Mercato dei chip per il calcolo in memoria (CIM) Dimensioni e quota 2026-2035

Dimensione del mercato dei chip compute-in-memory (CIM)

Il mercato globale dei chip compute-in-memory (CIM) è valutato a 500 milioni di dollari USA nel 2025 e si prevede che raggiunga 687,7 milioni di dollari USA nel 2026 e 12,8 miliardi di dollari USA entro il 2035, con un tasso di crescita annuo composto (CAGR) di circa il 38,4% nel periodo 2026–2035.

La tecnologia CIM colloca le operazioni di moltiplicazione e accumulo in prossimità o all'interno degli array di memoria che contengono i pesi delle reti neurali. L'architettura mira a ridurre il carico associato allo spostamento dei dati, che limita la velocità di elaborazione dell'inferenza e l'efficienza energetica nelle architetture convenzionali processore-memoria.

La tecnologia CIM sta passando da una proposta di progettazione dei circuiti a una sfida di qualificazione del prodotto. L'architettura di ricerca NorthPole di IBM ha integrato 192 MB di SRAM in un progetto 256-core, dimostrando come la memoria distribuita on-chip possa ridurre la dipendenza dallo spostamento off-chip dei pesi per l'inferenza neurale . L'opportunità commerciale è più forte nei contesti in cui i carichi di lavoro di inferenza sono sufficientemente sostenuti da rendere determinanti, ai fini dell'approvvigionamento dei sistemi, il minor consumo energetico per operazione e la minore latenza, inclusi i cluster cloud per l'inferenza, i sistemi edge per applicazioni automobilistiche e industriali e i dispositivi embedded soggetti a vincoli di autonomia. ^{[1]IBM Research, Analog AI: In-Memory Computing for Energy-Efficient Deep Learning, research.ibm.com. (research.ibm.com)}

La catena di fornitura combina progettazione avanzata della memoria, accesso a nodi logici, competenze nella progettazione mixed-signal o digitale, supporto dei compilatori, packaging e integrazione dei sistemi. Ciò rende l'adozione della tecnologia CIM più complessa rispetto alla sostituzione di una scheda acceleratrice con un'altra. I produttori di memoria possono adattare roadmap consolidate per DRAM, SRAM o Flash trasformandole in prodotti di elaborazione in memoria, mentre i fornitori fabless devono assicurarsi capacità produttiva presso le fonderie e dimostrare che il proprio stack software supporti l'implementazione, la conversione dei modelli, il monitoraggio e la gestione del ciclo di vita. La capacità di integrare gli array CIM con interfacce standard e architetture consolidate per server o dispositivi edge influenzerà quindi la trasformazione delle opportunità di progettazione in ordini acquisiti più dell'efficienza di calcolo teorica considerata isolatamente.

Il caso di investimento non si basa sulla sostituzione universale delle GPU o delle CPU. La tecnologia CIM è più interessante quando i modelli spostano ripetutamente grandi insiemi di pesi, quando la disponibilità di energia limita la capacità di elaborazione o quando i vincoli di latenza e consumo energetico escludono gli acceleratori convenzionali. Il vantaggio in termini di efficienza dimostrato da IBM per NorthPole su un nodo di processo comparabile sostiene la premessa tecnica, ma la trasformazione del mercato su ampia scala dipende ancora dalla portabilità del software, dalla convalida dell'affidabilità e dall'economia dell'integrazione . L'espansione prevista a 12,81 miliardi di dollari USA entro il 2035 presuppone pertanto che i fornitori trasformino l'efficienza basata sulla memoria in prodotti qualificati, anziché affidarsi esclusivamente alle prestazioni dei benchmark. ^{[2]Wiley, All-in-One Analog AI Hardware: On-Chip Training and Inference with Conductive-Metal-Oxide/HfOx ReRAM Devices, doi.org. (doi.org)}

Principali fattori di crescita

L'inferenza dell'IA è sempre più limitata dal movimento dei dati anziché dalla capacità di calcolo aritmetico. Durante l'inferenza autoregressiva dei modelli linguistici di grandi dimensioni, i pesi del modello devono essere consultati ripetutamente per ogni token generato. Ciò rende l'accesso alla memoria un fattore determinante per la latenza, il tasso di utilizzo dell'acceleratore e il consumo energetico. ^{[3]Bowen, Patrick, et al., Analog, In-Memory Compute Architectures for Artificial Intelligence, arXiv, arxiv.org. (arxiv.org)} Un progetto di ricerca su una TPU integrata con CIM ha registrato un miglioramento del 44,2% delle prestazioni nell'inferenza dei modelli generativi e una riduzione di 27,3 volte del consumo energetico dell'unità di moltiplicazione di matrici rispetto alla configurazione TPUv4i di riferimento citata. Tali risultati sono rilevanti dal punto di vista commerciale perché gli operatori cloud acquistano capacità di elaborazione effettivamente utilizzabile e costi per inferenza, non un numero massimo teorico di operazioni al secondo.

