Nvidia varsler AI-serverpriser over 15 procent højere

Nvidia har ifølge Bloomberg advaret nogle af sine største kunder om, at priserne på AI-servere vil stige med over 15 procent i mange tilfælde, når systemerne leveres fra begyndelsen af næste år. Det gælder blandt andet servere baseret på Nvidias kommende Vera Rubin-platform og den nuværende Grace Blackwell-familie.

Den rapporterede prisstigning skyldes især kraftigt stigende priser på hukommelseschips – både high-bandwidth memory (HBM), som bruges tæt sammen med AI-acceleratorerne, og almindelig DRAM.

Det er dog vigtigt ikke at læse meldingen som en ensartet prisstigning på præcis 15 procent for alle Nvidia-servere. Ifølge rapporteringen afhænger ændringen af chipgenerationen samt mængden og typen af hukommelse i den enkelte konfiguration. Reuters oplyste, at mediet ikke umiddelbart kunne verificere Bloomberg-oplysningerne, og der er ikke offentliggjort nogen kundemeddelelse eller officiel Nvidia-prisliste.

Hvilke systemer er omfattet?

De omtalte prisændringer vedrører servere med Nvidias AI-chips, herunder systemer bygget omkring:

• Vera Rubin, Nvidias næste generation af AI-platforme
• Grace Blackwell, den nuværende generation af platforme
• Konfigurationer, hvor den endelige pris afhænger af chipgeneration og hukommelsesopsætning

Det har stor betydning for køberne. Et rack med meget stor hukommelseskapacitet kan blive ramt anderledes end en mindre konfiguration. De tilgængelige oplysninger kan derfor ikke bruges til at beregne prisen på hver enkelt Rubin- eller Blackwell-server.

Derfor bliver hukommelse den store omkostning

AI-acceleratorer er afhængige af HBM for hurtigt at kunne flytte data mellem processorer og arbejdshukommelse. De tætte, rack-baserede AI-systemer bruger samtidig konventionel hukommelse, hvilket gør hukommelsespriserne til en stadig større del af den samlede regning.

Et brancheestimat, som er omtalt i forbindelse med Vera Rubin, vurderer, at hukommelseshalvledere kan udgøre omkring 62 procent af prisen på en Vera Rubin-superchip. Det er dog et estimat for komponenternes kostpris – ikke en bekræftet salgspris fra Nvidia.

En separat analyse fra Morgan Stanley anslår, at hukommelsen i et Vera Rubin VR200 NVL72-rack vil koste omkring 2 millioner dollar. Det er cirka 435 procent mere end det estimerede hukommelsesindhold i et GB300-rack. Analysen illustrerer, hvorfor den samlede systempris kan stige markant, selv om den konkrete prisændring varierer fra konfiguration til konfiguration.

Estimerede priser på de dyre AI-racks

Separate estimater før lancering sætter prisen på et Vera Rubin VR200 NVL72-rack til cirka 7,8 millioner dollar. Til sammenligning vurderes et Grace Blackwell GB300 NVL72-rack til omkring 4 millioner dollar.

Tallene skal læses med forbehold:

• De stammer fra analytikere eller branchekilder og er ikke Nvidias offentliggjorte listepriser.
• Sammenligningen er mellem VR200 og GB300 – ikke specifikt GB200.
• Estimaterne beskriver system- eller komponentøkonomi og kan ikke uden videre opfattes som verificerede transaktionspriser for alle kunder.

Den offentlige dokumentation understøtter derfor retningen på prisforskellen, men giver ikke en endelig pris sammenlignet direkte mellem VR200 og GB200. Den viser heller ikke, hvordan de rapporterede stigninger fordeler sig fra kunde til kunde.

Meldingen kommer før Nvidias regnskab den 26. august

Prisrapporten kom kort før Nvidias planlagte regnskabsaflæggelse for finansårets andet kvartal den 26. august. I det senest rapporterede kvartal havde Nvidia en omsætning på 81,6 milliarder dollar, heraf cirka 75,2 milliarder dollar fra datacenterforretningen. Bruttomarginen var omkring 75 procent.

Tidspunktet gør hukommelsesomkostningerne relevante for både investorer og købere af AI-infrastruktur. Højere serverpriser kan hjælpe Nvidia med at opveje dyrere input, men de øger samtidig den kapital, som cloududbydere og andre kunder skal investere i store AI-klynger. De tilgængelige kilder fastslår ikke, hvor stor en del af prisstigningen der eventuelt vil slå igennem på Nvidias marginer.

Kan dyrere Nvidia-systemer fremskynde alternativer?

Hvis Nvidia-servere bliver dyrere, kan det øge motivationen hos store cloud- og teknologivirksomheder til at sprede deres indkøb på flere acceleratorleverandører. Egne chips kan tilpasses bestemte interne arbejdsbelastninger, mens alternative standardacceleratorer kan give kunderne mere kapacitet og bedre forhandlingsposition.

Nvidias styrke ligger imidlertid ikke kun i selve GPU’en. CUDA-softwareplatformen, NVLink-netværket og den samlede hardware- og softwareløsning er centrale dele af selskabets markedsposition. En markedsanalyse vurderer, at Nvidia kontrollerer over 80 procent af markedet for avancerede AI-acceleratorer, selv om markedsandele varierer alt efter, hvordan markedet afgrænses.

Det gør et skifte vanskeligt. Kunder kan bruge AMD’s MI300-familie eller egenudviklet silicium til arbejdsbelastninger, der egner sig til det, men en eksisterende softwarestack og systemarkitektur kan kræve betydelig ingeniørindsats og tilpasning. Kilderne understøtter, at diversificering er en plausibel reaktion – ikke at alternativerne hurtigt vil fortrænge Nvidia i de største AI-datacentre.

Det er stadig ikke offentligt bekræftet

Bloomberg-rapporten understøtter en begrænset, men væsentlig konklusion: Nogle store Nvidia-kunder er angiveligt blevet informeret om prisstigninger på over 15 procent i mange tilfælde for systemer, der leveres tidligt næste år. Stigningens størrelse afhænger af chipgeneration og hukommelseskonfiguration.

Rapporten dokumenterer ikke offentligt:

• En ensartet procentvis stigning for alle systemer
• De præcise priser på Vera Rubin- eller Grace Blackwell-konfigurationer
• Kundespecifikke kontraktvilkår
• En verificeret pris sammenlignet direkte mellem VR200 og GB200
• En formel bekræftelse fra Nvidia eller de berørte kunder

Reuters gengav oplysningen som Bloomberg-rapportering og skrev, at mediet ikke umiddelbart kunne verificere den. Indtil Nvidia eller kunderne offentliggør flere detaljer, er den mest forsigtige konklusion derfor, at stigende hukommelsespriser presser økonomien i AI-servere, mens den præcise kommercielle effekt fortsat er ukendt.