TSMC, la nuova sfida dell’era AI: non bastano transistor più piccoli, serve più capacità

L’intelligenza artificiale sta cambiando il significato stesso di “capacità” nel settore dei semiconduttori. TSMC ha ancora bisogno di aumentare la produzione di wafer all’avanguardia, ma i segnali più recenti indicano un vincolo più ampio: la capacità di costruire sistemi AI completi, che combinino logica, packaging avanzato, memoria, interconnessioni ad alta velocità, alimentazione e raffreddamento.

È in questo contesto che va letto l’aumento del fabbisogno trimestrale di apparecchiature di TSMC, salito a circa 1,9 volte il livello previsto a dicembre. 17 Anche il piano di investimenti per il 2026 — 52-56 miliardi di dollari, dopo i 40,9 miliardi del 2025 e i 28,9 miliardi del 2024 — mostra che la risposta non consiste in una semplice ottimizzazione temporanea delle fabbriche. 1819

Gli ordini di macchinari diventano un termometro della domanda AI

Per TSMC, la domanda di apparecchiature offre oggi un’indicazione diretta della velocità con cui i clienti stanno cercando di aumentare la produzione destinata all’AI. L’azienda ha quasi raddoppiato la stima degli acquisti trimestrali rispetto alla previsione di dicembre, mentre amplia la capacità per rispondere alla domanda. 17

Questo non significa che ogni nuovo strumento debba essere il modello più avanzato disponibile. TSMC sta cercando di ottenere più output dalle apparecchiature già installate, comprese le macchine per la litografia EUV a bassa apertura numerica, o low-NA. Al tempo stesso, per il momento sta rinviando l’impiego dei sistemi EUV high-NA di ASML, molto più costosi.

La distinzione è importante. La strategia consiste nel combinare miglioramenti di processo e maggiore utilizzo degli impianti con una base complessiva di apparecchiature molto più ampia. L’efficienza può allungare la capacità esistente, ma non può sostituire nuove fabbriche, linee di packaging e strumenti produttivi quando la domanda continua a crescere.

Il capitale investito riflette una scommessa di lungo periodo

La previsione di investimenti da 52-56 miliardi di dollari per il 2026 è nettamente superiore ai 40,9 miliardi spesi nel 2025 e ai 28,9 miliardi del 2024. 1819 Reuters ha riferito che TSMC si aspettava di collocarsi nella parte alta dell’intervallo, mentre la domanda di infrastrutture AI restava robusta. 19

La portata dell’investimento suggerisce che TSMC stia pianificando un’espansione strutturale, non un normale rimbalzo ciclico dei semiconduttori. La società ha inoltre indicato che negli anni successivi la spesa potrebbe aumentare in modo significativo, man mano che si sviluppa la domanda di infrastrutture AI.

Questo scenario crea opportunità per l’intera filiera delle apparecchiature. ASML, unico fornitore dei sistemi di litografia EUV, prevede di aumentare la propria capacità produttiva del 30% sia nel 2027 sia nel 2028 per rispondere alla forte domanda di macchinari destinati ai chip AI avanzati.

Il vantaggio per i fornitori, però, non è uniforme. La decisione di TSMC di prolungare la produttività degli attuali sistemi EUV low-NA e rinviare l’adozione degli high-NA potrebbe limitare nell’immediato il contributo delle macchine più recenti di ASML, anche se il fabbisogno complessivo di TSMC sostiene il ciclo generale degli investimenti in apparecchiature.

L’inferenza sta cambiando la forma della domanda

La prima fase del boom dell’AI si è concentrata soprattutto sull’addestramento di modelli di grandi dimensioni. La fase successiva dipende dalla loro distribuzione su larga scala e dalla generazione continua di risposte, previsioni e azioni.

Un dirigente di TSMC ha descritto questa transizione come la “vera industrializzazione” dell’AI. Secondo quanto riportato sulla visione del mercato espressa dall’azienda, il volume globale dei token di inferenza è aumentato di quasi 500 volte rispetto al 2022. 2 Altre analisi indicano inoltre l’inferenza come una fonte di domanda sempre più importante per l’infrastruttura di calcolo. 510

Per inferenza si intende l’utilizzo di un modello già addestrato per rispondere a una richiesta o svolgere un compito. Rispetto all’addestramento, che può concentrarsi su un numero limitato di grandi processi, l’inferenza richiede carichi di lavoro persistenti e distribuiti nei data center.

Ne derivano nuove pressioni su calcolo, memoria, rete, interconnessioni, alimentazione e raffreddamento: non basta aumentare la densità dei transistor nel processore. 5

Per TSMC la conseguenza è strategica: una fonderia capace di aiutare i clienti ad assemblare un sistema ad alte prestazioni può avere più valore di un’azienda che si limita a consegnare wafer conformi a una specifica prefissata.

