Il boom dei PCB per server AI di NVIDIA porta le notizie tecnologiche oltre i chip

Il lancio di Rubin da parte di NVIDIA ha portato nelle notizie tecnologiche un componente finora trascurato: il circuito stampato che collega processori, memoria, rete e alimentazione all’interno dei sistemi AI. Nuove previsioni di settore descrivono una crescita insolitamente rapida delle schede per server AI e dei loro materiali di base. La sfida non riguarda più soltanto l’ottenimento di un numero sufficiente di acceleratori. I produttori devono anche realizzare schede più grandi, dense e complesse senza compromettere la qualità del segnale o l’affidabilità.

Il cambiamento è diventato evidente il 2 settembre 2026, quando il quotidiano finanziario cinese CLS ha analizzato un rialzo tra fornitori di PCB e produttori di materiali. Il suo articolo citava una previsione di Goldman Sachs di agosto che aumentava nettamente le attese per il mercato dei PCB per server AI fino al 2028. L’articolo ha inoltre collegato tale previsione a ripetuti aumenti dei prezzi dei laminati, carenze di capacità e solidi risultati del primo semestre da parte dei fornitori.

NVIDIA è il principale motore della domanda, ma non è l’unico. Amazon, Google, Meta e Microsoft stanno sviluppando acceleratori AI personalizzati, mentre i provider cloud stanno installando rack di calcolo sempre più integrati. La loro concorrenza sta trasformando una categoria elettronica matura in un vincolo strategico.

Il ribaltamento è rilevante. L’infrastruttura AI è stata generalmente descritta come una corsa per chip avanzati, memoria ad alta larghezza di banda ed elettricità. La prossima fase dipende altrettanto dalla capacità dei produttori di costruire i percorsi fisici che consentono a questi componenti di lavorare insieme.

La previsione sui PCB per server AI ha cambiato il dibattito sulla catena di fornitura

Il cambiamento importante non è che i server AI utilizzino più circuiti stampati, ma che ogni sistema di calcolo richieda una classe diversa di scheda.

Un circuito stampato, o PCB, sostiene meccanicamente i componenti elettronici e trasporta segnali elettrici e alimentazione tra di essi. Un laminato rivestito di rame, o CCL, è il materiale di base isolante ricoperto di rame che i produttori trasformano in questi circuiti. Nessuna delle due categorie è nuova, ma i sistemi AI su scala rack stanno spingendo entrambe ben oltre i requisiti dei normali server.

Il rapporto CLS del 2 settembre ha ricondotto l’immediata reazione del mercato a due sviluppi. In primo luogo, i fornitori di laminati avevano annunciato un nuovo ciclo di aumenti dei prezzi. In secondo luogo, Goldman Sachs aveva rivisto al rialzo le proprie prospettive per PCB e CCL dei server AI.

Secondo il rapporto di mercato, Goldman Sachs prevede che il mercato globale dei PCB per server AI raggiungerà 84 miliardi di dollari nel 2028. Prevede un mercato da 48 miliardi di dollari per i corrispondenti laminati. La previsione implica una crescita annua composta rispettivamente del 148% e del 161% tra il 2026 e il 2028.

Queste stime sono previsioni, non vendite registrate. Provengono inoltre da un rapporto di ricerca di una banca d’investimento non interamente disponibile al pubblico. Ciononostante, le ipotesi alla base rivelano perché investitori e produttori stanno considerando le schede in modo diverso.

Secondo quanto riportato, Goldman Sachs prevede che l’area delle spedizioni di PCB per server AI aumenti da 1,3 milioni di metri quadrati nel 2026 a 4,5 milioni nel 2028. Più significativamente, prevede un forte incremento del valore medio per metro quadrato. Area delle schede e complessità dei prodotti aumenterebbero quindi contemporaneamente.

Questa combinazione distingue questo ciclo da una tradizionale ripresa dei volumi. I produttori non possono semplicemente far passare un maggior numero di schede server standard attraverso le linee esistenti. Servono processi adatti a più strati, tracce più fini, formati più grandi, rame più spesso, tolleranze più rigorose e materiali con minori perdite elettriche.

Il cambiamento è già visibile nell’architettura delle schede. Le schede server convenzionali contengono spesso tra 14 e 24 strati. Le schede per server AI utilizzano comunemente tra 20 e 30 strati, e alcuni progetti vanno oltre, secondo una ricerca sulla produzione.