La disponibilità di energia elettrica è diventata un vincolo infrastrutturale per l'implementazione dell'IA. Secondo il Lawrence Berkeley National Laboratory, nel 2023 i data center statunitensi hanno consumato 176 TWh, equivalenti al 4,4% del consumo nazionale di elettricità. ^{[4]Lawrence Berkeley National Laboratory, In-Memory Computing and Energy-Efficient AI Hardware Research, eta-publications.lbl.gov.} Con l'aumento dell'implementazione dei server per l'IA, l'erogazione di energia, il raffreddamento e la connessione alla rete possono ritardare l'aggiunta di capacità anche quando sono disponibili capitali. Il CIM può migliorare la convenienza economica dell'espansione dell'inferenza riducendo i trasferimenti tra memoria e unità di calcolo, sebbene il beneficio effettivo dipenda dalle caratteristiche del carico di lavoro, dagli obiettivi di precisione e dall'overhead del sistema circostante.

Le implementazioni edge ampliano il mercato indirizzabile oltre le infrastrutture hyperscale. I sistemi di percezione automobilistica, l'ispezione industriale, le telecamere, i dispositivi indossabili e i sensori connessi richiedono inferenza locale, poiché i round trip verso il cloud comportano svantaggi in termini di latenza, larghezza di banda, privacy o resilienza. Il CIM basato su memoria flash e SRAM è particolarmente rilevante perché può conservare localmente i pesi del modello, riducendo al contempo le transazioni di memoria off-chip. Rain AI ha iniziato a distribuire hardware dimostrativo per l'elaborazione neuromorfica analogica a basso consumo nell'ottobre 2024, segnalando il passaggio degli approcci CIM edge specializzati alla fase di valutazione da parte dei clienti.

Le architetture convenzionali affrontano un problema di memory wall che non può essere risolto esclusivamente aumentando la densità di calcolo. La memoria ad alta larghezza di banda migliora l'alimentazione dei dati alle GPU, ma non elimina il costo energetico e di latenza derivante dallo spostamento dei dati tra domini separati di archiviazione ed elaborazione. Il CIM modifica questa relazione fisica eseguendo determinate operazioni nel punto in cui risiedono i dati. L'approccio è particolarmente rilevante per le operazioni matrice-vettore e matrice-matrice utilizzate nell'inferenza neurale, sebbene non sia ugualmente adatto a tutti gli operatori dei modelli o ai requisiti di precisione.

I progressi nella tecnologia della memoria stanno ampliando l'insieme dei substrati CIM commercialmente sostenibili. Samsung ha segnalato miglioramenti in termini di throughput ed efficienza energetica derivanti da HBM-PIM, LPDDR5-PIM e dalle configurazioni di elaborazione vicino alla memoria basate su CXL per i carichi di lavoro relativi agli LLM. SK hynix ha inoltre dimostrato il proprio approccio AiM per i carichi di lavoro di intelligenza artificiale. Questi programmi sono importanti perché le interfacce di memoria standardizzate e i processi produttivi collaudati possono ridurre il rischio di adozione associato alle architetture di acceleratori completamente nuove. Parallelamente, la ricerca sul CIM memristivo continua a dimostrare il potenziale dell'inferenza edge a bassissimo consumo energetico, evidenziando al contempo le attività di calibrazione e affidabilità necessarie prima di una diffusione su larga scala.

Principali fattori limitanti

La progettazione delle architetture CIM rimane un problema ingegneristico a livello di sistema. Le implementazioni digitali devono bilanciare densità e precisione della SRAM, instradamento e distribuzione dell'alimentazione. Le implementazioni analogiche aggiungono la variabilità dei dispositivi, la deriva termica, la conversione analogico-digitale, la calibrazione e la gestione degli errori consapevole del modello. Le analisi sul CIM basato su SRAM sottolineano che l'architettura dell'array e i circuiti periferici influenzano in modo sostanziale accuratezza, densità e prestazioni energetiche, impedendo il trasferimento invariato di un singolo design di macro tra diversi nodi di processo o applicazioni. Il conseguente carico di verifica aumenta i requisiti patrimoniali e allunga il tempo necessario per passare dal silicio prototipale alla qualificazione da parte del cliente.

L'assenza di interfacce e target software ampiamente adottati aggiunge un secondo elemento di frizione. I produttori di memoria stanno compiendo progressi nella standardizzazione dell'elaborazione in memoria, ma il mercato CIM comprende approcci basati su SRAM, DRAM, Flash, memorie resistive, tecnologie analogiche, digitali e ibride, con requisiti diversi di programmazione e implementazione. I clienti devono quindi affrontare un rischio di portabilità: un modello ottimizzato per un'architettura può richiedere una ricompilazione sostanziale, la quantizzazione o la riprogettazione degli operatori per un'altra. Ciò favorisce i fornitori che abbinano l'hardware a strumenti di compilazione aggiornati, librerie di modelli e servizi di supporto all'integrazione.

I vincoli relativi ad accuratezza e durata delle soluzioni analogiche ne limitano gli utilizzi nel breve periodo. I design CIM basati su Flash e memorie resistive possono raggiungere caratteristiche interessanti in termini di densità ed efficienza energetica, ma la variabilità fisica dei dispositivi, gli effetti di ritenzione e l'errore analogico cumulato complicano l'inferenza ad alta precisione. Uno studio sul CIM integrato basato su NAND Flash identifica la variazione della tensione di soglia e le non idealità a livello di array come fattori da affrontare per preservare l'accuratezza del modello. Per le applicazioni automotive, sanitarie e industriali, i requisiti di qualificazione possono orientare la decisione di prodotto verso architetture digitali o ibride, anche quando le soluzioni analogiche offrono un valore nominale inferiore di energia per operazione.

