Nvidia-AI-Server könnten um mehr als 15 Prozent teurer werden

Bloomberg zufolge hat Nvidia einige seiner größten Kunden davor gewarnt, dass die Preise für AI-Server in vielen Fällen um mehr als 15 Prozent steigen werden. Die höheren Preise sollen für Systeme gelten, die Anfang kommenden Jahres ausgeliefert werden und unter anderem auf den Plattformen Vera Rubin und Grace Blackwell basieren. Als Auslöser gelten stark gestiegene Kosten für Speicherchips – insbesondere für High-Bandwidth Memory (HBM) und herkömmlichen DRAM.

Wichtig ist die Einschränkung: Die Meldung belegt keinen pauschalen Aufschlag von 15 Prozent für jeden Nvidia-Server. Laut der Berichterstattung soll die Anpassung von der jeweiligen Chipgeneration sowie von Umfang und Typ des verbauten Speichers abhängen. Reuters konnte die Angaben zunächst nicht unabhängig bestätigen; eine öffentliche Nvidia-Preisliste oder ein offizielles Kundenschreiben liegt nicht vor.

Welche Systeme betroffen sein sollen

Nach dem Bloomberg-Bericht beziehen sich die angekündigten Änderungen auf Server mit Nvidia-AI-Chips, darunter:

• Vera Rubin als nächste AI-Plattform des Unternehmens
• Grace Blackwell als aktuelle Plattformfamilie
• unterschiedliche Konfigurationen, bei denen die Speicherbestückung den Endpreis mitbestimmt

Für Käufer ist dieser Unterschied entscheidend. Ein Rack-System mit besonders großer Speicherkapazität könnte deutlich anders kalkuliert werden als eine Variante mit geringerer Ausstattung. Aus den bisher bekannten Informationen lässt sich deshalb kein verlässlicher Preis für jeden Rubin- oder Blackwell-Server ableiten.

Warum Speicher zum Kostentreiber wird

AI-Beschleuniger benötigen HBM, um Daten mit hoher Geschwindigkeit zwischen Prozessor und Arbeitsspeicher zu bewegen. In dicht bestückten AI-Systemen kommt zusätzlich konventioneller Speicher zum Einsatz. Damit wächst der Anteil der Speicherchips an den Gesamtkosten der Infrastruktur.

Eine in der Berichterstattung zitierte Branchenanalyse schätzt, dass Speicherhalbleiter rund 62 Prozent der Kosten eines Vera-Rubin-Superchips ausmachen könnten. Dabei handelt es sich um eine Schätzung der Komponenten beziehungsweise der Stückliste – nicht um einen bestätigten Verkaufspreis von Nvidia.

Eine separate Analyse von Morgan Stanley veranschlagt den Speicheranteil eines Vera-Rubin-VR200-NVL72-Racks auf etwa 2 Millionen US-Dollar. Das wären rund 435 Prozent mehr als der geschätzte Speicherinhalt eines GB300-Racks. Die Zahlen erklären, weshalb sich die Gesamtkosten je nach Konfiguration stark verändern können.

Rack-Schätzungen zeigen die Größenordnung

Unabhängige Vorab-Schätzungen setzen den Preis eines Vera Rubin VR200 NVL72 bei ungefähr 7,8 Millionen US-Dollar an. Zum Vergleich: Für ein Grace Blackwell GB300 NVL72 werden rund 4 Millionen US-Dollar genannt.

Diese Werte sollten mit Vorsicht interpretiert werden:

• Es handelt sich um Analysten- oder Branchenschätzungen, nicht um veröffentlichte Nvidia-Listenpreise.
• Der konkrete Vergleich bezieht sich auf VR200 und GB300, nicht direkt auf VR200 und GB200.
• Komponenten- und Systemschätzungen sind nicht automatisch die tatsächlich ausgehandelten Preise für jeden Kunden.

