Non è solo colpa dell'AI: così gli scalper stanno prosciugando il mercato delle DDR5

La domanda senza precedenti di memoria ad alte prestazioni, trainata dai carichi di lavoro legati all'intelligenza artificiale, ha compresso l'offerta di moduli DDR5 sul mercato e spinto i prezzi verso l'alto. Tuttavia, dietro una dinamica la cui evoluzione resta difficile da prevedere non c'è soltanto la pressione esercitata dai datacenter.

A incidere è anche un fenomeno ben noto nel settore tecnologico: lo scalping. Operatori specializzati acquistano rapidamente le scorte disponibili, contribuendo ad accentuare la percezione di scarsità, per poi rivendere i prodotti a prezzi significativamente maggiorati sui canali secondari, con l'obiettivo di massimizzare il margine.

Non si tratta di una dinamica nuova nel settore tecnologico: fenomeni analoghi hanno interessato console e GPU di fascia alta, come PlayStation 5 o GeForce RTX 5090 nelle fasi immediatamente successive al lancio. Tuttavia, nel caso della memoria DDR5, il contesto è aggravato da una tensione strutturale sull'offerta.

Secondo un'analisi condotta dal team di ricerca Galileo di DataDome, la memoria RAM di ultima generazione è al centro di operazioni di scalping sempre più strutturate. L'azienda, specializzata nella protezione di siti web da attacchi automatizzati, ha rilevato e bloccato oltre 10 milioni di richieste di scraping riconducibili a un'unica campagna focalizzata sui moduli DDR5.

L'operazione individuata si basava su bot in grado di generare oltre 50.000 richieste all'ora. In un campione analizzato per 60 minuti, sono state osservate 91 pagine prodotto distinte, ciascuna interrogata mediamente 550 volte. In termini pratici, significa che lo stock di uno specifico kit di memoria veniva controllato ogni 6,5 secondi.

Il traffico automatico, secondo i dati raccolti, colpiva le pagine dedicate alla DDR5 quasi sei volte più frequentemente rispetto al traffico legittimo. L'obiettivo era monitorare prezzi e disponibilità in tempo reale per acquistare rapidamente i moduli più richiesti e rivenderli sui marketplace secondari con margini elevati.

Un elemento rilevante emerso dall'indagine è l'ampiezza dei target. I bot non si limitavano ai kit consumer di marchi come Corsair, Kingston o Crucial, ma estendevano lo scraping anche a fornitori B2B di moduli industriali e persino a componenti di base come socket DIMM e connettori CAMM2.

Questo suggerisce un interesse speculativo lungo tutta la catena del valore, dai moduli destinati a workstation e server fino ai componenti hardware necessari all'assemblaggio. Una dinamica coerente con il fatto che, secondo le stime citate nell'analisi, i datacenter potrebbero assorbire fino al 70% dell'offerta globale di memoria nell'anno in corso.

La riallocazione produttiva verso moduli server ad alto margine, a scapito delle linee consumer, ha ulteriormente ridotto la disponibilità per il mercato retail, creando un terreno favorevole per operazioni speculative automatizzate.

Dal punto di vista tecnico, ogni richiesta includeva parametri di cache-busting per evitare contenuti memorizzati e ottenere sempre dati aggiornati su prezzi e disponibilità. Le sessioni erano composte da una singola visita alla pagina prodotto, senza interazioni con carrello o funzioni di ricerca.

Il traffico seguiva un'apparente alternanza giorno/notte per simulare un comportamento umano, ma manteneva volumi costanti anche nei weekend, senza le tipiche flessioni del 20-40% osservabili nel commercio elettronico tradizionale. I grafici evidenziavano picchi "piatti", indicativi di una calibrazione studiata per restare appena sotto le soglie di allarme volumetrico dei sistemi di protezione.

Quando si verificavano problemi tecnici, il traffico crollava improvvisamente per poi tornare al 100% della capacità nel giro di pochi minuti: un comportamento incompatibile con visitatori distribuiti organicamente.

A fronte di quanto osservato, secondo DataDome emerge un limite delle difese tradizionali: il semplice blocco per IP o il rate-limiting non risultano sufficienti contro bot in grado di distribuire le richieste e autoregolarsi per eludere le soglie. È necessario adottare sistemi di analisi comportamentale avanzata, capaci di individuare pattern anomali indipendentemente dall'infrastruttura utilizzata.