scenari

La fine del silicio? Come saranno i chip del futuro



Indirizzo copiato

Il settore dei semiconduttori affronta i limiti del silicio con SiC e GaN, architetture ibride tra calcolo classico e quantistico e modelli neuromorfici. Cresce l’attenzione alla sostenibilità, con impegni industriali e strategie europee per ridurre costi energetici e impatto ambientale

Pubblicato il 15 ott 2025

Giovanni Perani

consulente in digital transformation

Davide Villano

Imprenditore digitale, specialista in innovazione e strategie per PMI & startup



AI Questions Icon
Chiedi all'AI
Riassumi questo articolo
Approfondisci con altre fonti
nvidia hugging face




Il silicio, protagonista indiscusso dell’industria dei semiconduttori per oltre mezzo secolo, mostra oggi limiti intrinseci di miniaturizzazione, efficienza e sostenibilità, ma la ricerca tecnologica sta aprendo la strada a nuovi materiali particolarmente promettenti, come il carburo di silicio (SiC) e il nitruro di gallio (GaN).

Parallelamente, l’orizzonte si amplia con lo sviluppo del quantum computing, che non si esaurisce nei qubit ma esplora architetture ibride in cui chip tradizionali e quantum accelerator coesistono, e con l’avvento del neuromorphic computing, ispirato all’architettura sinaptica del cervello umano.

Nuovi materiali per transistor: SiC e GaN

Lo sviluppo della microelettronica, che fino ad ora ha avuto il silicio quale protagonista assoluto, è descritto dalla Legge di Moore. Questa legge fu enunciata inizialmente sotto forma di previsione nel 1965, in un articolo apparso sulla rivista “Electronics Magazine”, dall’informatico statunitense Gordon Moore, pioniere dei microchip e cofondatore prima di Fairchild e poi di Intel. Pur disponendo di una scarsa quantità di dati – si tenga conto che il primo circuito integrato era stato realizzato solo pochi anni prima, nel 1958, dall’ingegnere elettrotecnico Jack Kilby –, Moore aveva profetizzato che la progressiva miniaturizzazione dei transistor stampabili e il progressivo miglioramento delle caratteristiche dei circuiti avrebbero determinato una cadenza annuale di raddoppiamento del numero dei transistor contenuti in un chip o in un’area unitaria, con conseguente aumento della potenza di calcolo.

Il tempo utile al raddoppiamento è stato leggermente rimodulato dallo stesso Moore nel decennio successivo – dagli anni Ottanta è pari a 18 mesi – ma, in effetti, la sua Legge è tuttora sostanzialmente valida. Oggi la miniaturizzazione dei transistor, stampati con procedimento fotolitografico, è arrivata a misure infinitesimali, passando da centinaia a pochi nanometri, un’evoluzione che, tra l’altro, ha reso possibile una loro disposizione su più strati. Per decenni ciò ha significato riduzione di costi di produzione e riduzione delle dimensioni dei device (smartphone, tablet ecc.), favorendo una sempre più ampia accessibilità della tecnologia.

I limiti fisici, i costi e l’impatto del silicio

Tuttavia la Legge di Moore ha dei limiti, che sono quelli fisici del silicio di cui sono costituti i transistor: più avanza la miniaturizzazione più insorgono problematiche legate a perdite di potenza, instabilità termica e dispersione di energia. Inoltre, se per mezzo secolo la geniale previsione dell’informatico statunitense ha spinto uno sviluppo e un’innovazione straordinari nell’industria dei semiconduttori, oggi l’attuale complessità dei processi di produzione ha determinato un aumento di costi, anche sul fronte dell’apertura di nuovi stabilimenti, e un rallentamento della scalabilità, senza contare il pesante impatto ambientale di smaltimento dei materiali, ormai non più sostenibile.

Nuovi materiali: perché SiC e GaN cambiano la potenza di calcolo

La ricerca punta a risolvere queste problematiche su diversi fronti. Il primo è la sperimentazione e l’adozione di nuovi materiali per i transistor, capaci di una maggiore efficienza rispetto al tradizionale silicio. Tra i più promettenti citiamo il carburo di silicio (SiC) e il nitruro di gallio (GaN), già fondamentali per applicazioni nell’e-mobility, nell’elettronica di potenza e nelle infrastrutture per le energie rinnovabili.

