Prezzi delle memorie dal 1957 al 2026: la curva racconta tutto

Quando RAM e storage costavano cifre proibitive, software, sistemi operativi e database nascevano con vincoli durissimi; quando il costo per gigabyte è crollato, molte architetture hanno iniziato a trattare la capacità come una risorsa quasi ordinaria. Quasi, appunto. Il lavoro pubblicato dal progetto Stanford DAM rimette ordine in questa lunga traiettoria, raccogliendo dati storici e attuali su DRAM, NAND flash e HBM, cioè le 3 famiglie di memoria che oggi incidono in modo molto diverso su PC, server, SSD e acceleratori per l’intelligenza artificiale.

Il dataset di John C. McCallum, usato come base per la DRAM fino al 2024, include informazioni che risalgono addirittura al 1957, quando la memoria a flip-flop o a nuclei magnetici aveva costi oggi quasi inconcepibili. Da allora il prezzo per megabyte, poi per gigabyte, ha seguito una discesa enorme, ma non lineare: crisi di offerta, transizioni tecnologiche, fine vita di alcune generazioni e nuove domande di mercato hanno creato salti, pause e distorsioni. Stanford DAM prova a rendere questa evoluzione leggibile con grafici interattivi, dati scaricabili e una distinzione chiara tra prezzi retail, stime industriali e valori modellati.

Perché un grafico sui prezzi della memoria è più utile di quanto sembri

Il CSV collegato alla pagina rende il quadro estremamente chiaro: raccoglie 700 osservazioni distribuite tra DRAM, NAND e HBM, con serie diverse per origine, periodo e metrica.

La DRAM occupa la parte più ampia del dataset, con 503 righe; la NAND segue con 121 righe, mentre la HBM ne conta 76. Il file non mostra una sola curva, ma tre storie tecniche diverse, tenute insieme dalla stessa domanda di fondo: quanto costa spostare, conservare o mettere vicino all’unità di calcolo un gigabyte di memoria?

Il primo punto, datato 1957, indica una memoria a transistor flip-flop con un costo normalizzato di circa 411.041.792.000 dollari per GB; l’ultimo punto della stessa serie, luglio 2024, scende a 1,53 dollari per GB per un kit DDR4 da 64 GB. Il rapporto supera i 268 miliardi a 1. Naturalmente non si tratta di prodotti comparabili: cambiano tecnologia, mercato, scala produttiva e modalità di acquisto. Però il dato rende bene l’ordine di grandezza della trasformazione alla quale abbiamo assistito nel corso degli anni.

DRAM: dal costo proibitivo alla complessità delle generazioni

La DRAM è la memoria volatile su cui si appoggiano CPU, sistemi operativi, applicazioni e macchine virtuali.

Per decenni il suo prezzo ha definito il limite pratico di quello che un computer poteva fare in memoria: chi ha lavorato con i PC degli anni ’80 e ’90 sa bene quanto 1 MB, 4 MB o 16 MB potessero cambiare radicalmente l’esperienza d’uso.

Il dataset storico di McCallum, ripreso da Stanford per il periodo 1957-2024, mostra questa discesa attraverso prodotti molto diversi: memoria a nuclei magnetici, schede per sistemi S-100, moduli per PC IBM, SIMM, DIMM e generazioni DDR successive. Non bisogna leggerli come se fossero merci identiche: cambiano densità, latenze, interfacce, fattori di forma e sistemi di riferimento. In ogni caso, il costo della memoria è crollato di molti ordini di grandezza.

Dal 2024 in poi Stanford estende la serie DRAM usando Keepa, il noto strumento che traccia lo storico dei prezzi Amazon. Quello di McCallum è un dataset storico e costruito a partire da fonti eterogenee; Keepa intercetta prezzi retail online, con tutto ciò che comporta. Può comparire un’offerta aggressiva, un prodotto in fine serie, un kit consumer particolarmente conveniente. Per questo la pagina avverte che intorno al passaggio da una fonte di dati all’altra compare un piccolo scalino.

Dal punto di vista tecnico, se ad esempio di prende un modulo DDR5, questo non va valutato semplicemente in euro/dollari a gigabyte. Come abbiamo spiegato nell’articolo su come estendere la memoria RAM, contano la banda, la latenza effettiva, la piattaforma. Un modulo economico non sostituisce una configurazione server ECC Registered, e un kit desktop a basso prezzo non racconta il costo della memoria per un nodo HPC o per un server con molti canali.

NAND flash: il prezzo degli SSD visto dal lato consumer

La seconda linea osservata da Stanford DAM riguarda la NAND flash, cioè la tecnologia alla base degli SSD, delle memorie eMMC, UFS e di molti supporti removibili. Dal 2016 in avanti il riferimento sono i prezzi dei più economici SSD NVMe consumer ricavati da Keepa. Prima del 2016, lo studio usa alcuni punti approssimativi, perché non esiste un equivalente diretto del dataset McCallum per le memorie flash.

La scelta di usare SSD NVMe consumer rende il confronto utile, ma i dati vanno “soppesati”. Restano infatti fuori gli SSD SATA, gli SSD enterprise e i drive da datacenter, che hanno logiche diverse: più overprovisioning, firmware pensati per carichi sostenuti, protezione contro la perdita di alimentazione, durata dichiarata in DWPD o TBW, garanzie differenti e spesso prezzi per gigabyte molto più alti. Un SSD consumer può offrire un costo per gigabyte bassissimo, ma non è detto che regga bene scritture continue, database transazionali o carichi misti 24/7.

