Mercato dell’elaborazione in memoria (PIM) Dimensioni e quota 2026-2035

Dimensione del mercato dell'elaborazione in memoria (PIM)

Il mercato globale dell'elaborazione in memoria (PIM) è valutato a 611,5 milioni di dollari USA nel 2025 e si prevede che raggiunga 850 milioni di dollari USA nel 2026 e 8,5 miliardi di dollari USA entro il 2035, con un tasso di crescita annuo composto (CAGR) del 29,2% nel periodo 2026–2035.

Le previsioni riflettono un cambiamento nell'economia dell'infrastruttura per l'IA: lo spostamento dei pesi dei modelli e dei dati intermedi tra processori e memoria sta diventando importante quanto la velocità di calcolo aritmetico, in particolare nei sistemi di inferenza che gestiscono contesti lunghi e carichi di lavoro con batch di piccole dimensioni.

Il PIM colloca l'elaborazione all'interno o immediatamente accanto all'array di memoria. Ciò sposta la risorsa limitante dal traffico verso la memoria esterna al parallelismo locale all'interno dei banchi di memoria. Un'indagine del Department of Energy descrive lo spostamento dei dati come circa due ordini di grandezza più energivoro rispetto all'elaborazione e documenta miglioramenti delle prestazioni e dell'efficienza energetica derivanti dai progetti PIM in carichi di lavoro di attenzione, database, HPC e grafi. Di conseguenza, i fornitori commerciali di memoria hanno perseguito implementazioni che mantengono interfacce di memoria familiari aggiungendo al contempo capacità di elaborazione localizzata. SK hynix riferisce che la sua GDDR6-AiM opera a 16 Gbps, riduce fino all'80% i consumi energetici del trasferimento dei dati e può aumentare fino a 16 volte la velocità di elaborazione dei carichi di lavoro mirati. Samsung ha riferito che HBM-PIM ha offerto prestazioni più che doppie e un consumo energetico inferiore di oltre il 70% nei carichi di lavoro di IA e HPC valutati. ^{[1]U.S. Department of Energy, Office of Scientific and Technical Information, A Survey on the Expanding Scope and Interdisciplinary Opportunities for Processing-in-Memory Techniques, 2024, osti.gov}

Il contesto della domanda è sempre più condizionato dai vincoli energetici. Il consumo globale di elettricità dei data center è stato pari a 415 TWh nel 2024 e dovrebbe avvicinarsi a 945 TWh entro il 2030; l'IEA identifica i server accelerati come una delle principali fonti della domanda incrementale. Il PIM non è un sostituto universale delle GPU, ma può modificare la curva dei costi per i livelli di elaborazione vincolati dalla memoria, mantenendo l'attenzione, le operazioni vettoriali o i predicati dei database vicino ai dati memorizzati. ^{[2]International Energy Agency, Energy and AI, 2025, iea.org}

La tesi di crescita del mercato poggia quindi su una tensione. L'aumento della domanda di elettricità rende commercialmente prezioso un minore consumo energetico per inferenza utile, tuttavia le architetture più capaci di garantirlo devono dimostrare accuratezza prevedibile, programmazione gestibile ed economie accettabili in termini di densità di memoria. I fornitori che combinano l'innovazione nella memoria con ambienti di esecuzione utilizzabili e la validazione dei sistemi dovrebbero acquisire più valore rispetto ai fornitori che presentano metriche isolate del silicio.

Principali fattori di crescita

Carichi di lavoro di IA e IA generativa. L'inferenza dei transformer trasferisce ripetutamente pesi e dati della cache chiave-valore attraverso la gerarchia di memoria, rendendo l'erogazione di servizi con contesti lunghi particolarmente sensibile alla larghezza di banda e ai consumi energetici. Gli acceleratori PIM per l'elaborazione dell'attenzione analizzati nell'indagine del DOE hanno raggiunto prestazioni fino a 2,81 volte superiori e un'efficienza energetica 2,67 volte maggiore rispetto ai riferimenti convenzionali citati. Con l'aumento dei consumi elettrici dei server accelerati, gli operatori sono incentivati a valutare l'hardware in base al consumo energetico e alla latenza per token elaborato, anziché esclusivamente in base alla capacità di calcolo nominale.