Die öffentlich verfügbaren Daten zeigen daher zwar die Richtung des Kostenanstiegs, liefern aber weder einen definitiven VR200-gegen-GB200-Preisvergleich noch eine Konfigurationstabelle für die angekündigten Erhöhungen.

Der Zeitpunkt vor Nvidias Zahlen am 26. August

Der Bericht kam kurz vor Nvidias für den 26. August geplanten Bericht zum zweiten Quartal des Geschäftsjahres. Im vorherigen gemeldeten Quartal erzielte Nvidia 81,6 Milliarden US-Dollar Umsatz, davon rund 75,2 Milliarden US-Dollar im Rechenzentrumsgeschäft. Die Bruttomarge lag bei etwa 75 Prozent.

Für Investoren und Betreiber großer AI-Infrastrukturen ist der Zeitpunkt deshalb relevant. Höhere Serverpreise könnten Nvidia helfen, gestiegene Einkaufskosten teilweise auszugleichen. Gleichzeitig erhöhen sie den Kapitalbedarf von Cloud-Anbietern und anderen Unternehmen, die große AI-Cluster aufbauen. Die verfügbaren Quellen zeigen jedoch nicht, welcher Anteil der gemeldeten Erhöhung letztlich Nvidias Margen zugutekommen würde.

Warum Kunden nach Alternativen suchen könnten

Steigende Preise könnten den Anreiz für große Cloud- und Technologiekonzerne verstärken, ihre Beschaffung zu diversifizieren. Eigene Chips lassen sich auf bestimmte interne Modelle und Arbeitslasten zuschneiden. Alternative Beschleuniger können zudem zusätzliche Kapazitäten und bessere Verhandlungsspielräume schaffen.

Nvidias Stärke liegt allerdings nicht nur in den GPUs. Zum Gesamtpaket gehören die CUDA-Software, das NVLink-Netzwerk und ein weitgehend integriertes Hardware- und Software-Ökosystem. Eine Marktanalyse schätzt, dass Nvidia mehr als 80 Prozent des High-End-Markts für AI-Beschleuniger kontrolliert. Solche Marktanteilsangaben hängen jedoch davon ab, wie der Markt abgegrenzt wird.

AMD-Beschleuniger aus der MI300-Familie sowie kundenspezifische Chips von Cloud-Anbietern können für geeignete Anwendungen eine Alternative darstellen. Der Wechsel einer bestehenden Softwareumgebung und Systemarchitektur verursacht jedoch beträchtlichen Entwicklungs- und Kompatibilitätsaufwand. Die verfügbaren Informationen machen eine stärkere Diversifizierung plausibel, belegen aber keinen schnellen Ersatz von Nvidia in großen Rechenzentren.

Was bislang nicht bestätigt ist

Die Bloomberg-Meldung stützt eine begrenzte, aber wichtige Aussage: Einige große Nvidia-Kunden sollen für früh im kommenden Jahr ausgelieferte Systeme in vielen Fällen über Preiserhöhungen von 15 Prozent informiert worden sein. Die Höhe soll von Chipgeneration und Speicherbestückung abhängen.

Nicht öffentlich belegt sind dagegen:

• ein einheitlicher Aufschlag für alle Systeme
• exakte Preise für einzelne Vera-Rubin- oder Grace-Blackwell-Konfigurationen
• kundenspezifische Vertragsbedingungen
• ein verifizierter Preisvergleich zwischen VR200 und GB200
• eine formelle Bestätigung durch Nvidia oder die betroffenen Kunden

Reuters gab die Information als Bericht von Bloomberg wieder und erklärte, die Angaben zunächst nicht unabhängig überprüfen zu können. Bis Nvidia oder seine Kunden konkrete Preisdaten veröffentlichen, bleibt daher vor allem diese Schlussfolgerung belastbar: Die Verteuerung von Speicher verschärft die Kostenprobleme der AI-Infrastruktur – die genauen kommerziellen Auswirkungen bleiben jedoch vertraulich.