بر اساس گزارش بلومبرگ، انویدیا به برخی از بزرگترین مشتریان خود گفته است که قیمت سرورهای حاوی تراشه های هوش مصنوعی آن در سیستم های تحویل داده شده از اوایل سال 2027 بیش از 15 درصد افزایش می یابد - دومین افزایش قیمت عمده در کمتر از یک سال است که در کنار افزایش تقریباً 30 درصدی تقریباً در تمام خطوط تولید در ماه جولای رخ داده است.

این هشدار که از طریق سازندگان سرور که سیستم‌هایی را برای اپراتورهای مراکز داده بزرگ مونتاژ می‌کنند، ابلاغ شده است، در لحظه حساسی برای صنعت هوش مصنوعی قرار می‌گیرد: شرکت‌ها با هزینه ساخت زیرساخت‌های عظیم دست و پنجه نرم می‌کنند و بازار حافظه - عامل افزایش اعلام شده - هیچ نشانه‌ای از خنک شدن نشان نمی‌دهد. انویدیا قرار است نتایج فصلی را در 26 آگوست گزارش کند، جایی که تحلیلگران انتظار جزئیات تازه ای در مورد تقاضا، عرضه و هزینه ها دارند. For more context on this story, see our ongoing more AI stories.

کدام سیستم ها تحت تاثیر قرار می گیرند

بر اساس این گزارش، این افزایش برای سرورهای ساخته شده بر روی پلتفرم های پرچمدار Grace Blackwell انویدیا و نسل آینده آن Vera Rubin اعمال خواهد شد. افزایش یکنواخت نخواهد بود: اندازه تنظیم بستگی به تولید سیلیکون Nvidia درگیر و مقدار و پیکربندی حافظه در هر سیستم دارد.

طبق گزارش‌ها، سازندگان سروری که به شرکت‌های فناوری بزرگ - از جمله مایکروسافت، گوگل و اوراکل - خدمات ارائه می‌دهند، شروع به اطلاع رسانی به مشتریان در مورد تغییرات قیمت آتی سیستم‌های ارسالی در اوایل سال 2027 کرده‌اند.

حافظه مقصر است

محرک اصلی افزایش هزینه حافظه است. سیستم‌های هوش مصنوعی با کارایی بالا به مقادیر زیادی حافظه با پهنای باند بالا نیاز دارند و تقاضا برای گسترش مرکز داده قیمت‌های HBM و LPDDR5 را بالا برده است. تولیدکنندگان حافظه Samsung Electronics، SK Hynix و Micron Technology همگی با تقاضای زیادی روبرو هستند زیرا ظرفیت نیمه هادی به طور فزاینده ای به سمت حافظه با پهنای باند بالا و سایر محصولات محاسباتی پیشرفته هدایت می شود.

Gaurav Gupta، معاون و تحلیلگر گارتنر، گفت که این افزایش ها منعکس کننده فشارها در کل زنجیره تامین هوش مصنوعی است، نه فقط RAM. او به CIO.com گفت: «قیمت‌های حافظه، به‌ویژه HBM و LPDDR5 در حال افزایش هستند، اما جنبه‌های دیگری مانند ویفرهای ریخته‌گری پیشرو، بسته‌بندی پیشرفته و کمبودهای دیگر وجود دارد.

و او انتظار تسکین به زودی را ندارد. گوپتا گفت: «در محیط فعلی تقاضای قوی و عرضه محدود، ما انتظار داریم این وضعیت در کوتاه‌مدت تا میان‌مدت ادامه پیدا کند» - به معنای هزینه‌های بالاتر هم برای سازمان‌هایی که سرورهای خود را مستقر می‌کنند و هم برای کسانی که محاسبات را در فضای ابری اجاره می‌کنند.

انتخاب کمی برای خریداران

برای CIOها، محاسبات جذاب نیست. مشاوران و تحلیلگران می‌گویند که شرکت‌ها انتخاب کمی دارند جز اینکه بپذیرند قیمت‌گذاری زیرساخت‌های هوش مصنوعی همچنان در حال افزایش است و تعویض تامین‌کنندگان - حتی در صورت امکان - از این افزایش‌ها چشم پوشی نمی‌کند، زیرا هزینه‌های حافظه و قطعات بر کل بازار تأثیر می‌گذارد.