HBM e memorie avanzate. L'HBM rappresenta un naturale punto di ingresso, poiché la sua densità di banda è già destinata agli acceleratori di IA. La HBM-PIM di Samsung ha mantenuto la compatibilità con il PHY HBM2 nella fase di valutazione, riducendo la discontinuità di integrazione per i sistemi di accelerazione esistenti. La GDDR6-AiM di SK hynix mostra un percorso alternativo basato su dispositivi di classe analoga alle memorie grafiche. Il lavoro dell'azienda sulla standardizzazione della LPDDR6 PIM indica che l'opportunità potrebbe estendersi in futuro dai data center all'inferenza mobile soggetta a vincoli di consumo energetico, sebbene la standardizzazione non debba essere confusa con l'implementazione su larga scala. ^{[3]Samsung Electronics, Samsung Develops Industry's First High Bandwidth Memory with AI Processing Power, February 2021, news.samsung.com}

Espansione della memoria tramite CXL. La disaggregazione della memoria rende possibile un mercato indirizzabile più ampio per il PIM quando è la capacità, anziché la capacità di calcolo grezza, a limitare un carico di lavoro. L'indagine del DOE identifica nella comunicazione mediata dalla CPU una limitazione rilevante in determinate configurazioni DRAM-PIM e segnala vantaggi sostanziali derivanti dalle architetture di elaborazione vicino ai dati che utilizzano interfacce correlate a CXL. L'implicazione commerciale non è che ogni dispositivo CXL diventi un dispositivo PIM; piuttosto, l'espansione coerente della memoria può offrire un percorso a livello di sistema per collegare una memoria specializzata per il calcolo senza abbandonare l'architettura host.

Investimenti pubblici nel settore dei semiconduttori. I finanziamenti statunitensi del programma CHIPS for America ammontano complessivamente a 50 miliardi di dollari USA, di cui 39 miliardi destinati agli incentivi alla produzione e 11 miliardi alla ricerca e sviluppo (R&D). Il finanziamento assegnato dal Department of Commerce a SK hynix comprende fino a 458 milioni di dollari USA in finanziamenti diretti e fino a 500 milioni di dollari USA in prestiti per un investimento da 3,87 miliardi di dollari USA in Indiana, incentrato sul packaging avanzato e sulle capacità correlate all'HBM. Questi programmi riducono i rischi finanziari e quelli della catena di fornitura legati alla capacità di produzione di memorie avanzate, ma non risolvono la questione della preparazione del software per il PIM; il sostegno pubblico alla produzione e il supporto all'adozione delle applicazioni procederanno secondo tempistiche separate. ^{[4]National Institute of Standards and Technology, CHIPS for America, 2024, nist.gov}

Elaborazione a basso consumo energetico. Il potenziale del PIM è particolarmente rilevante nei contesti in cui la disponibilità di energia limita la capacità di IA utilizzabile. Il meccanismo è specifico: l'esecuzione locale evita una parte dei trasferimenti di dati ad alto consumo energetico al di fuori del chip, anziché limitarsi a migliorare l'utilizzo della capacità di calcolo convenzionale. La crescita prevista dall'IEA della domanda di elettricità dei data center rende questa caratteristica rilevante per la scelta dell'ubicazione e la pianificazione della capacità, oltre che per l'approvvigionamento dei dispositivi.

