Nvidia ostrzega klientów: serwery AI podrożeją przez drożejącą pamięć

Bloomberg poinformował, że Nvidia ostrzegła część swoich największych klientów przed podwyżkami cen serwerów wykorzystujących platformy Vera Rubin i Grace Blackwell. W wielu przypadkach ceny systemów wysyłanych na początku przyszłego roku mają wzrosnąć o ponad 15%. Jako główny powód wskazywany jest gwałtowny wzrost kosztów układów pamięci — zarówno pamięci o wysokiej przepustowości HBM, jak i konwencjonalnej pamięci DRAM.

Nie oznacza to jednak jednolitej, 15-procentowej dopłaty do każdego serwera Nvidii. Skala podwyżki ma zależeć od generacji zastosowanych układów oraz ilości i rodzaju pamięci w konkretnej konfiguracji. Reuters zaznaczył, że nie był w stanie od razu niezależnie zweryfikować tych informacji. Nie opublikowano również oficjalnego komunikatu klientów ani cennika Nvidii.

Co według Bloomberga usłyszeli klienci

Raportowane zmiany mają dotyczyć systemów zawierających układy AI Nvidii, w tym konfiguracji opartych na:

• Vera Rubin — kolejnej generacji platformy AI Nvidii,
• Grace Blackwell — obecnej rodziny platform firmy,
• różnych wariantach, w których końcowa cena zależy od generacji układu oraz konfiguracji pamięci.

Dla nabywców to istotne rozróżnienie. Rozbudowana szafa z dużą ilością pamięci może podrożeć inaczej niż konfiguracja o mniejszej pojemności. Na podstawie dostępnych publikacji nie da się więc wyliczyć ceny każdego serwera Rubin czy Blackwell.

Dlaczego pamięć tak mocno podbija koszty

Akceleratory AI korzystają z pamięci o wysokiej przepustowości, aby szybko wymieniać dane z procesorem. Gęsto upakowane systemy AI używają także zwykłej pamięci operacyjnej, dlatego pamięć stanowi coraz większą część rachunku za cały serwer lub szafę obliczeniową.

Jedno z szacowań przywoływanych w doniesieniach dotyczących Very Rubin wskazuje, że półprzewodniki pamięci mogą odpowiadać za około 62% kosztu superchipa tej platformy. To jednak szacunek kosztu komponentów, a nie potwierdzona cena sprzedaży Nvidii.

Morgan Stanley oszacował z kolei, że pamięć w szafie Vera Rubin VR200 NVL72 kosztowałaby około 2 mln dolarów — mniej więcej o 435% więcej niż szacowana zawartość pamięci w szafie GB300. Analiza pomaga wyjaśnić, dlaczego ceny całych systemów mogą rosnąć, choć skala podwyżki będzie różna w zależności od konfiguracji.

Vera Rubin za 7,8 mln dolarów? To tylko szacunek

Niezależne szacunki przed rozpoczęciem szerokich dostaw wyceniają szafę Vera Rubin VR200 NVL72 na około 7,8 mln dolarów, w porównaniu z około 4 mln dolarów za Grace Blackwell GB300 NVL72.

Do tych liczb należy podchodzić ostrożnie:

• są to szacunki analityków lub branży, a nie opublikowane ceny katalogowe Nvidii;
• porównanie dotyczy VR200 i GB300, a nie konkretnie GB200;
• wartości opisują ekonomię systemu lub koszt komponentów i nie muszą odpowiadać rzeczywistym cenom transakcyjnym dla każdego klienta.

Dostępne dane pokazują zatem kierunek zmian kosztowych, ale nie pozwalają potwierdzić definitywnego porównania cen VR200 z GB200 ani przygotować harmonogramu podwyżek dla poszczególnych klientów.

Doniesienia tuż przed wynikami Nvidii

Informacja o podwyżkach pojawiła się na kilka dni przed zaplanowaną na 26 sierpnia publikacją wyników Nvidii za drugi kwartał roku fiskalnego. W poprzednim raportowanym kwartale spółka osiągnęła 81,6 mld dolarów przychodów, z czego około 75,2 mld dolarów pochodziło z centrów danych. Marża brutto wyniosła około 75%.

Dla inwestorów i operatorów infrastruktury AI kwestia pamięci jest więc szczególnie ważna. Wyższe ceny serwerów mogą pomóc Nvidii częściowo zrekompensować droższe komponenty, ale jednocześnie zwiększą wydatki chmurowych gigantów budujących wielkie klastry AI. Dostępne źródła nie przesądzają, jaka część podwyżki przełożyłaby się na marże Nvidii.

Czy klienci zaczną szukać alternatyw?

Wyższe ceny systemów Nvidii mogą wzmocnić motywację największych firm technologicznych i dostawców chmury do dywersyfikacji zakupów. Amazon, Microsoft, Google i Meta mają powody, by rozwijać własne układy: pozwalają one lepiej dopasować sprzęt do wewnętrznych obciążeń, ograniczyć zależność od jednego dostawcy i zyskać większą siłę negocjacyjną.

Największą przewagą Nvidii nie jest jednak sam procesor graficzny. Ważną rolę odgrywają również ekosystem programistyczny CUDA, infrastruktura komunikacyjna NVLink oraz szersza platforma obejmująca sprzęt i oprogramowanie. Według jednego z rynkowych komentarzy Nvidia kontroluje ponad 80% segmentu zaawansowanych akceleratorów AI, choć udział zależy od sposobu zdefiniowania rynku.

To sprawia, że zmiana dostawcy nie jest prostą zamianą jednego układu na drugi. Akceleratory AMD z rodziny MI300 mogą obsługiwać część zastosowań, a autorskie procesory — takie jak układy projektowane przez dostawców chmury — mogą być opłacalne przy stabilnych, powtarzalnych obciążeniach. Przeniesienie istniejącego stosu oprogramowania i architektury systemu wiąże się jednak z kosztami inżynieryjnymi oraz problemami z kompatybilnością.

Najbardziej prawdopodobny scenariusz zakłada więc uzupełnianie infrastruktury Nvidii przez układy AMD i rozwiązania projektowane we własnym zakresie, a nie szybkie wyparcie Nvidii z dużych centrów danych AI. Dostępne dowody potwierdzają, że dywersyfikacja jest możliwą odpowiedzią, ale nie pokazują, by alternatywy miały w krótkim czasie zastąpić systemy tej firmy na dużą skalę.

Czego wciąż nie potwierdzono

Raport Bloomberga prowadzi do ograniczonego, ale istotnego wniosku: część dużych klientów Nvidii miała zostać poinformowana o podwyżkach przekraczających w wielu przypadkach 15% dla dostaw realizowanych na początku przyszłego roku. Skala zmian ma zależeć od generacji układu i konfiguracji pamięci.

Publicznie nie potwierdzono natomiast:

• jednolitej podwyżki dla wszystkich systemów;
• dokładnych cen konfiguracji Vera Rubin i Grace Blackwell;
• warunków umów poszczególnych klientów;
• wiarygodnego porównania VR200 z GB200;
• formalnego potwierdzenia treści powiadomień przez Nvidię lub zainteresowanych klientów.

Reuters przedstawił te informacje jako doniesienia Bloomberga i zaznaczył, że nie zdołał ich od razu zweryfikować. Dopóki Nvidia lub jej klienci nie ujawnią szczegółów, najbardziej ostrożna interpretacja jest taka, że drożejąca pamięć pogarsza ekonomikę serwerów AI, ale dokładny wpływ handlowy pozostaje niepubliczny.