I server equipaggiati con i chip IA di Nvidia costeranno in molti casi oltre il 15% in più. Gli aumenti riguarderanno i sistemi consegnati all’inizio del 2027, compresi quelli basati sui nuovi Vera Rubin e sui Grace Blackwell, e varieranno in base alla generazione dei chip e alla quantità di memoria installata.
Gli aumenti non sono stati annunciati direttamente da Nvidia: a comunicarli ai clienti sono stati i produttori che assemblano i server per Microsoft, Google, Oracle e altri grandi operatori di data center. L’azienda di Jensen Huang, contattata da Bloomberg, non ha commentato.
Il punto però riguarda direttamente Nvidia: il costo dei sistemi costruiti attorno ai suoi acceleratori sta salendo perché le memorie necessarie per farli funzionare sono sempre più care.
La domanda generata dall’IA sta correndo più velocemente della produzione e stavolta la scarsità che fa impennare i prezzi non riguarda soltanto le GPU Nvidia.
Samsung, SK Hynix, Micron vs. Nvidia
Samsung, SK Hynix e Micron controllano insieme circa l’89% del mercato mondiale della DRAM. Se però guardiamo specificamente alla HBM, cioè le memorie ad alta banda essenziali per gli acceleratori IA, i tre produttori rappresentano sostanzialmente il 100% del mercato: SK Hynix 58%, Samsung 21%, Micron 21% nel primo trimestre 2026.
La questione non è nuova. A luglio abbiamo raccontato come i big dell’IA si siano presentati a San Francisco, portafoglio alla mano, per assicurarsi le memorie dei produttori coreani per gli anni a venire.
Al vertice c’erano Nvidia, OpenAI, Anthropic e Broadcom, mentre Samsung e SK Group annunciavano intese sull’IA per centinaia di miliardi di dollari. Il motivo oggi è ancora più evidente: SK Hynix prevede che la domanda di memoria continuerà a superare l’offerta anche oltre il 2030.
Il risultato è che una parte del potere che Nvidia ha esercitato negli ultimi anni grazie alla scarsità delle sue GPU si sta spostando ancora più a monte.
L’azienda di Jensen Huang ha margini lordi intorno al 75%, eppure nemmeno una delle aziende più redditizie dell’industria dei semiconduttori sembra riuscire ad assorbire completamente l’aumento del costo delle memorie. Il rincaro ricade quindi sui server e, da lì, sui conti di chi deve costruire i data center.
Farsi i chip non risolve il problema
Amazon, Microsoft, Google e Meta stanno tutte sviluppando acceleratori proprietari. La ragione è evidente: dipendere meno da Nvidia permette di avere maggiore controllo sui costi e sulle forniture e, almeno in teoria, di sottrarsi ai prezzi imposti dal leader del mercato.
Ma cambiare acceleratore non significa automaticamente uscire dalla strettoia di Huang. Anche i chip progettati internamente hanno bisogno di memoria e devono quindi contendere le forniture agli stessi clienti di Samsung, SK Hynix e Micron. La pressione si sposta così da un componente all’altro della catena.
Per anni la capacità produttiva di TSMC e la disponibilità delle GPU Nvidia hanno limitato quanto velocemente poteva crescere l’IA. Oggi anche le memorie stanno imponendo il proprio limite, mentre la domanda dei grandi operatori continua ad aumentare.
Il costo dei data center continua a salire
Il rincaro dell’hardware arriva mentre costruire un data center è già diventato più difficile per motivi che vanno ben oltre i chip. Bloomberg cita ritardi nei progetti, capitale più caro, opposizione delle comunità locali e carenza di lavoratori specializzati.
Su quest’ultimo fronte abbiamo raccontato che negli Stati Uniti le mansioni di installazione e manutenzione nei data center pagano il 42% in più rispetto a lavori analoghi. Elettricisti, carpentieri e installatori vengono attratti verso i grandi cantieri dell’IA, costringendo le Big Tech a finanziare direttamente programmi di formazione per trovare abbastanza persone.
La conseguenza si vede già fuori dal settore tecnologico. Negli Stati Uniti la corsa ai data center sta sottraendo elettricisti e altri operai specializzati anche alla costruzione di case, ospedali e fabbriche. Ora aumenta anche il prezzo dei server.
Più cresce la corsa alla capacità di calcolo, più diventa costoso procurarsi contemporaneamente chip, memorie, energia, capitale e persone necessarie per trasformare quei progetti in edifici funzionanti. Con quali ricadute, lo vedremo prossimamente.
Fonte: Bloomberg