Principali fattori limitanti

Costi dell'hardware e integrazione. Secondo l'indagine del DOE, l'aggiunta di logica alla DRAM può comportare una penalizzazione della densità del 25–50%. Questo compromesso è rilevante perché il PIM compete non solo con le GPU, ma anche con la memoria convenzionale a basso costo. Il sovrapprezzo del silicio è ulteriormente aggravato dalla validazione dei controller di memoria, dei driver, della progettazione termica e del software di erogazione. Gli approcci compatibili con le interfacce, come l'HBM-PIM di Samsung, possono ridurre questo onere, ma la compatibilità limita anche la quantità di logica che può essere aggiunta a un dispositivo di memoria. Pertanto, l'adozione iniziale favorirà i carichi di lavoro per i quali è possibile misurare il risparmio in termini di consumo energetico, latenza o spesa infrastrutturale rispetto al sovrapprezzo.

Compatibilità software. La programmazione del PIM richiede decisioni relative al posizionamento dei dati, al parallelismo a livello di banco, ai kernel e al coordinamento tra host e dispositivo, aspetti che gli utenti tradizionali delle GPU non devono gestire abitualmente. La barriera è tanto commerciale quanto tecnica: un vantaggio hardware che richiede una suddivisione personalizzata dei modelli può essere difficile da implementare in un ambiente cloud basato su stack di erogazione standardizzati. L'SDK CAMP di Mythic supporta i percorsi ONNX, PyTorch, TensorFlow e TensorRT, dimostrando il valore dei ponti tra framework; tuttavia, tale supporto non rende trasparente il comportamento eterogeneo del PIM per tutti i modelli.

Ciò rende gli standard e le evidenze di implementazione più importanti dei risultati di benchmark di un singolo dispositivo. I fornitori di hardware che mantengono interfacce familiari, pubblicano procedure di integrazione ripetibili e dimostrano il funzionamento combinato di PIM e GPU possono abbreviare i cicli di qualificazione. Al contrario, un dispositivo che richiede un nuovo modello di programmazione senza un vantaggio nettamente circoscritto per uno specifico carico di lavoro probabilmente resterà confinato ai progetti pilota tecnici, nonostante gli interessanti indicatori di efficienza energetica.

Analisi per segmento del mercato dell'elaborazione in memoria (PIM)

Per tecnologia di memoria

Il PIM basato su DRAM è in testa con 420,0 milioni di dollari USA, pari al 68,7% dei ricavi del 2025, e si prevede che cresca a un tasso di crescita annuo composto (CAGR) del 27,6%. La sua posizione riflette la maturità produttiva e la vicinanza alle catene di fornitura esistenti di acceleratori HBM e GDDR. Il vantaggio commerciale risiede nella qualificazione: le architetture compatibili con interfacce di memoria consolidate possono essere introdotte in infrastrutture già progettate per la memoria ad ampia larghezza di banda. Tuttavia, la crescita più lenta rispetto alle tecnologie emergenti riflette un vincolo diverso: l'integrazione della logica può ridurre la densità utilizzabile. ^{[5]SK hynix, SK hynix Develops PIM, Next-Generation AI Accelerator, February 2022, news.skhynix.com}

Il PIM basato su SRAM rappresenta 91,7 milioni di dollari USA e il 15,0% dei ricavi del 2025, con una crescita a un tasso di crescita annuo composto (CAGR) del 29,2%. La SRAM favorisce l'inferenza digitale deterministica a bassa latenza. La piattaforma Corsair di d-Matrix utilizza l'elaborazione digitale in memoria e dichiara una larghezza di banda DIMC interna di 150 TB/s, una capacità di elaborazione di 2.400 TFLOP a 8 bit e dati sulle prestazioni di inferenza di Llama 3 su hardware PCIe Gen5. Questo profilo è rilevante quando la latenza dei token e il comportamento numerico riproducibile sono più importanti della capacità di memoria. ^{[6]d-Matrix, d-Matrix Unveils Corsair, the World's Most Efficient AI Computing Platform for Inference in Datacenters, November 2024, d-matrix.ai}

