AI-сервери Nvidia подорожчали приблизно на 15% через глобальний дефіцит пам’яті: За даними The Decoder, зростання вартості DRAM та HBM-чипів вже позначилося на прайс-листах постачальників серверних рішень для GPU-кластерів.

Для компаній, що орендують GPU-потужності через хмару, це поки що абстрактна цифра в звіті постачальника. Але для тих, хто будує власну інфраструктуру під навчання чи інференс, кожен відсоток подорожчання сервера множиться на сотні й тисячі юнітів у замовленні — і раптом бюджет, узгоджений півроку тому, вже не б’ється з рахунком.

Головна причина проста: пам’ять, яка ще недавно була рутинною статтею витрат у специфікації сервера, перетворилася на дефіцитний ресурс, за який виробники GPU-платформ і постачальники хмарних потужностей тепер конкурують між собою.

Що саме подорожчало і на скільки?

Йдеться про приблизно 15% зростання вартості готових AI-серверів на базі GPU Nvidia — конфігурацій, які включають не лише прискорювачі, а й оперативну пам’ять, накопичувачі та мережеві компоненти. The Decoder пов’язує стрибок цін саме з дефіцитом пам’яті, а не з подорожчанням самих GPU-чипів — тобто маржа Nvidia на кристалах лишається незмінною, а рахунок клієнту зростає через компоненти, які постачають треті сторони.

Для покупця це означає одне: конфігурація сервера, яку він замовляв за прайсом січня, у серпні 2026 року коштує помітно дорожче — навіть якщо специфікація GPU не змінилася жодним рядком.

Чому пам’ять раптом стала дефіцитним ресурсом?

Пам’ять для AI-серверів — це не звичайна DDR-плата з ноутбука, а HBM (High Bandwidth Memory) і серверна DRAM, виробництво яких обмежене потужностями кількох фабрик. Коли попит на AI-прискорювачі зростає швидше, ніж пам’ять під них, утворюється черга — і постачальники піднімають ціни, бо пам’яті фізично не вистачає на всіх охочих одночасно.

Ефект підсилюється тим, що ці самі фабрики виробляють пам’ять і для звичайних серверів, ноутбуків та смартфонів — тобто AI-попит відтягує потужності з суміжних ринків, а не з’являється з порожнього місця.

Кому доведеться переглядати CapEx-плани?

Насамперед — компаніям, які будують власні GPU-кластери під навчання чи інференс, а не орендують потужності в хмарі: гіперскейлерам, AI-лабораторіям і корпораціям, що інвестують у on-premise інфраструктуру. Для них 15% на сервер — це пряма стаття в бюджеті capital expenditure, яку фінансовий директор побачить уже в наступному кварталі.

• Гіперскейлери (AWS, Google Cloud, Microsoft Azure) — перерахунок вартості нових датацентрів під GPU-кластери.
• AI-лабораторії, що будують власні тренувальні ферми, — подорожчання капітальних витрат на кожен новий раунд навчання моделей.
• Корпоративні клієнти з on-premise GPU-інфраструктурою — вищий поріг входу для проєктів, які й так балансували на межі окупності.
• Постачальники хмарних GPU-послуг — тиск на маржу, який рано чи пізно перекладається на ціну оренди для кінцевого клієнта.

Ймовірно, частина цього подорожчання з часом дійде і до тарифів на оренду GPU в хмарі — хоча пряма новина фіксує лише зростання вартості самих серверів, а не роздрібних цін на обчислення.

Що з цим робити AI-білдерам зараз?

Наша теза в AiiN проста: дефіцит пам’яті — це не разовий інцидент, а сигнал того, що вартість GPU-інфраструктури більше не визначається лише ціною самого чипа. Компанії, які планують CapEx на основі прайсу GPU без урахування вартості пам’яті, ризикують отримати рахунок на 15% вищий за прогноз — і це варто закласти в бюджет заздалегідь, а не постфактум.

Практичний висновок: перед підписанням контракту на нову партію серверів варто окремо уточнювати ціну конфігурації пам’яті, а не орієнтуватися лише на прайс-лист GPU-чипа. Компанії, які вже зіткнулися з подорожчанням Blackwell-платформ — детальніше в матеріалі про підвищення цін на Vera Rubin і Grace Blackwell — варто розглядати дефіцит пам’яті як додатковий, окремий фактор ризику в бюджеті, а не як частину вже врахованого подорожчання GPU.

Чи подорожчали самі GPU-чипи Nvidia через дефіцит пам’яті?

Ні, за даними The Decoder йдеться про подорожчання готових серверних конфігурацій приблизно на 15% через ціну компонентів пам’яті, а не про перегляд прайсу на самі GPU-кристали Nvidia.

Чи вплине це на вартість оренди GPU у хмарі?

Пряма новина фіксує зростання вартості серверного заліза, а не роздрібних тарифів хмарних провайдерів; перенесення подорожчання на ціну оренди — ймовірний, але окремий процес, що залежить від рішень конкретних постачальників.

Коли дефіцит пам’яті може вщухнути?

The Decoder не називає конкретних термінів нормалізації ринку — новина фіксує поточний стан дефіциту й пов’язане з ним зростання цін станом на серпень 2026 року.