NVIDIA удвоила цены на память HBM — дефицит затянется до 2030 года
NVIDIA представила платформу Vera Rubin NVL72, которая ускоряет ИИ-вычисления в 3,7 раза и повышает энергоэффективность в 10 раз по сравнению с предшественником. Однако этот технологический прорыв сопровождается парадоксом: растущий спрос на память HBM удваивает себестоимость компонентов для смартфонов и ноутбуков.
Vera Rubin NVL72 обрабатывает запросы в 3,7 раза быстрее предшественника по сырой скорости и в 10 раз эффективнее по энергии — производительность на ватт выросла десятикратно. Платформа, запущенная в июле 2026 года, делает ИИ-вычисления заметно дешевле для тех, кто их покупает. Но в сентябре корпорация вошла в число главных драйверов дефицита памяти HBM (High Bandwidth Memory — высокопропускная память, работающая прямо на чипе), удвоив себестоимость компонентов для смартфонов и ноутбуков. NVIDIA ускоряет ИИ для одних и поднимает цены для всех остальных. Этот парадокс определяет текущую стратегию компании.
Почему эффективность не снижает цены на электронику
Каждое новое поколение платформ сокращает стоимость одного токена — единицы текста, которую генерирует модель. Vera Rubin NVL72 обеспечивает 10-кратный рост производительности на ватт по сравнению с предыдущим поколением Grace Blackwell, а система управления энергией DSX выжимает из каждого киловатта на 24% больше вычислений. Для операторов дата-центров это означает, что тот же бюджет на электричество покрывает больший объем работы.
Но за этой эффективностью скрывается другая сторона. Спрос на память HBM настолько велик, что производители перенаправляют мощности с потребительской DRAM и NAND на более маржинальный сегмент ИИ-инфраструктуры. HBM требует в три раза больше кремния для выпуска того же объёма памяти, чем обычная DRAM. Это физическое ограничение, а не рыночный ажиотаж. NVIDIA вместе с AMD, Meta⋆ и Microsoft готова заключать долгосрочные контракты на HBM по максимально возможным ценам, что закрепляет приоритет ИИ-сегмента. Рост цен — структурный эффект перераспределения мощностей всей индустрии памяти, а не целенаправленная политика одного поставщика.
Для бизнеса это значит: дешевеет именно ИИ-вычисление, но дорожает всё остальное — память, компоненты для конечных устройств. Ряд отраслевых аналитиков прогнозирует сохранение дефицита до 2030 года. Эффективность работает внутри экосистемы, а издержки распределяются по всей цепочке поставок электроники.
Как открытые стандарты скрывают закрытую экосистему
В 2026 году компания запустила серию открытых инициатив: OpenShell для изолированного выполнения команд ИИ-агентов, стандарт SAFE для обмена обезличенными данными об инцидентах безопасности, физический движок Newton для симуляции роботов, инициативу Storage-Next для стандартизации хранилищ. В августе она купила Hugging Face за $12,9 млрд — платформу с 18 миллионами разработчиков и 3 миллионами моделей. Формально открытый статус Hugging Face сохраняется: разработчикам не требуется использовать вычислительные мощности нового владельца.
На аппаратном уровне картина иная. Коммутаторы Spectrum-6, поставки которых начались в июле, достигают максимальной производительности только при использовании полного стека решений компании. Смешивание оборудования разных производителей в одной сети не даёт заявленных характеристик. Партнерство с SK Hynix перешло в режим совместного проектирования: память разрабатывается не как универсальный компонент, а как элемент, вписанный в конкретную платформу.
Открытость NVIDIA — это инструмент удержания, а не принцип. На уровне программного обеспечения компания продвигает стандарты, которые делают экосистему привлекательной для разработчиков. На уровне железа каждый компонент оптимизирован под конкретную платформу, и замена любого элемента на аналог от конкурента снижает производительность.