Le tecnologie non volatili rappresentano la principale opportunità di crescita. Il PIM basato su MRAM, sebbene valesse solo 37,6 milioni di dollari USA nel 2025, presenta il tasso di crescita annuo composto più elevato tra le tecnologie di memoria, pari al 35,4%; seguono il PIM basato su ReRAM e quello basato su Flash, rispettivamente al 34,3% e al 33,7%. Un macro STT-MRAM a 40 nm per l'elaborazione in memoria ha registrato prestazioni comprese tra 7,02 e 112,3 TOPS/W in configurazioni da 4 a 16 bit, una latenza di 7,4–29,6 ns e ha raggiunto gli obiettivi di accuratezza dichiarati per test selezionati su ResNet e reti neurali informate dalla fisica. La non volatilità può evitare i costi aggiuntivi associati al refresh e al ricaricamento dei modelli, ma i risultati dei prodotti dipendono ancora dalla resistenza, dalla precisione e dalla costanza della produzione, non solo dall'efficienza di laboratorio.

Per architettura di calcolo

Il PIM digitale è la principale architettura, con 375,4 milioni di dollari USA e una quota del 61,4% nel 2025, oltre a un tasso di crescita annuo composto del 30,1%. Offre un'aritmetica deterministica ed è in linea con i requisiti dell'inferenza in produzione, inclusi i nuovi formati a precisione ridotta. Il PIM analogico vale 168,4 milioni di dollari USA e detiene una quota del 27,5%, con una crescita del 28,4%. Mythic dichiara 120 TOPS/W e 17 fJ per MAC per la propria architettura analogica. Tali dichiarazioni evidenziano il vantaggio energetico del PIM analogico, mentre la sfida commerciale consiste nel mantenere stabile l'accuratezza a fronte delle variazioni e delle condizioni di implementazione. Il PIM a segnali misti, con 67,7 milioni di dollari USA e una quota dell'11,1%, sacrifica parte dell'efficienza analogica in cambio del controllo digitale su interfacce e operazioni non lineari.

Per applicazione e utente finale

AI e ML rappresentano la principale applicazione, con 318,0 milioni di dollari USA, pari al 52,0%, nel 2025. Il calcolo ad alte prestazioni e il calcolo scientifico (112,9 milioni di dollari USA), nonché l'analisi dei dati e l'elaborazione dei database (74,8 milioni di dollari USA), offrono ulteriori carichi di lavoro fortemente dipendenti dalla memoria; l'indagine del DOE segnala vantaggi del PIM nella modellazione climatica e nei test OLTP/OLAP. La visione artificiale e l'NLP, con una crescita rispettivamente del 34,7% e del 35,6%, traggono vantaggio dall'inferenza localizzata a basso consumo, soprattutto quando i modelli devono rimanere attivi all'edge. I servizi IT e cloud guidano la domanda degli utenti finali; l'elettronica di consumo, il settore automobilistico, le telecomunicazioni, l'industria, la sanità, il comparto aerospaziale e la difesa presentano requisiti diversi in termini di consumo energetico, latenza e qualificazione. L'assenza di valori di mercato per utente finale implica che i confronti tra i diversi settori verticali debbano essere interpretati come condizioni di adozione, non come classifiche dei ricavi.

La crescita delle applicazioni rafforza questa distinzione. NLP e visione si espandono più rapidamente del mercato complessivo perché richiedono sempre più spesso che l'inferenza avvenga in prossimità del dispositivo o della fonte dei dati. Tuttavia, l'opportunità concretamente indirizzabile è condizionata: i progetti analogici e non volatili devono trasformare i vantaggi energetici in un'accuratezza ripetibile e in strumenti di sviluppo gestibili. L'architettura vincente varierà in funzione del costo del trasferimento dei dati, dell'intervallo di precisione accettato e della possibilità per il cliente di qualificare un ambiente di esecuzione specializzato.