Ogni strato aggiuntivo crea più fasi produttive e più opportunità di difetti. I circuiti fini devono allinearsi lungo l’intera pila. Le connessioni perforate devono rimanere precise attraverso spessori maggiori. Calore e sollecitazioni meccaniche non possono deformare una scheda al punto da danneggiare collegamenti ad alta velocità.

L’hardware AI trasferisce inoltre enormi volumi di dati tra processori, memoria, switch e interfacce di rete. A queste velocità, una traccia del circuito si comporta meno come un semplice filo e più come un percorso di trasmissione progettato con precisione. Piccole variazioni dei materiali possono indebolire un segnale o introdurre interferenze.

Ecco perché questa notizia tecnologica va oltre una vivace seduta di borsa. La previsione descrive un cambiamento nel design fisico e nel valore economico dell’infrastruttura di calcolo. I chip avanzati forniscono ancora la capacità computazionale, ma schede sempre più specializzate determinano se tale capacità possa operare su scala rack.

NVIDIA Rubin rende la scheda parte del computer

Il design su scala rack di NVIDIA rende il PCB un vincolo attivo per le prestazioni, anziché una superficie passiva sotto i chip.

La piattaforma Rubin dell’azienda spiega perché la domanda si sta intensificando ora. NVIDIA ha introdotto Rubin nel gennaio 2026 e ha dichiarato che i sistemi dei partner sarebbero diventati disponibili nella seconda metà dell’anno. La sua architettura combina CPU, GPU, processori di rete, switch e infrastruttura di storage come sistema coordinato.

La piattaforma Rubin include il rack Vera Rubin NVL72 e la scheda server HGX Rubin NVL8. NVL72 integra 72 GPU Rubin con 36 CPU Vera e il fabric NVLink di sesta generazione di NVIDIA. HGX Rubin NVL8 collega otto GPU per i clienti che desiderano sistemi basati su x86.

NVIDIA afferma che NVL72 offre 260 terabyte al secondo di larghezza di banda aggregata scale-up. Il networking scale-up collega gli acceleratori all’interno di un dominio di calcolo strettamente coordinato, consentendo loro di lavorare su un unico modello come se formassero una macchina più grande.

Queste prestazioni richiedono percorsi elettrici molto brevi, prevedibili e accuratamente abbinati. La scheda e il backplane devono trasferire segnali gestendo al contempo erogazione di potenza, calore, vibrazioni e manutenzione. Una specifica della GPU, da sola, non può garantire questi risultati.

NVIDIA afferma inoltre che i sistemi Rubin utilizzano un design modulare a vassoi senza cavi. L’eliminazione dei cavi interni può semplificare assemblaggio e manutenzione, ma le connessioni elettriche non scompaiono. I progettisti trasferiscono maggiori responsabilità a schede, connettori e strutture di interconnessione rigide.

Questo è il meccanismo alla base del boom dei PCB per server AI. I sistemi su scala rack combinano diversi ambiti ingegneristici precedentemente separati. Packaging dei chip, schede server, backplane, fabric di rete, raffreddamento e distribuzione dell’alimentazione funzionano sempre più come un’unica architettura.

L’aumento della densità ha conseguenze lungo l’intera pila dei materiali. Segnali più veloci favoriscono laminati a bassa perdita che preservano l’energia elettrica lungo tracce più lunghe. Maggiori requisiti di potenza richiedono rame più spesso o distribuito più accuratamente. Più componenti richiedono tecniche di interconnessione ad alta densità, o HDI, che inseriscono via più piccoli e linee più strette in uno spazio limitato.

I PCB simili a substrati spingono questo processo ancora oltre. Utilizzano metodi di fabbricazione più vicini ai substrati semiconduttori, consentendo cablaggi molto più fini rispetto alle schede convenzionali. La lavorazione semi-additiva modificata crea sottili tracce di rame con maggiore precisione, invece di rimuovere grandi quantità di rame da una lastra.

Questi processi richiedono apparecchiature specializzate, controlli più rigorosi della contaminazione e team di produzione esperti. La resa diventa centrale. Una fabbrica può disporre di capacità nominale, ma produrre comunque meno schede vendibili se un progetto difficile genera difetti nelle fasi avanzate della sequenza produttiva.