اسکات بیکلی، مشاور گروه تحقیقاتی Info-Tech، استدلال می کند که انویدیا در واقع بخشی از ضربه را جذب می کند. محاسبات او نشان می دهد که این شرکت احتمالاً بخشی از هزینه های فزاینده خود را می خورد و تنها بخشی از آن را به بزرگترین مشتریان خود منتقل می کند. اما او در مورد اهرم‌هایی که خریداران دارند صریح بود: «هزینه حجم کار به ازای هر توکن کاهش می‌یابد در حالی که هزینه‌های سخت‌افزاری و زیرساختی در حال افزایش است». "اگر شما مستقیماً در حال ساختن خوشه های خود هستید، این یک ارتقای خودکار به یک راه حل بسیار گران قیمت است. اگر سخت افزار خود را می خرید، باید آن را بخرید. شما برای خروج از این موضوع مذاکره نمی کنید."

یک خط نقره ای وجود دارد که بیکلی به آن اشاره کرد: به نظر می رسد قیمت هر توکن مدل های هوش مصنوعی در حال کاهش است، که به خریداران راهی برای کاهش تورم سخت افزار با معماری حجم کاری که کمتر به ظرفیت حافظه خام وابسته است، می دهد.

فشردن بیشتر از آنچه قبلاً دارید

این استراتژی - بدست آوردن مسافت پیموده شده بیشتر از سخت افزار موجود - جایی است که چندین تحلیلگر با هم همگرا می شوند. بیکلی به تکنیک‌هایی مانند مسیریابی مدل، فشرده‌سازی و پردازش دسته‌ای به عنوان راه‌هایی برای افزایش استفاده از خوشه‌هایی که قبلاً در خدمت هستند اشاره کرد.

Flavio Villanustre، CISO برای گروه راه‌حل‌های ریسک LexisNexis، موافقت کرد که این فشار اساساً یک مشکل عرضه و تقاضا است که باید پس از افزایش تولید حافظه برای پاسخگویی به تقاضای مبتنی بر هوش مصنوعی افزایش یابد - اما او نمی‌بیند که در چند ماه آینده چنین اتفاقی بیفتد. در همین حال، او خاطرنشان کرد، برخی از فروشندگان مدل‌های هوش مصنوعی مدل‌های خود را برای اجرای بهتر در محیط‌های دارای محدودیت حافظه تطبیق می‌دهند. او به Gemma E4B گوگل و مدل‌های مشابه اشاره کرد که از یک رویکرد سلسله مراتبی استفاده می‌کنند که تنها بخش‌های ضروری یک مدل را به جای نگه داشتن کل مدل در RAM به حافظه می‌کشد.

مایک ویلکس، CISO سازمانی در آیکیدو سکیوریتی، استدلال می‌کند که افزایش قیمت‌ها در صورتی که معماری‌های منضبط‌تری را تحمیل کند، می‌تواند مفید باشد. او گفت که شرکت‌ها در چند سال گذشته با توکن‌های مدل مرزی به‌عنوان یک «ابزار بی‌نهایت کشسان» رفتار کرده‌اند - بدون در نظر گرفتن اینکه آیا این کار به استدلال سطح مرزی نیاز دارد یا خیر. معماری درست به طور فزاینده‌ای ترکیبی است: تقریباً 10 درصد مصرف را برای مدل‌های مرزی برای مشکلاتی که واقعاً به آن‌ها نیاز دارند، رزرو می‌کنند، در حالی که طبقه‌بندی، استخراج، خلاصه‌سازی و اقدامات معمولی عامل را به سمت مدل‌های زبان کوچک و مدل‌های وزن باز اجرا می‌کنند که روی زیرساخت‌هایی که سازمان کنترل می‌کند، پیش می‌رود.

ویلکس گفت: «این به مدیران ارشد اهرمی در برابر افزایش قیمت یا تعیین قیمت یکجانبه می‌دهد.

سیگنال تورمی برای اقتصاد هوش مصنوعی

این افزایش همچنین سیگنالی است در مورد اینکه هزینه های رونق هوش مصنوعی به کجا می رود. با افزایش قیمت حافظه، ویفرها و بسته بندی ها، تورم از تولیدکنندگان تراشه گرفته تا فروشندگان سرور و ارائه دهندگان ابر و در نهایت به شرکت هایی که بر اساس هوش مصنوعی ساخته می شوند، گسترش می یابد. با توجه به گزارش درآمد انویدیا که در 26 آگوست منتشر می شود، خریداران و سرمایه گذاران به طور یکسان مراقب این هستند که شرکت چقدر از این فشار هزینه را جذب می کند - و چه مقدار از آن به پایین دست منتقل می شود.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →