Come investire nei semiconduttori: trend, rischi e opportunità

Il mercato globale dei semiconduttori si avvia a superare il traguardo di 1.000 miliardi di dollari entro il 2030, crescendo a un tasso annuo composto di circa l'8%. Nel 2026, WSTS stima una crescita anno su anno del 26,3%, alimentata dagli investimenti senza precedenti nell'infrastruttura per l'intelligenza artificiale. Siamo all'inizio di quello che gli analisti chiamano un "Giga Cycle": un super-ciclo di investimenti in data center, GPU e chip specializzati per l'AI che non ha precedenti per dimensioni e velocita.

Per l'investitore retail, questa industria offre opportunità ma anche complessità elevata. Si tratta di un settore ciclico, capital-intensive e fortemente esposto a rischi geopolitici: la concentrazione della produzione avanzata a Taiwan rappresenta la vulnerabilità sistemica più critica del settore tecnologico globale. Capire questi trade-off è essenziale prima di allocare capitale.

L'88% della crescita incrementale del settore è oggi generata da chip legati all'AI: GPU, acceleratori custom (ASIC) e memoria ad alta larghezza di banda (HBM).

Il mercato si sta spostando dal volume al valore: i prodotti ad alto prezzo unitario come le GPU di ultima generazione e la memoria HBM rappresentano una quota crescente dei ricavi. Questo cambiamento strutturale favorisce chi produce i chip più avanzati, non necessariamente chi ne produce di più.

Il mercato: dimensioni e proiezioni

Il mercato dei semiconduttori si trovava nel range di 630–680 miliardi di dollari nel 2025. La crescita attesa per il 2026 è di circa il 26%, trainata dall'accelerazione degli investimenti in data center da parte dei grandi hyperscaler (Amazon, Google, Microsoft, Meta) che competono per costruire le infrastrutture computazionali necessarie all'intelligenza artificiale generativa.

Sul lungo periodo, la traiettoria è chiara: il mercato totale potrebbe raggiungere 1.000–1.100 miliardi di dollari entro il 2030, con i chip avanzati prodotti a nodi sotto i 7 nanometri come il segmento a più alta crescita (circa +20% annuo). La tabella seguente offre una fotografia dei segmenti principali con le relative proiezioni.

Stime basate su WSTS, Inderes/Canatu Research, GlobalWafers e report aziendali. I dati si riferiscono al mercato 2025 e alle proiezioni 2026–2030.

È importante comprendere la struttura dell'industria. Esistono due modelli principali: le aziende fabless, che progettano i chip ma non li producono direttamente (ad esempio NVIDIA, AMD, Qualcomm) e le foundry pure-play, che si occupano solo della manifattura (ad esempio TSMC e Samsung).

Ci sono poi gli IDM (Integrated Device Manufacturers) come Intel, che fanno entrambe le cose. Il modello fabless è diventato dominante perché consente di concentrare le risorse sull'innovazione senza l'onere degli investimenti miliardari in fabbricazione.

Punti di forza e motori di crescita

L'intelligenza artificiale sta ridisegnando l'architettura del computing moderno. Le aziende tech stanno costruendo infrastrutture computazionali enormi per supportare i carichi di lavoro dell'AI generativa e queste infrastrutture richiedono chip sempre più potenti e specializzati.

I data center tradizionali consumavano tra 5 e 8 kilowatt per rack. Le installazioni AI di nuova generazione richiedono tra 25 e 40 kilowatt per rack. Questo salto di densità energetica sta spingendo la costruzione di campus da gigawatt, con tutto ciò che ne consegue in termini di domanda di chip, sistemi di raffreddamento e infrastrutture elettriche.

Per l'investitore, questo trend non riguarda solo i produttori di chip ma un ecosistema più ampio: aziende di gestione termica, di alimentazione elettrica, di infrastrutture di rete, di storage. Il semiconduttore è il cuore del sistema, ma il sistema richiede molto di più.

La transizione verso i veicoli elettrici e i sistemi di guida autonoma è un secondo motore di crescita strutturale. Un'auto elettrica moderna contiene molti più microcontrollori e chip analogici rispetto a un veicolo a combustione interna. I sistemi ADAS (Advanced Driver Assistance Systems), radar, visione computazionale, unità di elaborazione dati, moltiplicano ulteriormente la domanda di semiconduttori per ogni veicolo prodotto.

Questo segmento è proiettato a crescere tra l'8% e il 12% annuo e rappresenta una fonte di domanda più stabile e prevedibile rispetto ai cicli consumer.

Poiché la legge di Moore, che descriveva il raddoppio del numero di transistor per chip ogni due anni, si sta avvicinando ai suoi limiti fisici ed economici, l'industria ha trovato una soluzione alternativa nel packaging avanzato. Le architetture chiplet disaggregano un unico chip monolitico in moduli più piccoli e specializzati che vengono assemblati insieme. Questo approccio migliora i rendimenti di produzione, riduce i costi e accelera il time-to-market.

Il prossimo grande mercato è l'”AI fisica”: intelligenza artificiale incorporata direttamente nei dispositivi locali. Il mercato combinato di Physical AI ed Edge Computing è stimato a circa 170 miliardi di dollari entro il 2030. La logica è semplice: spostare l'elaborazione vicino alla fonte dei dati riduce la latenza, migliora la privacy e riduce la dipendenza dalla connettività di rete.