La scheda sostiene anche il costo dei cambiamenti architetturali. Ogni generazione NVIDIA riorganizza vassoi di calcolo, switch, connettori e sistemi di alimentazione. I fornitori devono qualificare nuovi materiali e fasi produttive prima della produzione di massa. Un ritardo in qualunque fase può rallentare il rack completo, anche se i processori sono disponibili.

Rubin non rappresenta l’intero mercato. Anche Microsoft, Amazon, Google e Meta stanno creando sistemi basati su acceleratori interni. Secondo quanto riportato, Goldman Sachs prevede che queste implementazioni di ASIC personalizzati contribuiscano a una domanda incrementale di PCB superiore a quella dei soli server con GPU NVIDIA.

Un circuito integrato specifico per applicazione, o ASIC, è un chip progettato per un carico di lavoro più ristretto rispetto a un processore generico. Le aziende cloud utilizzano ASIC AI per controllare prestazioni, consumo energetico e costi nei propri servizi.

Questi programmi diversificano la domanda di schede, ma la frammentano anche. Un fornitore potrebbe dover supportare diverse architetture, insiemi di materiali e calendari di qualifica. Ciò aumenta il valore delle competenze ingegneristiche, limitando al contempo l’utilità della capacità generica.

Il risultato è una competizione tra ambizione dei sistemi e realtà produttiva. NVIDIA e gli hyperscaler vogliono cicli di prodotto annuali, rack più densi e costi di inferenza inferiori. I produttori di schede devono trasformare questi obiettivi in prodotti fisici in grado di sopportare anni di calore e carico elettrico continuo.

Le notizie tecnologiche hanno un nuovo collo di bottiglia sotto la GPU

Le aziende sottoposte a maggiore pressione non sono soltanto i fornitori di PCB, ma ogni cliente che si aspetta che l’hardware AI arrivi nei tempi previsti.

Per diversi anni, gli acceleratori avanzati sono stati il vincolo più evidente all’espansione dell’AI. In seguito, memoria ad alta larghezza di banda e packaging dei semiconduttori si sono aggiunti all’elenco. Le ultime evidenze suggeriscono che schede, laminati, tessuto di vetro, foglio di rame e apparecchiature di produzione rientrano ora nella stessa conversazione.

Kingboard Laminates ha fornito uno dei segnali più chiari dai fornitori nei suoi risultati del primo semestre 2026. I ricavi sono aumentati del 55% rispetto allo stesso periodo del 2025, mentre l’utile netto attribuibile agli azionisti è cresciuto del 209%. Il volume delle spedizioni di laminati è aumentato del 14%, con spedizioni mensili medie superiori a 10 milioni di fogli.

L’azienda ha dichiarato che la capacità esistente si era spostata in misura sostanziale verso prodotti legati all’AI. Tale riallocazione ha contribuito a gravi carenze di filato e tessuto in fibra di vetro elettronica tradizionale, secondo i suoi risultati intermedi.

Questa dichiarazione coglie l’effetto di spiazzamento. Una fabbrica non deve chiudere una linea convenzionale perché emergano carenze. Può dare priorità a produzioni con specifiche più elevate, consumare più materiale scarso per prodotto o destinare le sue apparecchiature migliori ai clienti AI.

Gli acquirenti di elettronica tradizionale competono quindi per l’offerta rimanente. Produttori automotive, consumer, industriali e di server generici possono affrontare tempi di consegna più lunghi o condizioni contrattuali meno favorevoli, anche quando la loro domanda rimane stabile.

I produttori di materiali stanno rispondendo. Panasonic Industry ha annunciato un’ampia revisione che riguarda laminati rivestiti di rame, prepreg, materiali flessibili e prodotti correlati per circuiti stampati. L’azienda ha dichiarato che le modifiche si sarebbero applicate alle spedizioni dal 1° maggio 2026.

Panasonic ha attribuito la decisione all’aumento dei costi di foglio di rame, tessuto di vetro, resine, logistica, imballaggi, energia e manodopera. Il suo avviso sui materiali dimostra che la domanda AI si sta scontrando con l’inflazione dei costi degli input, anziché operare in isolamento.

Il prepreg è un foglio di fibra di vetro impregnato di resina utilizzato per unire e isolare gli strati dei PCB. Le schede ad alte prestazioni richiedono un comportamento uniforme della resina e strutture di vetro strettamente controllate. Un difetto o una variazione può alterare sia la stabilità meccanica sia le prestazioni elettriche.