Anche i requisiti normativi influenzano le scelte di commercializzazione. Le garanzie previste dal CHIPS Act degli Stati Uniti impongono vincoli su determinate transazioni che coinvolgono beneficiari di incentivi federali, mentre i controlli sulle esportazioni possono ridurre i mercati finali accessibili per l'hardware di intelligenza artificiale ad alte prestazioni. In Europa, gli obblighi basati sul rischio previsti dall'EU AI Act accrescono l'importanza della tracciabilità e della valutazione della conformità per le applicazioni ad alto rischio. Tali misure non regolamentano il CIM come architettura distinta, ma influenzano i mercati in cui i fornitori possono vendere, le modalità di convalida dei sistemi e le caratteristiche di affidabilità che gli acquirenti considerano prioritarie.

La principale contrapposizione competitiva nell'immediato sarà tra i fornitori in grado di commercializzare una piattaforma affidabile e quelli che possono soltanto dimostrare un macroblocco ad alta efficienza. Le attività di JEDEC relative all'elaborazione in memoria, lo sviluppo di prodotti da parte dei produttori di memorie e l'impiego di interfacce host standard possono ridurre nel tempo il rischio per gli acquirenti , . Finché l'interoperabilità e la maturità del software non miglioreranno, gli approvvigionamenti privilegeranno le implementazioni in grado di dimostrare prestazioni deterministiche, supporto all'integrazione e una gestione credibile del ciclo di vita. Il CIM analogico mantiene una solida posizione di lungo periodo nei carichi di lavoro edge soggetti a vincoli, ma la sua adozione sarà subordinata a un processo di validazione, anziché essere determinata esclusivamente dall'efficienza energetica.

Analisi per segmento del mercato dei chip Compute-In-Memory (CIM)

Per tipologia di tecnologia di memoria

Il CIM basato su SRAM rappresenta il principale segmento per tecnologia di memoria, con un valore di 203,22 milioni di dollari USA nel 2025 e una previsione di raggiungere 5,41 miliardi di dollari USA entro il 2035, con un CAGR di circa il 38,95%. La sua posizione di leadership riflette la familiarità con i processi produttivi: i macroblocco SRAM possono essere integrati con la logica mediante processi CMOS consolidati, consentendo ai progettisti di perseguire un'inferenza ad ampia larghezza di banda e bassa latenza senza dipendere dal comportamento delle memorie non volatili emergenti. L'architettura NorthPole di IBM dimostra il valore strategico di questo approccio combinando SRAM distribuita con un array di calcolo denso per ridurre la dipendenza dalla memoria esterna .

Lo svantaggio della SRAM è rappresentato dal costo in termini di area. Le celle a sei transistor occupano una superficie del die per bit memorizzato sostanzialmente maggiore rispetto a DRAM o Flash; pertanto, il CIM-SRAM è economicamente più interessante nei contesti in cui la bassa latenza e le prestazioni prevedibili giustificano un costo più elevato dei materiali del silicio. Ciò allinea il segmento con l'inferenza cloud premium, il networking, la visione industriale e i sistemi edge a prestazioni più elevate. La leadership di mercato del segmento non implica che la SRAM sia il substrato CIM universale; indica che, nella fase iniziale di commercializzazione del mercato, la produzione consolidata e il comportamento deterministico mantengono un valore particolarmente elevato.

Si prevede che il CIM basato su Flash sarà la tipologia di tecnologia di memoria a più rapida crescita, passando da 166,13 milioni di dollari USA nel 2025 a 4,67 miliardi di dollari USA nel 2035, con un CAGR di circa il 39,71%. La sua memoria non volatile consente ai pesi neurali di rimanere sul chip quando l'alimentazione viene interrotta, una caratteristica utile nei dispositivi embedded che richiedono un'inferenza locale immediata. La ricerca dell'IEEE sull'elaborazione all'interno o in prossimità della memoria Flash individua ruoli distinti per gli approcci 3D NOR e 3D NAND nel calcolo digitale ad ampia larghezza di banda, nelle attività di ricerca e nelle operazioni analogiche di moltiplicazione e accumulo .

Il valore commerciale del CIM-Flash è più elevato nei contesti in cui i progettisti devono gestire congiuntamente consumo energetico, capacità di memoria e comportamento in standby. Tra questi rientrano i nodi sensore, le fotocamere, i dispositivi indossabili e alcune funzioni automobilistiche. Tuttavia, i fornitori di CIM-Flash devono dimostrare che la resistenza, il controllo della tensione di soglia, la precisione dell'inferenza e il supporto degli strumenti soddisfano i requisiti specifici del prodotto. La previsione di una crescita rapida riflette quindi l'espansione della domanda edge e un profilo favorevole del costo per bit, non l'eliminazione dei compromessi ingegneristici.