Rischi e sfide strutturali

I semiconduttori sono un business ciclico per definizione. L'industria alterna fasi di carenza di offerta in cui i produttori costruiscono capacità produttiva aggiuntiva a fasi di eccesso, in cui si ritrova con inventari elevati e prezzi in calo. Durante i cicli negativi, i margini aziendali si comprimono rapidamente a causa dell'alto peso dei costi fissi.

Chi ha investito nel settore nel 2022 ha sperimentato questa volatilità in prima persona, con cali di borsa del 40–60% per molti titoli del comparto.

Il 2026 è una fase espansiva, trainata dall'AI. Ma l'investitore deve chiedersi: quando arriverà il prossimo ribasso? Posizionarsi su aziende con bilanci strutturali solidi, bassa ciclicità o pricing power elevato può ridurre l'esposizione alla volatilità.

Produrre chip all'avanguardia richiede investimenti stratosferici. Sviluppare un nuovo nodo produttivo con litografia EUV o high-NA EUV costa miliardi di dollari, con ritorni che arrivano anni dopo. Questo ha creato un oligopolio di fatto nella manifattura avanzata: solo TSMC, Samsung e Intel hanno le risorse finanziarie e tecnologiche per competere ai nodi più avanzati.

Questa è probabilmente la vulnerabilità più importante dell'intero ecosistema tecnologico globale. TSMC, basata a Taiwan, è praticamente l'unico produttore al mondo capace di fabbricare i chip più avanzati su scala. Le tensioni politiche tra Cina e Taiwan rappresentano un rischio sistemico. A questo si aggiunge la dipendenza da terre rare provenienti dalla Cina e da gas industriali come il neon prodotto nell'Europa orientale.

Per mitigare questo rischio, gli Stati Uniti stanno incentivando la costruzione di fabbriche domestiche (CHIPS Act), Intel sta sviluppando capacità produttive negli USA. Ma questi piani richiedono anni e capitali enormi per dare frutti.

La velocità dell'innovazione nel settore ha superato la disponibilità di talenti qualificati. La competizione per ingegneri specializzati in architetture AI e design VLSI è feroce. I possibili tagli ai finanziamenti alla ricerca universitaria potrebbero restringere ulteriormente la pipeline di talenti.

Dinamiche competitive e outlook 2026–2036

Il paesaggio competitivo del settore è in profonda trasformazione. I grandi hyperscaler stanno sviluppando chip custom proprietari (ASIC) per ottimizzare i propri workload AI, riducendo la dipendenza da fornitori esterni come NVIDIA. Google ha il suo TPU, Microsoft ha Maia, Amazon ha Trainium e Inferentia.

Le aziende di equipment (ASML, Applied Materials, Lam Research, KLA) beneficiano dell'intero super-ciclo di investimento indipendentemente da chi "vince" la gara tra i produttori di chip, una posizione strutturalmente privilegiata.

In modo paradossale, il principale ostacolo alla crescita dell'AI non è più il chip ma l'infrastruttura che lo ospita. Energia elettrica, accesso alla rete, gestione termica: questi fattori fisici stanno diventando i vincoli che determinano il ritmo dell'AI scaling. Per un investitore con orizzonte di lungo periodo, l'intera filiera dell'infrastruttura AI, non solo i chip, merita attenzione.

Oggi la parte predominante del computing AI è dedicata al training. Ma entro il 2027, l’inferenza, ovvero l'utilizzo dei modelli già addestrati per elaborare richieste in tempo reale, supererà il training come workload dominante. Questo cambia le architetture ottimali: i chip per l'inference privilegiano determinismo, bassa latenza e memoria SRAM veloce, non la potenza bruta di calcolo parallelo delle GPU.

Nei prossimi dieci anni, le architetture di computing convergeranno verso una combinazione eterogenea di CPU, GPU, NPU (Neural Processing Unit) e acceleratori specializzati. Nessun singolo tipo di chip è ottimale per tutti i workload: la vittoria apparterrà a chi saprà integrare questi elementi in modo efficiente.

Le principali società del settore

Fonte dati: Bloomberg

Per avere un confronto sulle principali società del settore, abbiamo preso in considerazione la composizione dello SOX Index. Il Philadelphia Semiconductor Index è il principale indice azionario di riferimento per il settore dei semiconduttori a livello globale. È gestito e pubblicato dal NASDAQ (precedentemente dalla Philadelphia Stock Exchange, da cui il nome).

Il listino include 30 società quotate che operano lungo tutta la filiera dei semiconduttori. È un indice modificato a ponderazione per capitalizzazione di mercato, con un cap per evitare che singoli titoli dominino eccessivamente il peso complessivo.

Cosa dovrebbe sapere l'investitore

domanda strutturale (AI, automotive, edge computing) ha driver pluriennali chiari. Si tratta di un settore dove la complessità tecnica, la ciclicità e i rischi geopolitici richiedono un'analisi più approfondita rispetto alla media.

Le domande che un investitore retail dovrebbe porsi:

• L'azienda è esposta alla parte del ciclo più volatile (memoria consumer, PC) o ai segmenti più strutturali (AI, automotive, equipment)?
• Ha rapporti con TSMC privilegiati o è esposta a rischi di supply?
• Ha posizioni di IP difendibili o compete solo sul prezzo?
• Il management ha dimostrato capacità di navigare i downcycle storici?

Una nota finale: la concentrazione geografica a Taiwan rimane il rischio tail più significativo. Nessun modello di valutazione può quantificare con precisione la probabilità di un evento geopolitico destabilizzante. La diversificazione geografica del portafoglio e la preferenza per aziende che stanno attivamente diversificando la propria supply chain rimane la migliore protezione disponibile.