Questa pressione si estende a monte. I fornitori di fibra di vetro devono creare tessuti più sottili e uniformi. I produttori di lamina di rame necessitano di prodotti con rugosità superficiale controllata. Le aziende chimiche devono fornire resine che tollerino il calore riducendo al minimo la perdita di segnale.

Si estende anche a valle. I produttori di server non possono spedire un sistema completo senza schede qualificate. I fornitori cloud non possono implementare la capacità promessa senza server completi. Gli sviluppatori di AI non possono accedere a tale capacità se i calendari di installazione subiscono ritardi.

Gli Stati Uniti affrontano un ulteriore rischio geografico. Gran parte della produzione avanzata di PCB e componenti elettronici resta concentrata in Asia. L'associazione di settore IPC ha sostenuto che la politica nazionale sulle infrastrutture AI debba includere progettazione delle schede, produzione HDI, assemblaggio dei componenti e collaudo, non soltanto la produzione di semiconduttori.

La sua analisi della catena di fornitura stimava che i server AI sarebbero cresciuti a un tasso annuo composto del 12,3% nell'arco di cinque anni. IPC ha inoltre individuato substrati per IC, assemblaggio HBM, fabbricazione di PCB e assemblaggio di sistemi come aree che richiedono maggiore attenzione.

Questo avvertimento mette in luce una discrepanza nella politica industriale. I governi hanno destinato risorse consistenti alla fabbricazione di wafer e al packaging avanzato. Tali investimenti affrontano vincoli reali, ma un acceleratore prodotto sul territorio continua a dipendere da schede e materiali importati se manca la capacità produttiva locale.

L'obiettivo della pressione è dunque ampio. I produttori di PCB devono espandersi senza compromettere le rese. I fornitori di materiali devono aumentare la capacità senza creare un successivo eccesso di offerta. I fornitori cloud devono prevedere la domanda con sufficiente anticipo da riservare la produzione. I decisori politici devono stabilire se l'infrastruttura delle schede a circuito meriti lo stesso trattamento strategico dei chip.

Ecco perché i PCB per server AI sono passati dall'approvvigionamento dei componenti alle notizie tecnologiche. Si trovano all'intersezione tra prestazioni di calcolo, capacità produttiva, geopolitica e spesa in conto capitale.

La rapida espansione non può eliminare il rischio di resa

Una previsione di mercato elevata non garantisce il successo di ogni nuovo stabilimento, fornitore o programma di schede.

L'argomento scettico più solido riguarda la differenza tra capacità annunciata e produzione qualificata. Le aziende possono ordinare attrezzature e costruire stabilimenti rapidamente. Non possono però riprodurre all'istante il know-how di processo necessario per schede complesse.

Le schede ad alto numero di strati attraversano ripetute fasi di laminazione, imaging, placcatura, foratura, ispezione e collaudo. Un guasto nelle fasi finali spreca il lavoro e i materiali accumulati nei passaggi precedenti. Più strati e connessioni più fini aumentano questo rischio cumulativo.

Le grandi schede AI rendono inoltre più difficile l'uniformità. Temperatura, pressione, flusso della resina, spessore del rame e allineamento devono restare coerenti su una superficie più ampia. Un processo produttivo che funziona bene su una scheda più piccola potrebbe generare difetti inaccettabili quando viene scalato.

I clienti impongono un ulteriore ostacolo. Le piattaforme server richiedono una qualificazione prima che un fornitore possa entrare nella produzione di volume. Il processo può includere test elettrici, cicli termici, analisi di affidabilità e produzione pilota. Un nuovo impianto non diventa intercambiabile con un fornitore consolidato semplicemente perché entrambi elencano attrezzature simili.

Le prospettive di mercato dipendono inoltre da ipotesi aggressive sui sistemi. Goldman Sachs si aspetterebbe che sia l'area spedita sia il valore medio delle schede aumentino fino al 2028. Un cambiamento in una delle due variabili indebolirebbe la previsione.

L'efficienza architetturale rappresenta un'incertezza. NVIDIA afferma che Rubin possa addestrare modelli mixture-of-experts con un quarto delle GPU richieste da Blackwell e offrire fino a dieci volte il throughput di inferenza per watt. Si tratta di affermazioni dell'azienda, che richiedono una convalida su carichi di lavoro dei clienti.

Se sistemi migliorati svolgono più lavoro con meno rack, gli operatori cloud potrebbero moderare gli acquisti unitari. La domanda potrebbe comunque crescere, ma le proiezioni sull'area delle schede diventerebbero meno dirette rispetto a una semplice relazione tra utilizzo dell'AI e server installati.