Il costo della NAND ha reso normali configurazioni che pochi anni prima sembravano generose: SSD da 1 TB nei notebook, 2 TB nei desktop, NAS domestici con cache flash, mini PC con unità NVMe economiche. La densità cresce grazie a celle TLC e QLC, alla stratificazione 3D e a controller più efficienti, ma durabilità e prestazioni sostenute non seguono sempre la stessa curva del prezzo.

Per la NAND, il CSV allegato all’indagine parte dal 2010 da circa 2,5 dollari per GB per un SSD consumer e arriva a giugno 2026 a circa 0,09753 dollari a GB per un SSD NVMe Western Digital da 4 TB. Il minimo della serie Keepa, però, risulta ancora più basso: 0,03299 dollari per GB.

HBM: la memoria che sta cambiando il costo degli acceleratori AI

La parte più interessante del lavoro di Stanford riguarda la HBM, perché qui il prezzo non nasce da listini pubblici. La High Bandwidth Memory usa stack di chip DRAM collegati verticalmente, con connessioni TSV e packaging avanzato vicino al die logico dell’acceleratore. Il vantaggio principale è la banda: un acceleratore AI non ha solo bisogno di molti TFLOPS, ma deve alimentare le unità di calcolo con un flusso enorme di dati.

Per modelli linguistici, sistemi multimodali e training distribuito, la capacità resta importante, ma la banda diventa spesso decisiva. Se i tensori, i pesi del modello e le attivazioni non arrivano abbastanza velocemente, parte del “silicio” utilizzato per il calcolo resta parzialmente inutilizzato.

Stanford DAM distingue HBM2e, HBM3, HBM3e e HBM4: per ogni generazione prova a rappresentare sia il prezzo a gigabyte sia il costo per TB/s di banda, calcolato come prezzo dello stack diviso per la banda per stack. Nel mondo AI, un gigabyte lento non vale quanto un gigabyte con banda elevatissima e vicino al processore.

C’è però un limite di rilievo: nel caso della memoria HBM, i prezzi derivano da contratti riservati tra produttori di memoria, progettisti di acceleratori e grandi clienti. La pagina Stanford lo dichiara apertamente: i valori HBM sono stime di analisti, in particolare TrendForce e SemiAnalysis, non prezzi di verificati. HBM4, inoltre, appare come proiezione, con lancio indicato per il terzo trimestre 2026.

Comunque, HBM2e compare nel 2021 a circa 6 dollari per GB; HBM3 sale a circa 9 dollari per GB nel periodo 2022-2023; HBM3e arriva a circa 18 dollari per GB nel marzo 2025, con una successiva normalizzazione verso 15-16 dollari per GB. HBM4 è indicata a circa 16,5 dollari per GB. Il dato comunque preso per quello che è: una stima industriale, non un listino pubblico.

Cosa significa per PC, server e intelligenza artificiale

Per il mercato consumer, la lettura non è più così lineare come poteva sembrare fino a poco tempo fa. RAM e SSD restano molto più accessibili rispetto alla storia dell’informatica, ma il 2026 sta mostrando una tensione reale sui prezzi: la domanda dei datacenter AI, la priorità data a HBM e memoria server, la riduzione delle allocazioni verso PC OEM e produttori di moduli stanno facendo risalire i listini anche per prodotti apparentemente ordinari.

TrendForce ha stimato per il secondo trimestre 2026 forti rialzi nei prezzi della NAND Flash e un mercato DRAM ancora sostenuto da offerta stretta; in pratica, il vecchio assunto “la memoria costa sempre meno” funziona nel lungo periodo, ma non descrive bene la fase attuale.

Dalle RAM di uso come per arrivare a datacenter e AI

Un sistema con 16 GB di RAM e 1 TB di SSD non sembra più una macchina estrema, ma proprio queste configurazioni rischiano di diventare più sensibili al prezzo finale di notebook, desktop e mini PC. Per sviluppatori, creator e piccoli server domestici, il calo storico del costo per gigabyte ha aperto scenari pratici importanti: virtualizzazione locale, container, database in memoria, cache più ampie, archivi NVMe economici. Una fase di scarsità o di rialzo dei prezzi può rallentare gli upgrade, ridurre le configurazioni base proposte dai produttori o spingere alcuni OEM a tagliare capacità di RAM e storage per difendere i margini.

Nel caso dei datacenter, la memoria enterprise non segue sempre il prezzo retail. I moduli ECC, le piattaforme multi-socket, gli SSD ad alta durata e le architetture disaggregate portano altri costi. Inoltre, la domanda AI non compete solo “indirettamente”: può assorbire capacità produttiva, wafer, packaging avanzato e priorità commerciali dei fornitori, lasciando meno spazio alla DRAM convenzionale e alla NAND destinata a PC, smartphone e SSD consumer.

Per l’intelligenza artificiale la memoria è ancora più centrale. Addestrare e servire modelli grandi richiede acceleratori con molta capacità e moltissima banda: se la memoria HBM diventa la voce dominante nei costi dell’hardware, allora l’economia dei modelli non dipende solo dal numero di GPU o dal nodo produttivo del chip. Dipende anche da quanta memoria ad alta banda si riesce a comprare, integrare e alimentare.