli sviluppatori, questo è anche un motivo per trattare di nuovo l'efficienza della memoria come un vincolo di prodotto. Profilate i carichi di lavoro reali, limitate le attività in background non necessarie e testate il comportamento del software entro limiti di capacità realistici.

Soprattutto, non scambiate un celebre confronto storico per una previsione fissa. Il riferimento di Lemire al 2007 ci dice quanto si è mosso il mercato. Le tendenze contrattuali, l'offerta qualificata e l'efficienza AI effettivamente implementata ci diranno se potrà tornare indietro.