Gli acceleratori personalizzati creano una seconda incertezza. La loro crescita amplia la base clienti, ma gli hyperscaler progettano l'hardware anche per ridurre i costi dell'infrastruttura. Possono semplificare determinati sistemi, negoziare contratti di fornitura o modificare i programmi di implementazione quando i rendimenti attesi diminuiscono.

La spesa in conto capitale crea un terzo rischio. L'infrastruttura AI dipende da investimenti continuativi da parte di un gruppo concentrato di aziende cloud e partner finanziari. Se i ricavi dei servizi AI non riescono a coprire ammortamenti, energia e costi operativi, questi acquirenti possono rinviare nuovi campus o allungare i cicli di sostituzione.

La sostituzione dei materiali potrebbe inoltre cambiare l'economia del settore. I fornitori stanno sviluppando nuovi laminati, tessuti in fibra di vetro, trattamenti del rame, collegamenti ottici e approcci di packaging. Alcune innovazioni aumentano il valore dei PCB. Altre spostano le funzioni dalle tracce convenzionali delle schede.

L'ottica co-packaged illustra tale ambiguità. L'approccio colloca i componenti ottici più vicino al silicio di rete, riducendo la distanza che devono percorrere i segnali elettrici più veloci. Può alleviare alcune sfide di segnale a livello di scheda, introducendo al contempo nuovi problemi di packaging, raffreddamento e affidabilità.

Il panorama competitivo potrebbe quindi cambiare prima che gli attuali stabilimenti raggiungano la piena produzione. Una capacità progettata attorno a una specifica di scheda potrebbe richiedere modifiche per un'architettura successiva. Le attrezzature restano utili, ma utilizzo e margini potrebbero non seguire le previsioni odierne.

Esiste inoltre il pericolo di trattare carenze temporanee come scarsità permanenti. La catena di fornitura sta rispondendo con investimenti importanti. TrendForce ha riferito che i produttori cinesi di PCB hanno accelerato i piani di espansione, includendo nuovi impianti di fascia alta destinati a chip AI e moduli ottici.

Avary Holding ha reso noti piani per una base produttiva a Shenzhen dedicata a PCB di fascia alta simili a substrati e a schede flessibili. Anche Victory Giant sta espandendo la capacità di fascia alta. Altri produttori in Cina, Taiwan, Giappone e Sud-est asiatico stanno indirizzando capitali verso prodotti per server AI.

Se diversi progetti ottengono la qualificazione contemporaneamente, l'offerta potrebbe raggiungere la domanda più rapidamente del previsto. Il mercato resterebbe più grande, ma il potere negoziale potrebbe tornare dai produttori ai clienti.

Gli investitori dovrebbero quindi distinguere tre affermazioni. I server AI necessitano di schede più sofisticate. L'attuale offerta di fascia alta è limitata. I margini e i tassi di crescita attuali persisteranno in ogni ciclo di espansione. La prima affermazione gode di un solido supporto tecnico, la seconda dispone di prove attuali dai fornitori, mentre la terza resta non dimostrata.

Per gli acquirenti aziendali, la lezione pratica è simile. I team di procurement dovrebbero monitorare qualificazione, resa, tempi di consegna e disponibilità di fonti alternative. Lo spazio produttivo pianificato da un fornitore rivela meno della sua capacità di consegnare schede affidabili secondo le specifiche richieste.

Per sviluppatori e knowledge worker, l'effetto è indiretto ma reale. La disponibilità dell'hardware influenza la capacità cloud, la latenza di inferenza, i limiti dei servizi e il ritmo di distribuzione di nuovi modelli. La catena di fornitura fisica può determinare quali funzionalità AI raggiungono gli utenti e quando.

I team che seguono questa transizione hanno bisogno di un modo affidabile per collegare relazioni sugli utili, annunci di prodotto e specifiche tecniche. Una base di conoscenza consultabile può preservare tali relazioni mentre la vicenda si evolve tra numerosi fornitori.

Tre segnali metteranno alla prova la tesi sui PCB per l'AI

La prossima fase sarà decisa dalle prove produttive, non da un'altra previsione da prima pagina.

Il primo segnale è l'aumento dei volumi dei sistemi NVIDIA Rubin durante la seconda metà del 2026. NVIDIA ha dichiarato che Rubin è entrato in piena produzione e ha indicato AWS, Google Cloud, Microsoft, Oracle, CoreWeave, Lambda, Nebius e Nscale tra i fornitori iniziali attesi.