Focus SiC: efficienza, temperature estreme e filiere europee

Il SiC, che è un semiconduttore a banda larga (Wide Band Gap), consente la realizzazione di dispositivi con efficienza energetica fino al 70% superiore al silicio e tolleranza a temperature oltre i 600° C. Adatto per dispositivi ad alta potenza e alta tensione, trova una sua naturale applicazione per esempio nell’automotive elettrico e nelle smart grid, cioè nelle reti “intelligenti” di gestione e distribuzione dell’energia elettrica. Europa e Italia, con STMicroelectronics a Catania, stanno già consolidando un vantaggio competitivo nel SiC, diventando hub di riferimento nel settore.

GaN: radiofrequenza, 5g e conversione ad alta densità

Il GaN, invece, si sta dimostrando ideale per potenza nei dispositivi a radiofrequenza (RF), perciò viene ampiamente utilizzato, per esempio, per i radar, il 5G, i trasmettitori satellitari e i sistemi di conversione energetica ad alta densità.

Oltre la fisica classica: il quantum computing e l’architettura ibrida

Se l’attuale dibattito sul quantum computing tende a concentrarsi sull’unità base di informazione quantistica, il qubit, e sulle sue straordinarie proprietà di sovrapposizione (ossia di esistenza in più stati contemporaneamente) e di entanglement (cioè di correlazione tra due particelle indipendentemente dalla distanza tra loro), in realtà l’orizzonte tecnologico è molto più ampio. Accanto ai qubit fisici – realizzati con superconduttori, ioni intrappolati o fotonica – si stanno infatti affermando approcci ibridi, in cui chip tradizionali e quantum accelerator coesistono in architetture integrate.

Esempi di ibridazione: silicon quantum e integrazione nel datacenter

Questi modelli “quantum-inspired” o “quantum-classical hybrid”, cioè che adottano un approccio ibrido quantistico-classico, non puntano a sostituire il silicio nel breve termine, ma a sfruttarne la maturità industriale combinandola con logiche quantistiche per ottenere una maggiore potenza computazionale senza abbandonare la filiera esistente. Si stanno sperimentando diverse soluzioni in questo senso, come quella messa in campo dalla startup britannica Quantum Motion, che sta lavorando a processori in silicio per computer quantistici ricorrendo ai medesimi processi produttivi delle normali unità di elaborazione centrali, oppure quella elaborata da Equal1, un’azienda collegata all’University College Dublin, che ha presentato la prima versione di Bell-1, un computer quantistico che utilizza qubit di spin in silicio combinati con convenzionali processori al silicio in un unico chip e che è facilmente integrabile in centri di elaborazione dati già esistenti.

Risc-v, chiplet e acceleratori: l’ecosistema eterogeneo

Inoltre, la ricerca avanzata in campo RISC-V (Reduced Instruction Set Computing V), una tecnologia open-source che sta favorendo l’accesso all’architettura dei processori ed è utile alla progettazione e alla realizzazione di una vasta gamma di chip per i quali è possibile ricorrere a semiconduttori mirati per usi specifici (dai dispositivi mobili alla robotica), e le innovazioni nel campo dei chiplet modulari (cioè relativamente a una componentistica che può essere combinata per creare potenti processori con dimensioni contenute) stanno dimostrando che architetture custom, integrate con acceleratori quantistici o neuromorfici (ossia quelli che replicano la plasticità sinaptica e i meccanismi di apprendimento del cervello umano), hanno le potenzialità per ridurre i costi di adozione e rendere scalabile il quantum computing “per tutti”.

Si tratta di una direzione che apre lo spazio a nuovi player europei, in grado di progettare microarchitetture flessibili, capaci di adattarsi tanto ai paradigmi classici quanto a quelli emergenti. In prospettiva, non sarà solo la quantità di qubit a definire il vantaggio competitivo, ma la capacità di orchestrare architetture eterogenee – tradizionali, quantistiche e neuromorfiche – in un ecosistema interoperabile e sostenibile.

La questione energetica: consumi, emissioni e impegni globali

L’industria dei chip è tra le più energivore e con l’avvento delle tecnologie IA l’impatto cresce a ritmi esponenziali: secondo il recente report Chipping Point di Greenpeace, il consumo globale di elettricità derivante dalla produzione di chip per l’IA è aumentato di oltre il 350% su base annua, passando da 218 GWh nel 2023 a quasi 984 GWh nel 2024, e le relative emissioni globali sono aumentate di oltre quattro volte tra il 2023 e il 2024, passando da 99.200 tonnellate di CO₂ a 453.600 tonnellate, perlopiù a causa della forte dipendenza dai combustibili fossili nelle reti elettriche dell’Asia orientale, leader nel settore. Numeri insostenibili.

