Бум искусственного интеллекта начинает менять не только рынок графических ускорителей, но и всю экономику дата-центров. По данным, на которые ссылается китайское издание QbitAI, крупнейших клиентов Nvidia предупредили: серверные системы с поставкой в начале 2027 года могут подорожать более чем на 15%. В отдельных конфигурациях рост может достигнуть примерно 17%.

Речь идет о системах текущего поколения Grace Blackwell, включая GB300, а также о будущей платформе Vera Rubin. Главный фактор — резкий рост стоимости памяти, прежде всего серверной DRAM и высокоскоростной HBM-памяти, необходимой для обучения и работы крупных ИИ-моделей.

На первый взгляд, рост на 15–17% выглядит как очередная корректировка прайс-листа. Но в инфраструктуре ИИ такие проценты превращаются в миллиарды долларов.

Согласно оценкам, стойка Vera Rubin с 72 GPU сегодня может стоить около 7 млн долларов, а после повышения — приблизиться к 8 млн. Для дата-центра мощностью 1 ГВт дополнительные расходы только из-за новой цены серверов могут составить не менее 5 млрд долларов.

При этом стоимость систем меняется не только из-за самих GPU. На цену влияют:

передовые техпроцессы и производство чипов;

упаковка и интеграция компонентов;

сетевое оборудование;

системы охлаждения;

накопители NVMe;

оперативная память и HBM.

По словам участников рынка, цены на некоторые комплектующие способны заметно меняться даже в течение недели. Это превращает закупки ИИ-инфраструктуры в игру с высокой неопределенностью: заказчик должен резервировать не только чипы, но и бюджет на колебания цепочки поставок.

Главная проблема заключается в конкуренции за производственные мощности. Обычная серверная DRAM, память для ПК и смартфонов, а также HBM используют общий ресурс — кремниевые пластины и передовые линии производства.

HBM особенно требовательна к ресурсам: она использует более крупные кристаллы, многоуровневое вертикальное стекование и сложную упаковку. Поэтому при росте спроса на ИИ-ускорители производителям памяти выгоднее направлять мощности именно на HBM, сокращая относительное предложение обычной DRAM.

Согласно оценкам TrendForce, приведенным в исходном материале:

контрактные цены на традиционную DRAM во втором квартале 2026 года могли вырасти на 58–63% квартал к кварталу;

NAND Flash — на 70–75%;

серверная DRAM продолжает дорожать и во второй половине 2026 года;

дефицит может сохраняться вплоть до второй половины 2027 года.

В результате облачные провайдеры и производители серверов уже вынуждены менять конфигурации: вместо модулей на 96 ГБ и 128 ГБ чаще рассматриваются более дешевые варианты на 32 ГБ и 64 ГБ. Nvidia, по сообщениям источников, также пересматривает варианты памяти для будущих систем Rubin Ultra.

Серверы стали уже третьим звеном в цепочке подорожания продукции Nvidia в 2026 году. Ранее давление затронуло потребительские видеокарты серии RTX 50, а затем и профессиональные ускорители RTX PRO 6000 Blackwell.

Важно различать розничную цену и официальную цену производителя: стоимость видеокарт в магазинах зависит не только от Nvidia, но и от запасов дистрибьюторов, спроса, региональных поставок и наценок. Однако общая тенденция очевидна: дефицит памяти и сложность поставок поднимают стоимость вычислений от массового игрового сегмента до многомиллионных серверных комплексов.

Рост стоимости памяти — лишь часть более широкой проблемы. Для облачных компаний и разработчиков моделей недостаточно купить ускорители: нужно найти землю, получить подключение к энергосетям, построить охлаждение, развернуть сеть и запустить весь комплекс в срок.

Именно поэтому Nvidia все активнее входит в инфраструктурный слой рынка. Компания инвестирует в девелоперов дата-центров и сотрудничает с финансовыми институтами, стремясь ускорить строительство ИИ-мощностей. Ее интерес уже выходит за рамки вопроса «можем ли мы произвести GPU?» и охватывает новые: «есть ли у клиента деньги?», «где разместить кластер?» и «когда к нему подведут электричество?».

Парадокс ИИ-бума в том, что огромный спрос на GPU спровоцировал взрывной спрос на HBM, а тот начал вытеснять обычную память и повышать себестоимость самих ИИ-систем. Индустрия, которая долго считала главным ограничением доступность ускорителей, теперь все отчетливее сталкивается с дефицитом памяти, энергии и готовой инфраструктуры.