Nvidia podnosi ceny serwerów AI; wzrosty od 2027 r.

Nvidia ogłosiła podwyżki cen serwerów przeznaczonych do zastosowań AI, które mają obowiązywać dla zamówień z dostawą przewidywaną na początek 2027 r. Firma informowała o wzrostach często przekraczających 15% i wskazała na rosnące koszty pamięci HBM3e jako główny czynnik podnoszący ceny.

Podwyżki obejmą serwery wyposażone w najnowsze układy firmy, w tym Grace Blackwell (B200), Vera Rubin oraz procesory Hopper (H100, H200). Nvidia powiadomiła o zmianach swoich największych klientów korporacyjnych i dostawców usług chmurowych. Producent wskazał, że pamięć HBM3e dostarczana głównie przez Samsunga i SK Hynix stała się droższa.

Obecne ceny pojedynczych akceleratorów H100 mieszczą się w przedziale 25–40 tys. dolarów, a kompletne systemy HGX z ośmioma procesorami kosztują około 250–320 tys. dolarów. Dane rynkowe pokazują, że kontraktowe ceny sprzętu wzrosły o blisko 40% w okresie od października 2025 r. do marca 2026 r. Jednocześnie terminy realizacji zamówień pamięci HBM wydłużyły się do 3–7 miesięcy.

Nvidia ma znaczący udział w rynku akceleratorów dla sztucznej inteligencji — około 80% w segmencie akceleratorów i blisko 90% w rynku inferencji, według dostępnych szacunków. Na rynku trwają prace nad alternatywnymi układami: Google rozwija TPU Ironwood, Amazon pracuje nad Trainium 4, Microsoft wdraża Maia 200, a Meta rozwija rodzinę MTIA.

Analitycy prognozują, że udział Nvidii w rynku inferencji może spaść do 20–30% w 2028 r., jeśli konkurencyjne rozwiązania staną się szerzej dostępne w tym okresie. Prace nad własnymi chipami prowadzą główni gracze chmurowi i technologiczni, ale terminy rynkowego wdrożenia tych rozwiązań są różne.

Wyższe ceny sprzętu przekładają się też na szacunki kosztów treningu dużych modeli językowych. Koszt treningu modeli porównywalnych do GPT-5 lub Gemini Ultra jest obecnie szacowany na 200–500 mln dol., z prognozami wzrostu do 1–3 mld dol. dla generacji spodziewanej pod koniec 2027 r. OpenAI prognozuje wydatki na infrastrukturę obliczeniową na poziomie 85 mld dol. w 2028 r. i raportuje straty 1,35 dol. na każdy dolar przychodu. Według opublikowanych danych, Anthropic odnotowuje przychody przekraczające 5 mld dol. miesięcznie i deklaruje wydatki około 10 mld dol. miesięcznie na koszty inferencji i treningu.

Decyzja Nvidii dotyczy głównie zaawansowanych konfiguracji zamawianych przez dużych klientów i dostawców chmury. Producenci pamięci, tacy jak Samsung i SK Hynix, potwierdzili wzrost cen HBM3e, które Nvidia wymienia jako bezpośrednią przyczynę podwyżek cen gotowych serwerów.

Presja na łańcuchy dostaw pamięci wysokoprzepustowej i kontynuowane prace nad alternatywnymi układami będą wpływać na dostępność i ceny infrastruktury obliczeniowej dla AI w najbliższych latach.