La tempistica delle spedizioni mostrerà se la catena di fornitura circostante sia in grado di sostenere la cadenza di rilascio di NVIDIA. Implementazioni fluide rafforzerebbero l'ipotesi che la produzione avanzata di PCB sia cresciuta insieme a chip, networking e raffreddamento.

Ritardi legati a schede, connettori o strutture di interconnessione indicherebbero il contrario. Confermerebbero l'importanza strategica del componente, indebolendo al contempo le ipotesi sulle spedizioni nel breve termine. La distinzione conta perché un collo di bottiglia può aumentare il valore del prodotto e, simultaneamente, impedire ai fornitori di contabilizzare i volumi attesi.

Il secondo segnale è rappresentato dai dati operativi dei produttori di laminati e PCB. La sola crescita dei ricavi non risolverà la questione. Gli investitori necessitano di volumi di spedizione, mix di prodotti, utilizzo degli impianti, tempi di consegna, margini lordi e commenti del management sulla qualificazione.

I risultati del primo semestre di Kingboard hanno stabilito un livello di riferimento elevato, con la crescita delle spedizioni accompagnata da un incremento molto maggiore degli utili. Le relazioni future indicheranno se tale performance rifletta una domanda di fascia alta duratura, un'inflazione temporanea dei materiali o entrambe.

Anche l'allocazione della capacità merita attenzione. Se i fornitori continuano a spostare la produzione verso materiali per l'AI descrivendo al contempo carenze nelle categorie convenzionali, la tesi dello spiazzamento si rafforza. Se i tempi di consegna si normalizzano e l'utilizzo cala, l'offerta potrebbe raggiungere la domanda.

Il terzo segnale è il ritmo di implementazione dei server con ASIC personalizzati da parte degli hyperscaler. Goldman Sachs tratterebbe questi sistemi come una fonte di domanda incrementale più ampia rispetto ai server NVIDIA. Questa affermazione è centrale per le prospettive più ottimistiche del mercato dei PCB per l'AI.

Le aziende cloud non divulgano sempre gli approvvigionamenti a livello di scheda. Le prove utili emergeranno invece negli annunci di implementazione degli acceleratori, nei programmi di messa in servizio dei data center, nella concentrazione dei clienti dei fornitori e negli ordini di attrezzature produttive specializzate.

Un'ampia crescita attraverso diversi chip interni rafforzerebbe l'argomento secondo cui questo mercato è più grande del ciclo di prodotto di un singolo fornitore. Un lancio più lento lascerebbe la domanda di PCB più dipendente da NVIDIA ed esporrebbe i fornitori a una roadmap architetturale più ristretta.

Questi segnali dovrebbero essere letti insieme. Le spedizioni di Rubin possono convalidare l'esecuzione nel breve termine. I risultati dei fornitori possono mostrare se la scarsità tecnica si traduca in utili sostenibili. Le implementazioni di ASIC personalizzati possono verificare se la domanda sia strutturalmente diversificata.

La conclusione più ampia è già visibile. Il calcolo AI è passato da singoli acceleratori a sistemi integrati misurati su scala di rack e data center. Di conseguenza, il valore migra nelle connessioni tra i componenti.

Il circuito stampato è una di queste connessioni. Trasporta energia, preserva i segnali, supporta componenti densi e trasforma chip prodotti separatamente in un computer operativo. La sua importanza aumenta man mano che ogni rack diventa più strettamente integrato.

Ciò non rende affidabile ogni previsione né attraente ogni fornitore. Rende però impossibile liquidare la scheda come una commodity. Difficoltà tecniche, barriere di qualificazione e capacità concentrata le hanno conferito un peso strategico.

Le future notizie tecnologiche continueranno a concentrarsi su processori più veloci e modelli più grandi. I lettori dovrebbero anche chiedersi cosa si trovi sotto tali processori, quali stabilimenti siano in grado di produrlo e se la produzione possa mantenere il ritmo.

Nei prossimi tre mesi, osservate la disponibilità effettiva di Rubin, i commenti dei fornitori sulle rese e le implementazioni di acceleratori da parte degli hyperscaler. Questi fatti riveleranno se il boom dei PCB per server AI stia diventando un'espansione industriale duratura o restando un'impennata guidata dalla scarsità.