Il packaging avanzato conta quanto il nodo produttivo

Gli acceleratori AI vengono sempre più spesso costruiti con più die, anziché con un unico chip monolitico. La risposta di TSMC comprende la piattaforma 3DFabric e tecnologie di packaging avanzato pensate per integrare logica, memoria e altri componenti in package più grandi e potenti.

La roadmap tecnologica della società punta a package capaci di contenere oltre un trilione di transistor entro il 2030. 14 A questa scala, l’integrazione eterogenea diventa essenziale: die diversi possono essere ottimizzati per funzioni differenti e poi combinati nello stesso package.

Questo spiega anche perché la capacità di packaging sia diventata un possibile collo di bottiglia accanto a quella delle fabbriche di wafer. Il packaging avanzato determina se componenti prodotti separatamente possono essere collegati con larghezza di banda sufficiente, latenza contenuta, efficienza energetica e rendimenti produttivi accettabili.

Un wafer realizzato con il nodo più avanzato non si trasforma in capacità AI utilizzabile finché non viene integrato in un sistema funzionante.

Le interconnessioni ottiche affrontano il problema del trasferimento dati

Con l’aumento delle dimensioni dei sistemi AI, trasferire dati tra calcolo, memoria e rete diventa una sfida progettuale sempre più rilevante. Per questo TSMC sta lavorando anche sulla fotonica al silicio, oltre a far avanzare la logica convenzionale e il packaging.

La tecnologia Compact Universal Photonic Engine, o COUPE, utilizza lo stacking SoIC-X per collocare un die elettrico sopra un die fotonico. Secondo TSMC, l’architettura è pensata per sostenere la crescita della trasmissione dati alimentata dall’AI, riducendo l’impedenza nell’interfaccia tra i die e migliorando l’efficienza energetica rispetto agli approcci convenzionali. 12

La direzione generale è chiara: il package sta diventando un sistema di connessioni elettriche e ottiche, non più un semplice contenitore per un processore. Questo assegna a TSMC un ruolo nel coordinamento di silicio, packaging e I/O ottico mentre i clienti progettano infrastrutture AI sempre più integrate.

Da fonderia a partner per il sistema

Il tradizionale punto di forza di TSMC è la capacità di produrre chip avanzati su larga scala per clienti che ne progettano l’architettura. La domanda AI sta spingendo il rapporto verso la co-progettazione di sistemi integrati.

La strategia tecnologica dell’azienda collega ora i processi produttivi più avanzati al packaging evoluto, all’integrazione della memoria ad alta larghezza di banda e alla fotonica. Questo non significa che TSMC gestisca ogni componente di un data center AI. Significa però che le sue decisioni produttive influenzano sempre di più il modo in cui l’intero sistema viene progettato e consegnato.

Il risultato è una fonderia più profondamente integrata nelle strategie dei clienti. Questi ultimi non dipendono soltanto dall’accesso a un determinato nodo produttivo, ma anche dalla disponibilità di capacità di packaging, dalle competenze di integrazione e da una filiera in grado di consegnare componenti AI completi.

Questo può rafforzare la posizione di TSMC, ma la espone anche a più rischi operativi lungo la catena: apparecchiature, substrati, memoria, alimentazione, raffreddamento e costruzione dei data center.

La lezione per la filiera: la capacità è ormai una catena di livelli

Il collo di bottiglia dei semiconduttori per l’AI non può più essere descritto come la carenza di una singola macchina o di un solo nodo produttivo. È piuttosto una serie di capacità interdipendenti:

• produzione di wafer con processi all’avanguardia;
• apparecchiature per litografia, deposizione, incisione e metrologia;
• packaging e assemblaggio avanzati;
• memoria ad alta larghezza di banda e substrati;
• interconnessioni elettriche e ottiche;
• alimentazione, raffreddamento e infrastrutture dei data center.

L’aumento del fabbisogno di strumenti e la crescita degli investimenti di TSMC dimostrano che la capacità dei wafer resta essenziale. La roadmap sul packaging e sulla fotonica mostra però perché l’output dei wafer, da solo, non sia sufficiente. 1214

La previsione di TSMC secondo cui il mercato globale dei semiconduttori potrebbe superare 1.500 miliardi di dollari entro il 2030, sostenuto in larga parte dall’AI e dal calcolo ad alte prestazioni, dà la misura dell’opportunità che l’azienda si sta preparando a cogliere. 110

La conclusione centrale è che l’AI sta spingendo TSMC oltre il ruolo di produttore di wafer avanzati. L’azienda sta diventando un coordinatore della filiera fisica del calcolo: dagli strumenti di fabbrica all’integrazione dei die, fino alle connessioni necessarie per rendere i sistemi realmente operativi.

Nella prossima fase, i vincitori non saranno determinati soltanto da chi produce il transistor più piccolo. Conterà anche chi riesce a trasformarlo in capacità AI affidabile, connessa e pronta per essere distribuita.