Nvidia warnt Kunden vor Preiserhöhungen für AI-Server um mehr als 15 %, da die Speicherkosten steigen

Laut Bloomberg hat Nvidia einigen seiner größten Kunden mitgeteilt, dass die Preise für Server mit seinen KI-Chips auf Systemen, die ab Anfang 2027 ausgeliefert werden, um mehr als 15 Prozent steigen werden – die zweite große Preiserhöhung in weniger als einem Jahr, zusätzlich zu den Erhöhungen von rund 30 Prozent bei fast allen Produktlinien im Juli.

Die Warnung, die von Serverherstellern verbreitet wird, die Systeme für große Rechenzentrumsbetreiber zusammenbauen, kommt zu einem heiklen Zeitpunkt für die KI-Branche: Unternehmen kämpfen mit den Kosten für massive Infrastrukturausbauten, und der Speichermarkt – der angebliche Treiber des Anstiegs – zeigt keine Anzeichen einer Abkühlung. Nvidia wird voraussichtlich am 26. August Quartalsergebnisse veröffentlichen, in denen Analysten neue Details zu Nachfrage, Angebot und Kosten erwarten. Weitere Informationen zu dieser Geschichte finden Sie in unserer KI-Nachrichten.

Welche Systeme sind betroffen?

Dem Bericht zufolge wird die Erhöhung für Server gelten, die auf Nvidias Flaggschiffplattformen Grace Blackwell und der kommenden Vera Rubin-Generation basieren. Die Erhöhungen werden nicht einheitlich sein: Der Umfang der Anpassung hängt von der Generation des beteiligten Nvidia-Siliziums sowie der Menge und Konfiguration des Speichers in jedem System ab.

Serverhersteller, die große Technologieunternehmen bedienen – darunter Microsoft, Google und Oracle – haben Berichten zufolge damit begonnen, Kunden über die bevorstehenden Preisänderungen für den Systemversand Anfang 2027 zu informieren.

Die Erinnerung ist der Übeltäter

Der Hauptgrund dafür sind die steigenden Speicherkosten. Hochleistungs-KI-Systeme erfordern enorme Mengen an Speicher mit hoher Bandbreite, und die Nachfrage nach der Erweiterung des Rechenzentrums hat die Preise für HBM und LPDDR5 in die Höhe getrieben. Die Speicherhersteller Samsung Electronics, SK Hynix und Micron Technology sehen sich alle mit einer starken Nachfrage konfrontiert, da die Halbleiterkapazität zunehmend auf Speicher mit hoher Bandbreite und andere fortschrittliche Computerprodukte ausgerichtet ist.

Gaurav Gupta, Vizepräsident und Analyst bei Gartner, sagte, die Steigerungen spiegeln den Druck in der gesamten KI-Lieferkette wider, nicht nur beim RAM. „Die Speicherpreise steigen, insbesondere für HBM und LPDDR5, aber es gibt auch andere Aspekte, wie hochmoderne Foundry-Wafer, fortschrittliche Verpackungen und andere Komponentenknappheit“, sagte er gegenüber CIO.com und fügte hinzu, dass diese Probleme zu längeren Vorlaufzeiten führen, „was sich typischerweise in höheren Preisen niederschlägt.“

Und er erwartet keine baldige Erleichterung. „Im aktuellen Umfeld starker Nachfrage und begrenztem Angebot gehen wir davon aus, dass diese Situation kurz- bis mittelfristig anhalten wird“, sagte Gupta – was höhere Kosten sowohl für Unternehmen bedeutet, die ihre eigenen Server bereitstellen, als auch für diejenigen, die Rechenleistung in der Cloud mieten.

Wenig Auswahl für Käufer

Für CIOs ist das Kalkül unattraktiv. Berater und Analysten sagen, dass Unternehmen kaum eine andere Wahl haben, als zu akzeptieren, dass die Preise für KI-Infrastruktur weiter steigen werden und ein Anbieterwechsel – selbst wenn möglich – die Erhöhungen nicht umgehen würde, da sich die Speicher- und Komponentenkosten auf den gesamten Markt auswirken.