Analisi regionale del mercato dell'elaborazione in memoria (PIM)

Nord America

Il Nord America è in testa al mercato con 255,0 milioni di dollari USA nel 2025, pari a una quota del 41,7%, e si prevede che raggiunga 3.462,8 milioni di dollari USA entro il 2035, con un tasso di crescita annuo composto (CAGR) del 28,9%. Gli Stati Uniti contribuiscono con 234,0 milioni di dollari USA nel 2025, mentre il Canada contribuisce con 21,0 milioni di dollari USA. La regione combina la domanda di inferenza su scala hyperscale con una concentrazione di aziende specializzate, tra cui EnCharge AI, MemryX, GSI Technology, d-Matrix e Mythic AI. Gli incentivi CHIPS per le memorie e il packaging avanzati aggiungono una dimensione legata alla catena di fornitura a un mercato altrimenti trainato dalla domanda. ^{[7]U.S. Department of Commerce, Biden-Harris Administration Announces CHIPS Incentives Award with SK hynix to Advance U.S. Technological Leadership and Expand Capacity of Chips Crucial to the AI Supply Chain, December 2024, commerce.gov}

Asia-Pacifico

L'Asia-Pacifico segue da vicino con 241,4 milioni di dollari USA e una quota del 39,5% nel 2025, e si prevede che diventi la regione più grande, raggiungendo 3.777,6 milioni di dollari USA entro il 2035, con un CAGR del 30,7%. La Cina passa da 72,3 milioni di dollari USA a 1.314,6 milioni di dollari USA, la Corea del Sud da 60,7 milioni di dollari USA a 868,9 milioni di dollari USA, il Giappone da 42,0 milioni di dollari USA a 521,3 milioni di dollari USA, l'India da 20,2 milioni di dollari USA a 491,1 milioni di dollari USA e l'Australia da 10,0 milioni di dollari USA a 113,3 milioni di dollari USA. La Corea del Sud svolge un ruolo centrale nell'offerta di memorie avanzate grazie a SK hynix e Samsung. La regione comprende inoltre Syntiant, PIMIC, TetraMem, Witmem (Zhicun Technology), HOUMO.AI e Pimchip, creando una base competitiva più ampia nei casi d'uso cloud, mobile ed edge.

Europa

L'Europa rappresenta 69,1 milioni di dollari USA nel 2025 e si prevede che raggiunga 765,7 milioni di dollari USA entro il 2035, con un CAGR del 26,2%. La Germania passa da 19,6 milioni di dollari USA a 252,7 milioni di dollari USA, davanti a Regno Unito, Francia, Italia e Spagna. L'IA industriale, il settore automobilistico e la visione edge determinano un mix della domanda diverso rispetto alle implementazioni cloud nordamericane. Axelera AI è il concorrente europeo autorizzato e il suo orientamento verso l'edge evidenzia il potenziale della regione nell'inferenza specifica per applicazione, piuttosto che nella fornitura di HBM su larga scala.

America Latina

L'America Latina cresce da 23,2 milioni di dollari USA a 263,8 milioni di dollari USA, con un CAGR del 26,6%. L'adozione del PIM nella regione è principalmente legata alla disponibilità di servizi cloud e all'implementazione dell'IA da parte delle imprese, più che a una base nazionale per la produzione di memorie avanzate. Il Medio Oriente e l'Africa crescono da 24,5 milioni di dollari USA a 238,2 milioni di dollari USA, con un CAGR del 25,5%. Arabia Saudita, Emirati Arabi Uniti e Sudafrica sono i principali mercati identificati: passano rispettivamente da 6,4 milioni di dollari USA, 4,9 milioni di dollari USA e 6,6 milioni di dollari USA nel 2025 a 77,4 milioni di dollari USA, 46,5 milioni di dollari USA e 58,4 milioni di dollari USA. È probabile che la domanda segua gli investimenti nei data center e nelle infrastrutture pubbliche per l'IA, rendendo decisivi la disponibilità dei prodotti e la capacità di integrazione dei sistemi.