Il CIM basato su DRAM è valutato a 78,54 milioni di dollari USA nel 2025 e dovrebbe raggiungere 1,92 miliardi di dollari USA entro il 2035, con un tasso di crescita annuo composto (CAGR) di circa il 37,76%. Questo segmento è incentrato sugli approcci di elaborazione nella memoria e vicino alla memoria, che mantengono i vantaggi in termini di capacità della DRAM, aggiungendo al contempo capacità di calcolo in prossimità di archivi di dati ad ampia larghezza di banda. HBM-PIM di Samsung e il lavoro di LPDDR5-PIM, insieme allo sviluppo di AiM da parte di SK hynix, collocano il CIM basato su DRAM principalmente nelle applicazioni ad alto throughput dei data center e nelle applicazioni di IA incentrate sulla memoria. ^{[5]IBM Research, In-Memory Computing: Non-Von Neumann Architectures for AI, doi.org.}

Gli altri substrati, tra cui RRAM, PCM, MRAM e CIM basato su FeFET, rappresentano 52,11 milioni di dollari USA nel 2025 e dovrebbero raggiungere 794,39 milioni di dollari USA entro il 2035. Queste tecnologie offrono vantaggi in termini di non volatilità o potenziale di calcolo analogico, ma restano soggette a vincoli legati alla resa produttiva, alla durata, alla ritenzione dei dati e all'integrazione. Il loro CAGR più contenuto, pari a circa il 31,21%, riflette un percorso di commercializzazione che probabilmente rimarrà selettivo finché non miglioreranno la coerenza produttiva e le evidenze di qualificazione.

Per tipologia di architettura

Il CIM digitale è il principale segmento architetturale, con un contributo di 217,53 milioni di dollari USA nel 2025 e una previsione di raggiungere 5,74 miliardi di dollari USA entro il 2035, con un CAGR di circa il 38,81%. Le implementazioni digitali mantengono un'elaborazione discreta e sono generalmente più adatte alle applicazioni che richiedono output deterministici, formati familiari per i modelli quantizzati e percorsi di verifica più chiari. Ciò le rende commercialmente rilevanti per l'inferenza nel cloud e per le applicazioni edge regolamentate, nelle quali un comportamento prevedibile può prevalere sul massimo beneficio teorico in termini di efficienza.

La piattaforma Corsair di d-Matrix illustra la proposta del CIM digitale per l'inferenza dell'IA generativa: la sua architettura integra elementi di elaborazione negli array di memoria per ridurre il trasferimento dei dati, mentre il suo posizionamento commerciale si concentra sull'implementazione nei data center anziché su una metrica relativa a un circuito autonomo. I progetti digitali richiedono comunque compilatori specializzati e modelli di esecuzione consapevoli della memoria, ma possono ridurre l'onere di qualificazione associato alle variazioni analogiche.

Il CIM analogico è la tipologia architetturale in più rapida crescita: passerà da 155,72 milioni di dollari USA nel 2025 a 4,38 miliardi di dollari USA nel 2035, con un CAGR di circa il 39,70%. Esegue i calcoli utilizzando proprietà fisiche quali corrente, carica o conduttanza, offrendo potenzialmente una migliore efficienza in termini di area e consumo energetico per l'inferenza a precisione media. Le ricerche sugli acceleratori SRAM-CIM analogici dimostrano il potenziale dell'architettura per un'elevata efficienza energetica, evidenziando al contempo la necessità di calibrazione e di gestione dell'accuratezza a livello di sistema.

Il premio di crescita riflette l'importanza dell'energia per inferenza nei dispositivi client e nei sistemi embedded. Il round di finanziamento di EnCharge AI del febbraio 2025 sostiene la prosecuzione della commercializzazione del calcolo analogico in memoria per le piattaforme client. Le prospettive del segmento dipendono dalla capacità dei fornitori di trasformare le prestazioni ottenute in laboratorio in un comportamento ripetibile del silicio, flussi di lavoro software solidi e livelli di accuratezza accettabili per i clienti.

Il CIM ibrido rappresenta il punto di equilibrio pratico, generando 126,74 milioni di dollari USA nel 2025 e raggiungendo, secondo le previsioni, 2,69 miliardi di dollari USA entro il 2035, con un CAGR di circa il 35,79%. Combinando blocchi di calcolo analogici con circuiti digitali di correzione o controllo, i progetti ibridi possono conservare alcuni vantaggi in termini di efficienza, affrontando al contempo le problematiche relative a precisione e affidabilità. La loro crescita prevista, più lenta rispetto ai sistemi esclusivamente analogici, riflette una maggiore complessità architetturale; tuttavia, questo approccio può risultare interessante nei casi in cui un progetto completamente analogico non riesca a soddisfare le soglie di convalida specifiche dell'applicazione.

Per applicazione

Data center e cloud AI costituiscono il principale segmento applicativo, con un valore di 162,25 milioni di dollari USA nel 2025; si prevede che raggiungano 4,30 miliardi di dollari USA entro il 2035, con un tasso di crescita annuo composto (CAGR) di circa il 38,88%. Il segmento comprende sistemi ad alto valore, nei quali il consumo energetico, la larghezza di banda della memoria e la latenza di inferenza hanno implicazioni dirette sui costi operativi. Il CS-3 di Cerebras, basato sul motore WSE-3 su scala wafer, è un esempio di sistema progettato per concentrare la potenza di calcolo e la memoria on-chip per i carichi di lavoro di intelligenza artificiale. La dimensione e il livello di utilizzo delle implementazioni cloud consentono ai guadagni di efficienza di accumularsi su grandi flotte di sistemi di elaborazione.

