Come sono progettati e prodotti i chip IA come le GPU di Nvidia

Le azioni Nvidia sono scese di più del 3% mercoledì di ottobre 2026 e hanno continuato a scendere durante la negoziazione pre-apertura il giorno successivo, poiché una lettura dell'inflazione statunitense superiore alle aspettative ha aumentato i rendimenti delle obbligazioni e ha innescato un'ampia svendita nei titoli dei chip, secondo Yahoo Finance. Lo stesso rapporto ha affermato che il provider cloud CoreWeave è sceso di più del 16% a causa di preoccupazioni sulla sua indebitazione, che Marvell Technology e SK Hynix sono anche scesi a causa di preoccupazioni separate riguardanti la concorrenza cinese, e che gli investitori erano in attesa dei risultati trimestrali di TSMC, che dovrebbero mostrare un aumento dei profitti del 60%.

La svendita era legata a preoccupazioni riguardanti i tassi di interesse e il debito piuttosto che a qualsiasi cambiamento nel modo in cui i chip IA vengono prodotti o venduti. Ma ha attirato una nuova attenzione sull'industria dietro i chip stessi — un processo diviso tra due attività molto diverse: progettare un chip e produrlo.

Progettazione: disegno del circuito prima di qualsiasi costruzione

Aziende come Nvidia non gestiscono le proprie fabbriche di chip. Secondo il modello "fabless", Nvidia progetta l'architettura dei chip e il software — come la sua piattaforma CUDA — e si affida a fonderie esterne per la produzione, secondo l'Istituto per la politica e la strategia dell'IA (IAPS). The Motley Fool descrive le GPU di Nvidia come l'hardware che esegue il lavoro di formazione e inferenza dietro i modelli IA.

IAPS spiega che la progettazione dei chip inizia con requisiti di alto livello, che gli architetti trasformano in logica circuitale dettagliata utilizzando software di automazione della progettazione elettronica (EDA). I progettisti costruiscono componenti da zero o concedono in licenza "nuclei IP" già pronti, quindi simulano e verificano formalmente il progetto prima di tradurlo in file di produzione abbinati al processo specifico di una fonderia. IAPS afferma che "la progettazione dei chip è un processo difficile e laborioso", notando che progettisti come Nvidia e AMD impiegano decine di migliaia di persone e che progettare un chip IA all'avanguardia può richiedere un anno o più.

Produzione: centinaia di passaggi su una wafer di silicio

Una volta completato il progetto, passa a una fonderia — molto spesso TSMC di Taiwan per i chip IA più avanzati. La produzione inizia con wafer di silicio purificati da 300 mm e una serie di fotomaschere che codificano il modello del circuito, secondo IAPS. La costruzione del chip stesso coinvolge centinaia di passaggi ripetuti: deposito di strati di materiale, modellatura con fotoresist sensibile alla luce esposto attraverso le maschere (fotolitografia), drogaggio di sezioni con impianto ionico per impostare le loro proprietà elettriche, lucidatura della superficie piatta e aggiunta di strati di metallo per collegare i componenti.

Il passaggio della litografia dipende da macchine a ultravioletto estremamente (EUV) realizzate esclusivamente dall'azienda olandese ASML. Riportando i risultati del terzo trimestre 2026 il 14 ottobre, ASML ha dichiarato che le vendite hanno raggiunto €11,7 miliardi, in aumento del 55% anno su anno, con l'utile netto più che raddoppiato a €5 miliardi, secondo Euronews. Nonostante i record di vendite e una prospettiva 2026 aumentata, ASML ha affermato che gli aumenti di capacità pianificati del 30% all'anno per il 2027 e il 2028 non saranno ancora sufficienti per soddisfare gli ordini dei clienti. L'amministratore delegato di ASML Christophe Fouquet ha dichiarato che i clienti stanno ora prenotando le macchine anni in anticipo.

Il confezionamento è diventato il nuovo collo di bottiglia

Dopo che una wafer viene fabbricata, viene tagliata in stampi individuali, testata e assemblata in un pacchetto finito — una fase che IAPS chiama Assembly, Test and Packaging (ATP). Per i chip IA, questo passaggio ora conta tanto quanto la fabbricazione stessa. TSMC utilizza una tecnica chiamata Chip-on-Wafer-on-Substrate (CoWoS) per impilare un die processore insieme a diversi stack di memoria ad ampia larghezza di banda su un interpositor, che IAPS dice TSMC applica ai chip H100 di Nvidia. L'annuncio della propria roadmap di TSMC di ottobre 2026, che copre un nodo di produzione di prossima generazione A13 e confezionamento CoWoS espanso, ha affermato che un futuro formato CoWoS di "14-reticle size" integrerà approssimativamente dieci grandi die computazionali con circa 20 stack di memoria HBM entro il 2028.

L'annuncio della propria roadmap di TSMC descrive il confezionamento avanzato CoWoS come in espansione per soddisfare la domanda guidata dall'IA, spostandosi verso il formato 14-reticle entro il 2028 e un ulteriore espansione nel 2029. Questa traiettoria punta a un cambiamento più ampio in tutta la catena di approvvigionamento dei chip IA — dalla fabbricazione del silicio al confezionamento come vincolo crescente — anche se ASML, un produttore di strumenti di litografia piuttosto che attrezzature di confezionamento, continua a segnalare una domanda record per le sue macchine.

L'IA è utilizzata anche per costruire i chip

Nvidia e TSMC hanno iniziato ad applicare strumenti IA all'interno del processo di produzione stesso. Secondo l'annuncio di Nvidia, TSMC utilizza il software cuLitho di Nvidia per accelerare la litografia computazionale — i calcoli necessari per progettare le fotomaschere — fornendo quello che Nvidia descrive come un miglioramento del 20-50% in rentabilità o tempo di ciclo rispetto ai metodi basati su CPU. Le aziende hanno anche descritto l'utilizzo della libreria cuEST di Nvidia per simulazioni chimiche, strumenti di visione-IA per il rilevamento dei difetti sulla linea di produzione e un progetto di fabbrica virtuale in fase iniziale chiamato "FabTwin", costruito sulla piattaforma Omniverse di Nvidia, per testare i layout dei fab prima di essere costruiti.

Design alternativi al GPU standard

Non tutte le aziende seguono l'architettura di Nvidia. The Motley Fool riporta che Cerebras Systems costruisce un singolo chip gigantesco — il suo Wafer-Scale Engine — che descrive come 58 volte più grande della GPU B200 di Nvidia, combinando grandi quantità di calcolo e memoria su un pezzo di silicio piuttosto che collegare molti chip più piccoli insieme. Cerebras afferma che questo design produce velocità di inferenza fino a 15 volte più veloci rispetto ai sistemi basati su GPU per alcuni carichi di lavoro, un approccio che il Fool inquadra come una sfida di progettazione diretta alla posizione dominante di Nvidia nell'hardware IA.