Il percorso dell'Europa è più specifico per applicazione, in particolare nei settori industriale e automobilistico e nell'inferenza edge. È meno probabile che l'America Latina e il Medio Oriente e l'Africa definiscano le roadmap delle tecnologie di memoria, ma la loro crescita può essere significativa nei casi in cui la nuova capacità dei data center eviti le infrastrutture obsolete.

Per i fornitori di PIM, ciò significa che i modelli di ingresso sul mercato dovrebbero differire: co-progettazione dei sistemi e qualificazione presso gli hyperscaler in Nord America; partnership nella catena di fornitura e nell'ecosistema nell'area Asia-Pacifico; soluzioni incentrate sui carichi di lavoro in Europa e nelle regioni emergenti.

Quota di mercato dell'elaborazione in memoria (PIM) e panorama competitivo

SK hynix guida il mercato nel 2025 con una quota del 29%, seguita da Samsung Electronics con l'11%; Syntiant detiene il 5%, Mythic AI il 4%, d-Matrix il 4% e gli altri fornitori rappresentano complessivamente il 47%. La struttura combina operatori affermati del settore della memoria, in grado di integrare l'elaborazione nei prodotti di memoria ad alto volume, e specialisti ottimizzati per specifiche condizioni di inferenza.

I programmi GDDR6-AiM e AiMX di SK hynix la posizionano nell'ambito dell'inferenza eterogenea nei data center. La dimostrazione AiMX del 2025 ha collocato l'elaborazione dell'attenzione, limitata dalla memoria, sulle schede AiMX e i livelli di proiezione, limitati dalla capacità di calcolo, sulle GPU H100 in un ambiente Supermicro che utilizzava vLLM. HBM-PIM di Samsung si differenzia grazie ai motori di intelligenza artificiale in memoria collocati nei banchi HBM e alla compatibilità con la segnalazione HBM2 esistente. Entrambi gli operatori affermati sono posizionati per trarre vantaggio qualora il PIM entri a far parte degli standard delle interfacce di memoria, ma la loro principale sfida consiste nel trasformare la compatibilità tecnica in un ampio supporto software. ^{[8]SK hynix, AI Infra Summit 2025: SK hynix Showcases Innovative AiM Solution for Accelerating AI, September 2025, news.skhynix.com}

Syntiant si rivolge all'inferenza edge a basso consumo e sempre attiva. Mythic AI si concentra sul PIM analogico e dichiara prestazioni di 120 TOPS/W e interfacce con numerosi framework attraverso CAMP. d-Matrix punta all'inferenza nei data center tramite l'elaborazione digitale in memoria Corsair; dichiara un'implementazione PCIe Gen5, una larghezza di banda DIMC di 150 TB/s e un'attenzione al formato OCP Micro-scaling. EnCharge AI, MemryX, GSI Technology, PIMIC, TetraMem, Witmem, HOUMO.AI, Pimchip, Axelera AI e XCENA occupano posizioni regionali, di nicchia o dirompenti. La loro differenziazione dipenderà da una combinazione specifica di substrato di memoria, specializzazione dei carichi di lavoro, accessibilità del software e accesso ai canali, anziché da un insieme comune di funzionalità PIM. ^{[9]Mythic AI, Mythic to Challenge AI's GPU Pantheon with 100x Energy Advantage and Oversubscribed USD 125M Raise, December 2025, mythic.ai}

Recenti sviluppi del settore

Nel settembre 2025, SK hynix ha presentato una configurazione di inferenza eterogenea basata su AiMX all'AI Infra Summit, utilizzando quattro schede AiMX con due GPU H100 in un server Supermicro e vLLM.

Nel dicembre 2025, Mythic AI ha annunciato un finanziamento da 125 milioni di dollari USA con richieste superiori all'offerta, guidato da DCVC, con Honda Motors e Lockheed Martin indicati come partecipanti strategici. La società ha associato l'annuncio del finanziamento al posizionamento dell'efficienza del PIM analogico e della piattaforma software.