L'offerta di inferenza basata su LPU di Groq rappresenta un diverso approccio commerciale: l'hardware di inferenza deterministico può essere monetizzato attraverso l'accesso alle API cloud, anziché esclusivamente tramite la vendita diretta dell'hardware. Questi modelli di business spostano la valutazione da parte degli acquirenti verso parametri quali token per dollaro, capacità disponibile, latenza e affidabilità del servizio. I fornitori di soluzioni CIM che si rivolgono a questo segmento necessitano di più della sola prestazione dei chip; devono disporre di integrazione software, assistenza clienti, competenze nell'implementazione nei data center e un percorso credibile verso la scalabilità.

L'AI edge è il segmento applicativo in più rapida crescita, in aumento da 121,49 milioni di dollari USA nel 2025 a 3,42 miliardi di dollari USA nel 2035, con un CAGR di circa il 39,71%. Le implementazioni edge favoriscono architetture che riducono il traffico di memoria, poiché il consumo energetico, la capacità della batteria, la progettazione termica e i tempi di risposta sono strettamente collegati. Le applicazioni di percezione per il settore automobilistico, visione industriale e smart camera possono creare opportunità particolarmente interessanti, ma solo quando la soluzione soddisfa i requisiti di sicurezza, affidabilità e lunga durata.

Le applicazioni IoT ed embedded rappresentano 88,54 milioni di dollari USA nel 2025 e si prevede che raggiungano 2,17 miliardi di dollari USA entro il 2035. L'inferenza locale a basso consumo e l'archiviazione non volatile dei pesi favoriscono le soluzioni CIM basate su memoria Flash e su memorie emergenti, ma le economie per unità sono più sensibili ai volumi rispetto ai data center. I fornitori devono dimostrare che il beneficio energetico supera i costi aggiuntivi e lo sforzo di integrazione rispetto a microcontrollori, NPU o architetture assistite dal cloud.

HPC e automazione industriale contribuiscono con 72,31 milioni di dollari USA nel 2025 e si prevede che raggiungano 1,69 miliardi di dollari USA entro il 2035. Gli acquirenti di questo segmento attribuiscono valore alla risposta deterministica, alla disponibilità operativa, all'integrazione con i sistemi di controllo esistenti e alla disponibilità a lungo termine. Altri ambiti, tra cui governo, difesa, smart city e prime implementazioni di imaging medicale, rappresentano 55,41 milioni di dollari USA nel 2025 e si prevede che raggiungano 1,21 miliardi di dollari USA entro il 2035. Queste applicazioni possono sostenere programmi iniziali di qualificazione, ma spesso richiedono cicli di approvvigionamento più lunghi e una validazione rigorosa.

Per settore dell'utente finale

IT e telecomunicazioni costituiscono il principale settore di utenza finale nel 2025 e comprendono operatori cloud, infrastrutture aziendali per l'AI e carichi di lavoro delle reti di telecomunicazione. Il settore è destinato ad adottare la CIM nei casi in cui gli operatori riescano a convalidare un minore consumo energetico e una maggiore larghezza di banda effettiva della memoria su scala produttiva.

Il settore automobilistico è strategicamente importante perché i sistemi ADAS e l'AI a bordo veicolo richiedono un'elaborazione locale in condizioni termiche ed energetiche prestabilite. Il segmento privilegerà architetture in grado di soddisfare i requisiti di sicurezza funzionale e affidabilità, rendendo la CIM digitale e ibrida particolarmente rilevante nelle prime fasi di implementazione. L'elettronica di consumo offre un potenziale in termini di volumi per i sistemi analogici a basso consumo e Flash-CIM, mentre l'adozione nel settore sanitario dipenderà dalla validazione dei dispositivi, dalla tracciabilità e dai requisiti relativi alla gestione dei dati dei pazienti. Gli utenti industriali danno priorità al comportamento deterministico e al supporto per l'intero ciclo di vita, fattori che possono rallentare l'adozione ma creare opportunità durature per i fornitori in grado di superare le barriere di qualificazione.

Il mix tecnologico segue lo stesso andamento a due velocità. Le tecnologie SRAM e CIM digitale sono in testa perché riducono i rischi di qualificazione e software per le implementazioni sensibili alle prestazioni. Le tecnologie Flash e CIM analogica crescono più rapidamente perché lo storage non volatile e il minore consumo energetico per inferenza si adattano meglio ai dispositivi alimentati in modo intermittente e soggetti a vincoli termici. I fornitori che presentano queste architetture come alternative sostitutive non coglieranno la realtà commerciale: l'opportunità più duratura consiste nell'abbinare le scelte relative al substrato e all'architettura ai vincoli di accuratezza, potenza, durata e integrazione di ciascuna classe di implementazione.

Analisi regionale del mercato dei chip Compute-In-Memory (CIM)

Nord America

Il Nord America è valutato a 157,08 milioni di dollari USA nel 2025 e dovrebbe raggiungere 3,84 miliardi di dollari USA entro il 2035, con un CAGR di circa il 37,76%. Gli Stati Uniti trainano la domanda regionale grazie alle infrastrutture di IA hyperscale, all'intensa attività di progettazione di chip avanzati e alla concentrazione di aziende orientate al CIM, tra cui Cerebras, Groq, d-Matrix, EnCharge AI, Mythic, Lightmatter, IBM e Micron. Il Canada contribuisce attraverso le attività di ingegneria e di sviluppo di hardware per l'IA, comprese le operazioni di Untether AI e d-Matrix con sede a Toronto.