При этом открытые стандарты объективно снижают барьер входа: разработчик из любой страны может использовать OpenShell или Newton без лицензии. Экосистема расширяется, даже если железо остаётся привязанным к одной платформе.
Этот подход работает, пока у конкурентов нет сопоставимой экосистемы. Китайские лаборатории в 2026 году захватили лидерство в выпуске открытых моделей с триллионами параметров, а NVIDIA использует собственные открытые модели как инструмент продвижения железа. Разрыв между «открытым» и «закрытым» сокращается, и вопрос в том, какой слой — программный или аппаратный — окажется определяющим.
Что происходит после ухода Хуанга
12 ноября 2026 года совет директоров принял решение об отставке Дженсена Хуанга (Jensen Huang) с поста генерального директора. По сообщениям, причиной стал скандал: Хуанг публично признал отношения с сотрудницей, которую власти США подозревают в передаче информации Китаю. Дело находится на стадии расследования. Эта же женщина, по данным следствия, занимает руководящую должность в сингапурской фирме, которой предъявлены обвинения в обходе экспортных ограничений на чипы.
Хуанг был не только CEO, но и ключевым публичным голосом в вопросах открытых стандартов и безопасности ИИ-агентов. Его уход создаёт неопределённость: по данным отрасли, крупные инвесторы, включая Apollo и BlackRock, использовали GPU компании как залог для финансирования строительства дата-центров на сумму до $500 млрд. Падение акций на фоне скандала бьёт по этим схемам напрямую.
Сделки на $12,9 млрд (Hugging Face) и $500 млрд (инфраструктурный проект с SK Group) были заключены при его участии. Это два независимых объёма: первый — покупка платформы, второй — совместное строительство ИИ-инфраструктуры в Азиатско-Тихоокеанском регионе. Но у компании есть производственные мощности, сертифицированные стандарты и долгосрочные контракты, которые не зависят от одного человека. Вероятно, институциональная инерция сохранится, однако скорость принятия решений по новым открытым инициативам может снизиться.
Где энергия становится главным ограничителем
Энергопотребление стало главным ограничителем масштабирования ИИ в США: традиционные процедуры подключения дата-центров к сетям не учитывали возможность динамического изменения нагрузки. В сентябре компания совместно с Google и Emerald AI запустила альянс AEMA (AI Energy Management Alliance) для стандартизации гибкого энергопотребления. Идея: дата-центр не просто потребляет энергию, а управляет нагрузкой, снижая её в часы пик по сигналу энергосети.
Платформа DSX прошла коммерческий запуск: модуль DSX Flex работает на объекте мощностью 96 МВт в штате Вирджиния. Тесты показали способность снижать потребление ИИ-фабрики с 4 МВт до 3 МВт за менее чем минуту. LG Electronics сертифицировала свои системы жидкостного охлаждения по стандартам DSX AI Factory, что подтверждает формирование единой экосистемы вокруг управления энергией.
Проект с SK Group масштабирует эту логику на региональный уровень: облачный центр мощностью 2 гигаватта на базе Vera Rubin и памяти HBM4, запуск запланирован на 2027 год, инвестиции — более $500 млрд. Это не строительство одного дата-центра, а создание замкнутого цикла: чипы, память, охлаждение и управление энергией проектируются как единая система.
Реалистичный горизонт планирования для компаний, зависящих от потребительской электроники: закладывать рост цен на компоненты на 2026–2027 годы. Для ИИ-операторов, напротив, окно для снижения unit-экономики открывается уже сейчас. Прогноз: если спрос на HBM со стороны Vera Rubin и проекта SK Group сохранится, контрактные цены на DRAM для потребительской электроники останутся на повышенном уровне как минимум до конца 2027 года. Проверить это можно по квартальным отчётам DRAMeXchange и анонсам SK hynix о производственных мощностях HBM4.
🤖 Сводка сформирована на основе фактов из Календаря и обновляется при поступлении новых данных.
📅 Последнее обновление сводки: 20 ноября 2026.