In un documento del 2024, l’Ufficio per l’efficienza energetica e le energie rinnovabili del Dipartimento dell’energia statunitense afferma che il settore e le applicazioni dei semiconduttori potrebbero rappresentare a breve la quota maggiore delle emissioni globali di gas serra associate all’uso di elettricità, dal momento che l’efficientamento energetico in questa industria non è andato di pari passo con l’aumento della domanda globale. Per altro verso, lo stesso documento dà conto della sottoscrizione da parte di 65 tra istituti governativi, organizzazioni accademiche e aziende (tra le quali Google, Intel, Microsoft, Micron, Synopsys, ARM e AMD) dell’Energy Efficiency Scaling for Two Decades (EES2), un impegno a incrementare di mille volte, nell’arco di un ventennio, l’efficienza energetica legata alle applicazioni dei semiconduttori, includendo gli aspetti dei materiali, dei dispositivi, dei circuiti e delle architetture.

Ma non è la solo cordata di questo genere: due anni prima, durante la Conferenza delle Nazioni Unite sui cambiamenti climatici (COP27), è stato fondato il Semiconductor Climate Consortium (SCC), che ha tra gli obiettivi quello di sviluppare piani per ridurre le emissioni totali di gas serra dell’industria dei semiconduttori e creare ecosistemi eco-compatibili.

Sostenibilità come leva competitiva e operativa

Oggi, in effetti, la ricerca guarda in questa direzione, anche se la marcia sarà lunga, puntando a: – materiali a basso impatto ambientale e riciclo dei wafer; – green fabrication, con alimentazione da energie rinnovabili, a loro volta beneficiate dall’utilizzo dei nuovi materiali; – architetture hardware più efficienti, grazie all’ibridazione.

Si noti per inciso che, per l’industria della microelettronica, la sostenibilità ambientale coincide con quella economica, dal momento che la riduzione del fabbisogno di energia, di gas e di acqua abbatte i costi e ottimizza l’operatività.

Cambio di paradigma e opportunità per Europa e Italia

L’analisi delle nuove tendenze tecnologiche evidenzia come la transizione verso uno stadio che vada oltre il silicio non sia una mera sostituzione di materiali, ma una ridefinizione dell’intero paradigma computazionale, con profonde implicazioni per la sostenibilità industriale, la resilienza delle supply chain e la competitività europea.

L’evoluzione dei microchip non rappresenta dunque un semplice upgrade tecnologico, ma un cambio di paradigma. Europa e Italia possono giocare un ruolo di leadership puntando su tre leve: – investimenti su SiC e GaN come materiali strategici, capaci di superare i limiti del silicio perché capaci di maggiori prestazioni, densità di potenza e conducibilità termica; – ecosistema accademico-industriale che fa perno sul quantum computing e le architetture ibride; – modelli produttivi orientati alla sostenibilità e la circolarità.

In questa prospettiva, la sfida non è solo tecnologica ma geopolitica: controllare le tecnologie emergenti significherà determinare la distribuzione del potere industriale del XXI secolo.

Fonti

What Lies Beyond Silicon: The Future of Advanced Electronics Materials, in https://bisresearch.com/insights/what-lies-beyond-silicon-the-future-of-advanced-electronics-materials

AA.VV., Emerging GaN technologies for power, RF, digital and quantum computing applications: recent advances and prospects, 2022, in https://www.merl.com/publications/docs/TR2022-002.pdf

IEEE, International Roadmap for Devices and Systems (IRDS), 2023, in https://irds.ieee.org/

BUFFOLO M. – FAVERO D. – MARCUZZI A. – DE SANTI C., Review and Outlook on GaN and SiC Power Devices: Industrial State-of-the-Art, Applications, and Perspectives, in “IEEE Transactions on Electron Devices”, 2024

European Commission, Eyes on the Future: Signals from recent reports on emerging technologies and breakthrough innovations to support European Innovation Council strategic intelligence, 2024, in https://publications.jrc.ec.europa.eu/repository/bitstream/JRC139313/JRC139313_01.pdf

BROOKS M., Quantum computing is taking on its biggest challenge, 2025, in https://www.technologyreview.com/2024/01/04/1084783/quantum-computing-noise-google-ibm-microsoft/

Partecipa alla community

guest

0 Commenti
Più recenti
Più votati
Inline Feedback
Vedi tutti i commenti

People&Change

Tutti
CARRIERE
AI E LAVORO
COMPETENZE
Produttività e AI
AI IN AZIENDA
SCENARI
FORMAZIONE
CULTURA AZIENDALE
AI in azienda
Carriera
AI leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership

Articoli correlati

0
Lascia un commento, la tua opinione conta.x