La politica statunitense rafforza l'ecosistema regionale di progettazione e produzione. Il CHIPS and Science Act ha autorizzato importanti incentivi per i semiconduttori e le relative misure di salvaguardia, influenzando sia le decisioni sulle catene di fornitura nazionali sia le partnership commerciali. I fornitori nordamericani beneficiano della presenza di acquirenti sofisticati del cloud e del settore enterprise, ma i controlli sulle esportazioni e la concentrazione della clientela possono limitare la scala globale. Il successo nella regione dipenderà dalla capacità di trasformare la differenziazione tecnica in implementazioni produttive, supportate da software adeguato e da un'affidabilità operativa sufficiente. ^{[6]The Conference Board, Artificial Intelligence Computing Infrastructure and Energy Demand, conference-board.org.}

Europa

L'Europa ha rappresentato 87,78 milioni di dollari USA nel 2025 e dovrebbe raggiungere 1,92 miliardi di dollari USA entro il 2035, con un CAGR di circa il 36,24%. Germania, Regno Unito, Francia, Spagna, Italia, Russia e il resto d'Europa contribuiscono attraverso la domanda dei settori automobilistico e industriale, nonché quella proveniente dalla ricerca e dalle applicazioni di IA aziendale. L'European Chips Act è entrato in vigore nel settembre 2023 e ha istituito un quadro volto a rafforzare la capacità e la resilienza dei semiconduttori.

L'opportunità europea è maggiormente concentrata sulle implementazioni industriali qualificate e regolamentate che sui volumi di acceleratori hyperscale. Il quadro basato sul rischio dell'EU AI Act rende sempre più rilevanti la tracciabilità e la convalida dell'hardware utilizzato nei sistemi di IA ad alto rischio. Anche la Corte dei conti europea ha evidenziato il rischio di esecuzione nella strategia regionale sui semiconduttori, osservando che gli obiettivi dichiarati in materia di produzione devono affrontare sfide pratiche di attuazione. Di conseguenza, è probabile che l'adozione del CIM in Europa favorisca i fornitori in grado di combinare prestazioni tecniche, documentazione sulla conformità, qualificazione automobilistica e capacità di integrazione locale.

L'acquisizione di Graphcore da parte di SoftBank nel luglio 2024 illustra la difficoltà per i fornitori europei indipendenti di processori per l'IA di raggiungere una scala competitiva rispetto a ecosistemi GPU consolidati. L'approccio IPU di Graphcore, che integra strettamente un'ampia memoria integrata nel chip con l'elaborazione, rimane rilevante per la più ampia evoluzione verso un computing incentrato sulla memoria, ma l'operazione dimostra che la sola qualità dell'architettura non garantisce una scala commerciale.

Asia-Pacifico

L'Asia-Pacifico è sia il più grande sia il mercato regionale in più rapida crescita, passando da 201,90 milioni di dollari USA nel 2025 a 6,02 miliardi di dollari USA entro il 2035, con un CAGR di circa il 40,52%. La sua posizione si basa sulla concentrazione della produzione di memorie, sugli investimenti nei semiconduttori, sulla domanda interna di IA e sulla disponibilità di talenti nel design a livello regionale. Cina, India, Giappone, Corea del Sud, Australia e il resto dell'Asia-Pacifico contribuiscono con competenze diverse nei settori della produzione, della tecnologia delle memorie, dell'elettronica integrata, delle infrastrutture sovrane per l'IA e della domanda automobilistica.

La Corea del Sud offre le basi commerciali più solide della regione per il computing-in-memory (CIM) attraverso Samsung e SK hynix. I loro programmi di elaborazione in memoria collegano lo sviluppo del CIM agli ecosistemi consolidati di DRAM, HBM e memorie per dispositivi mobili. ^{[7]ServeTheHome, In-Memory Computing and Emerging AI Accelerator Technologies, servethehome.com.} La Cina aggiunge un'ampia base nazionale di ricerca e brevetti, insieme a investimenti nei semiconduttori sostenuti dallo Stato. L'attività brevettuale che coinvolge Hangzhou Zhicun Technology, nota anche come WitMem, dimostra il continuo sviluppo di configurazioni di elaborazione in memoria multi-chip.

Il Giappone sta rafforzando il sostegno ai semiconduttori avanzati e alla tecnologia dell'IA. Il Ministero giapponese dell'Economia, del commercio e dell'industria ha portato avanti misure legislative nel febbraio 2025 per sostenere gli investimenti nelle tecnologie dei semiconduttori e dell'IA. La missione IndiaAI e le iniziative politiche dell'India nel settore dei semiconduttori ampliano la potenziale base della domanda regionale di IA sovrana, dispositivi mobili, elettronica automobilistica e progettazione locale di chip. La crescita regionale sarà influenzata dall'esposizione ai controlli sulle esportazioni, dall'accesso ai nodi avanzati e alle HBM e dalla capacità dei fornitori locali di integrare l'hardware con ecosistemi software sostenibili.

America Latina

Il mercato dell'America Latina è valutato a 25,93 milioni di dollari USA nel 2025 e si prevede che raggiunga 461,26 milioni di dollari USA entro il 2035, con un CAGR di circa il 33,44%. Il Brasile guida la domanda regionale grazie alla sua economia digitale, all'espansione del cloud e alle iniziative tecnologiche del settore pubblico. La base manifatturiera elettronica del Messico e la vicinanza alle catene di fornitura automobilistiche nordamericane creano un'opportunità più circoscritta, ma rilevante, per l'adozione del CIM nell'edge computing e nei dispositivi integrati.