Scott Bickley, ein beratender Mitarbeiter der Info-Tech Research Group, argumentierte, dass Nvidia tatsächlich einen Teil des Schlags auf sich nimmt. Seine Berechnungen deuten darauf hin, dass das Unternehmen wahrscheinlich einen Teil seiner steigenden Kosten selbst auffrisst und nur einen Bruchteil an seine größten Kunden weitergibt. Aber er äußerte sich unverblümt über die Hebelwirkung, die Käufer haben: „Die Workload-Kosten sinken pro Token, während die zugrunde liegenden Hardware- und Infrastrukturkosten steigen“, sagte er. „Wenn Sie direkt Ihre eigenen Cluster aufbauen, ist dies ein automatischer Aufschwung zu einer ohnehin schon enorm teuren Lösung. Wenn Sie Ihre eigene Hardware kaufen, müssen Sie diese aufsaugen. Sie werden sich aus dieser Situation nicht herausverhandeln.“

Es gibt einen Lichtblick, auf den Bickley hingewiesen hat: Die Preise pro Token für KI-Modelle scheinen zu sinken, was Käufern die Möglichkeit gibt, die Hardware-Inflation einzudämmen, indem sie Arbeitslasten entwerfen, die weniger auf Rohspeicherkapazität angewiesen sind.

Holen Sie mehr aus dem heraus, was Sie bereits besitzen

Diese Strategie – mehr Nutzen aus vorhandener Hardware zu ziehen – ist der Punkt, an dem sich mehrere Analysten einig sind. Bickley verwies auf Techniken wie Modellrouting, Komprimierung und Stapelverarbeitung als Möglichkeiten, die Auslastung bereits in Betrieb befindlicher Cluster zu steigern.

Flavio Villanustre, CISO der LexisNexis Risk Solutions Group, stimmte zu, dass es sich bei dem Engpass grundsätzlich um ein Problem von Angebot und Nachfrage handelt, das ein Plateau erreichen sollte, sobald die Speicherproduktion hochgefahren wird, um die KI-gesteuerte Nachfrage zu decken – aber er geht nicht davon aus, dass dies in den nächsten Monaten passieren wird. In der Zwischenzeit, so stellte er fest, passen einige Anbieter von KI-Modellen ihre Modelle an, um in Umgebungen mit begrenztem Speicher besser zu funktionieren. Er verwies auf Googles Gemma E4B und ähnliche Modelle, die einen hierarchisch abgestuften Ansatz verwenden, der nur die notwendigen Teile eines Modells in den Speicher zieht, anstatt das gesamte Modell im RAM zu halten.

Mike Wilkes, Unternehmens-CISO bei Aikido Security, argumentierte, dass die Preiserhöhungen etwas Gutes bewirken könnten, wenn sie diszipliniertere Architekturen erzwingen würden. Unternehmen hätten die letzten Jahre damit verbracht, Grenzmodell-Tokens als „unendlich elastisches Dienstprogramm“ zu behandeln, sagte er – und Arbeitslasten an das größte Modell weiterzuleiten, unabhängig davon, ob die Aufgabe eine grenzüberschreitende Argumentation erforderte. Die richtige Architektur ist zunehmend hybrid: Sie reserviert etwa 10 Prozent des Verbrauchs für Grenzmodelle bei Problemen, die sie wirklich benötigen, und verlagert gleichzeitig Klassifizierung, Extraktion, Zusammenfassung und routinemäßige Agentenaktionen auf kleine Sprachmodelle und Open-Weight-Modelle, die auf einer vom Unternehmen kontrollierten Infrastruktur ausgeführt werden.

„Das gibt CIOs einen Hebel gegen Preistreiberei oder einseitige Preissetzung“, sagte Wilkes.

Ein Inflationssignal für die KI-Wirtschaft

Der Anstieg ist auch ein Signal dafür, wohin sich die Kosten des KI-Booms entwickeln. Da die Preise für Speicher, Wafer und Verpackungen steigen, breitet sich die Inflation von Chipherstellern über Serveranbieter bis hin zu Cloud-Anbietern und letztendlich auf Unternehmen aus, die auf KI aufbauen. Da der Gewinnbericht von Nvidia am 26. August erscheint, werden Käufer und Investoren gleichermaßen darauf achten, wie viel von diesem Kostendruck das Unternehmen aufnimmt – und wie viel es an die nachgelagerten Unternehmen weitergibt.

---

Bleib vorne bei KI

Die neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.

Mehr KI-Nachrichten lesen →