Il profilo di crescita della regione è determinato dalla sensibilità ai costi e da un'intensità delle infrastrutture di IA nel breve periodo inferiore rispetto al Nord America o all'Asia-Pacifico. È probabile che gli acquirenti diano priorità al costo totale di proprietà, al supporto locale e all'integrazione con sistemi ibridi cloud-edge. Ciò favorisce soluzioni con vantaggi chiari in termini di consumo energetico, latenza o costo dei dispositivi, anziché architetture premium che richiedono ingenti investimenti nell'ecosistema.

Medio Oriente e Africa

Il mercato del Medio Oriente e dell'Africa è valutato a 27,32 milioni di dollari USA nel 2025 e si prevede che raggiunga 563,76 milioni di dollari USA entro il 2035, con una crescita a un CAGR di circa il 35,15%. Arabia Saudita ed Emirati Arabi Uniti sono i principali centri regionali della domanda, sostenuti da programmi sovrani di IA e dallo sviluppo di data center. Il finanziamento ottenuto da Groq nel 2025 e gli impegni assunti per le infrastrutture regionali riflettono il ruolo degli acquirenti sovrani nello sviluppo della capacità di inferenza.

Arabia Saudita, Emirati Arabi Uniti, Sudafrica e il resto della MEA presentano condizioni di adozione differenti. I mercati del Golfo possono sostenere approvvigionamenti concentrati di capacità di calcolo ad alto valore, mentre è più probabile che la domanda africana complessiva emerga attraverso le telecomunicazioni, i servizi digitali pubblici e le applicazioni mobili di IA. La logistica, l'integrazione locale dei sistemi, l'esposizione valutaria e la disponibilità di partner qualificati per l'implementazione influenzeranno la velocità con cui l'hardware CIM specializzato passerà dai programmi pilota alle infrastrutture operative.

Il Nord America manterrà la propria influenza commerciale grazie alla combinazione di produttori specializzati di chip e approvvigionamento di sistemi di inferenza da parte degli operatori hyperscale. La traiettoria dell'Europa sarà probabilmente maggiormente guidata dai processi di qualificazione, in particolare nei settori automobilistico e industriale e nelle applicazioni regolamentate. L'America Latina e l'area MEA offrono nicchie di domanda selettive anziché un'adozione iniziale diffusa. Di conseguenza, i fornitori dovrebbero differenziare la strategia regionale tra i mercati in grado di validare sistemi ad alte prestazioni su larga scala e quelli in cui l'economia localizzata dell'edge computing, l'approvvigionamento sovrano o i requisiti di conformità determinano le prime opportunità commerciali concrete.

Quota di mercato e panorama competitivo dei chip per il calcolo in memoria (CIM)

Il mercato dei chip CIM è frammentato perché i fornitori affrontano la sfida del calcolo in memoria partendo da prospettive diverse: sistemi wafer-scale, prodotti di memoria, processori di inferenza cloud, acceleratori analogici per l'edge computing, interconnessioni fotoniche e architetture near-memory. Cerebras Systems detiene una quota di mercato stimata del 18,2% nel 2025, seguita da Samsung Electronics con circa il 12,2%, SK hynix con l'8,1%, Intel con il 7,9% e Groq con il 6,8%. Gli altri fornitori, tra cui Mythic, d-Matrix, EnCharge AI, Rain AI, Lightmatter, IBM, Micron, Untether AI e Graphcore, rappresentano circa il 46,8%.

Cerebras Systems è leader grazie a sistemi di intelligenza artificiale wafer-scale basati sulla propria architettura WSE. Il sistema CS-3 integra il WSE-3, che secondo Cerebras contiene 4.000 miliardi di transistor e 40 GB di SRAM integrata nel chip . Il suo vantaggio competitivo risiede nell'integrazione su scala di sistema e nel potenziale di inferenza a bassa latenza; i suoi fattori di esposizione sono l'elevata intensità di capitale necessaria per ampliare i sistemi, la concentrazione della clientela e la necessità di mantenere un ambiente software in grado di competere con le piattaforme GPU consolidate.

Samsung Electronics offre un'integrazione verticale che comprende memorie, servizi di fonderia e semiconduttori di sistema. Il suo HBM-PIM, LPDDR5-PIM e il lavoro sull'elaborazione vicino alla memoria forniscono un percorso consolidato per integrare funzioni di calcolo con tecnologie di memoria ad alto volume . Il principale vantaggio di Samsung è la capacità di allineare lo sviluppo dell'architettura con le roadmap di produzione e delle memorie. La sfida commerciale consiste nel trasformare le dimostrazioni tecniche e le attività di standardizzazione in prodotti interoperabili adottati dai produttori OEM di sistemi e dai clienti cloud.

SK hynix compete attraverso le capacità nei segmenti AiM, HBM e delle memorie mobili. I suoi programmi GDDR6-AiM e AiMX-xPU indicano una focalizzazione sul posizionamento del calcolo vicino alla memoria per i carichi di lavoro di intelligenza artificiale . In qualità di principale fornitore di HBM, SK hynix partecipa inoltre alla catena del valore convenzionale delle memorie per l'intelligenza artificiale che il CIM mira a trasformare. Questa duplice esposizione offre conoscenze di mercato e capacità produttiva su larga scala, ma richiede all'azienda di gestire il posizionamento dei prodotti sia nel segmento convenzionale delle memorie ad alta larghezza di banda sia in quello del calcolo in memoria.

Intel partecipa attraverso acceleratori di intelligenza artificiale, ecosistemi di memoria abilitati da CXL e percorsi di calcolo vicino alla memoria. Gaudi 3 combina memoria ad alta larghezza di banda con capacità di calcolo specializzata per l'intelligenza artificiale e riflette l'impegno di Intel a offrire alternative nell'infrastruttura di intelligenza artificiale generativa per le imprese . Il coinvolgimento di Intel in CXL può sostenere approcci più standardizzati al collegamento di memorie intelligenti o dispositivi near-memory, sebbene non risolva di per sé le differenze architetturali e software tra le diverse implementazioni CIM.

Groq ha posizionato la propria architettura LPU incentrandola sull'esecuzione deterministica dell'inferenza e sull'elevato throughput di token. Il round di finanziamento di agosto 2024 ha evidenziato l'interesse degli investitori per soluzioni hardware alternative per l'inferenza dell'IA. Il modello competitivo di Groq va oltre la vendita di chip attraverso l'accesso all'inferenza basato sul cloud, consentendo ai clienti di valutare le prestazioni mediante metriche di servizio quali tempo di risposta, throughput e disponibilità. Questo modello può accelerare l'accesso dei clienti, ma aumenta anche le esigenze operative legate alla realizzazione e alla manutenzione dell'infrastruttura per l'inferenza.

Gli sfidanti specializzati stanno perseguendo opportunità più mirate. d-Matrix si occupa dell'inferenza nei data center attraverso l'elaborazione digitale in memoria e ha raccolto 275 milioni di dollari USA nel novembre 2025 per sostenere l'espansione commerciale. EnCharge AI si rivolge all'elaborazione client e ai sistemi embedded con una tecnologia analogica di elaborazione in memoria. Mythic combina la memoria Flash embedded con l'elaborazione analogica e ha annunciato un round di finanziamento da 125 milioni di dollari USA nel dicembre 2025. Rain AI sta sviluppando approcci neuromorfici analogici a basso consumo per l'implementazione all'edge. Questi fornitori possono beneficiare di una corrispondenza mirata tra prodotto e mercato, ma devono superare le stesse barriere relative alla qualificazione, all'accesso alle fonderie e all'ecosistema software che proteggono gli operatori incumbent di maggiori dimensioni. ^{[8]Rain AI, Digital In-Memory Compute for AI Training and Inference, rain.ai. (rain.ai)}

I fornitori di soluzioni di interconnessione e packaging stanno acquisendo un'importanza crescente per l'implementazione scalabile del computing in memoria (CIM). Passage M1000 di Lightmatter, annunciato nel marzo 2025, offre una piattaforma di interconnessione fotonica con una larghezza di banda ottica fino a 114 Tbps. La tecnologia non costituisce di per sé un sistema di elaborazione CIM, ma può affrontare i vincoli di comunicazione a livello di cluster che emergono quando più acceleratori incentrati sulla memoria vengono implementati insieme. La partnership con Amkor Technology per lo sviluppo di un package fotonico 3D di grandi dimensioni illustra ulteriormente come il packaging avanzato stia diventando parte dello stack architetturale competitivo.

L'attività brevettuale aggiunge un ulteriore livello strategico alla concorrenza. WIPO ha registrato 3,7 milioni di domande di brevetto a livello globale nel 2024, con la tecnologia informatica che rappresentava il 13,2% dei depositi. Nel settore CIM, la proprietà intellettuale differenziata può riguardare strutture delle celle di memoria, calibrazione analogica, flusso dei dati, metodi di compilazione, packaging e integrazione dei sistemi. I fornitori titolari di brevetti difendibili e dotati di know-how manifatturiero comprovato saranno in una posizione migliore per assicurarsi ricavi da licenze, partnership con le fonderie e programmi pluriennali con i clienti.

Sviluppi recenti del settore

• Febbraio 2025 - EnCharge AI ha concluso un round di finanziamento di Serie B con una domanda superiore all'offerta, raccogliendo più di 100 milioni di dollari USA. Il finanziamento era destinato alla commercializzazione di soluzioni analogiche di elaborazione in memoria per applicazioni di elaborazione client.
• Marzo 2025 - Lightmatter ha introdotto l'interposer fotonico Passage M1000. La piattaforma offre una larghezza di banda ottica fino a 114 Tbps per sistemi di IA di grandi dimensioni, rispondendo ai requisiti di interconnessione che possono limitare la scalabilità con più acceleratori.
• Novembre 2025 - d-Matrix ha raccolto 275 milioni di dollari USA in un finanziamento di Serie C. La società ha dichiarato che i fondi avrebbero sostenuto la commercializzazione della propria piattaforma di elaborazione digitale in memoria per l'inferenza dell'IA.
• Dicembre 2025 - Mythic ha annunciato un round di finanziamento da 125 milioni di dollari USA. Il finanziamento sostiene il proseguimento dello sviluppo della sua architettura CIM analogica basata su Flash e del relativo ecosistema software.