Starsze GPU Nvidii drożeją – co to oznacza dla AI?

Gdyby ktoś powiedział w 2023 roku, że trzyletnia karta graficzna będzie drożeć, pewnie zostałby wyśmiany. W branży półprzewodników to norma: nowsze generacje wypierają starsze, a ceny spadają. Tymczasem Nvidia właśnie ujawniła, że jej H100 – układ z 2022 roku – jest wynajmowany o 20% drożej niż rok temu. Starszy A100 z 2020 roku podrożał o 15%. Dla inwestorów i wszystkich obserwujących rynek AI to sygnał alarmowy: popyt na moc obliczeniową osiągnął poziom, w którym zaczyna łamać dotychczasowe reguły.

Nvidia kontra klasyczny cykl półprzewodników

W normalnym cyklu technologicznym każda nowa generacja chipów oznacza spadek cen poprzedników. Producenci zwiększają moce produkcyjne, łańcuchy dostaw się stabilizują, a starsze modele trafiają do tańszych segmentów. Nvidia od lat działała według tego schematu – aż do teraz.

Ostatni raport finansowy spółki znów zaskoczył rynek. Przychody pobiły prognozy, zyski były wyższe od oczekiwań, a zarząd podniósł prognozy na kolejne kwartały. To tzw. „triple play” – scenariusz, który akcjonariusze Nvidii poznali już dobrze. Za rekordowymi wynikami stoją przede wszystkim hiper-skalerzy: Microsoft, Amazon, Alphabet i Meta Platforms, które łącznie wydają setki miliardów dolarów na infrastrukturę AI.

Najciekawszy szczegół wybrzmiał jednak w wypowiedzi dyrektor finansowej, Colette Kress. Zwróciła ona uwagę, że ceny wynajmu GPU H100 wzrosły o 20% w 2026 roku, a starszych A100 – o 15%. To zachowanie typowe raczej dla niedoboru surowców niż dla dojrzewającego sprzętu elektronicznego.

Dlaczego trzyletnie GPU są dziś więcej warte?

H100 wciąż stanowi podstawę wielu centrów danych – służy do trenowania dużych modeli językowych (LLM) i obsługi wnioskowania (inference) na skalę produkcyjną. Starszy A100 znajduje zastosowanie u mniejszych klientów korporacyjnych, w laboratoriach badawczych i w aplikacjach, które nie potrzebują najnowszej wydajności układów Blackwell.

Problem w tym, że podaż nie nadąża za popytem. Najnowsze Blackwell GPUs są natychmiast wykupywane przez największych graczy, którzy budują centra AI w niespotykanym tempie. Dla mniejszych dostawców chmurowych, startupów i przedsiębiorstw zostają więc tylko starsze modele – i to po wyższej cenie. Niedobór nie ogranicza się już do jednej generacji; obejmuje cały stos obliczeniowy.

Presja na cały ekosystem

Brakuje nie tylko samych procesorów graficznych. Rosnące zapotrzebowanie na infrastrukturę AI wywołuje efekt domina w innych obszarach:

pamięci o wysokiej przepustowości (dostarczane przez Micron Technology i SK hynix),
układy CPU „odzyskiwane” z odrzutów Intela,
sprzęt sieciowy od Broadcom i Arista Networks,
systemy zasilania i przesyłu energii elektrycznej,
urządzenia do chłodzenia cieczą i zarządzania termiką.

Coraz wyraźniej widać, że boom AI to nie tylko cykl software’owy, ale globalna rozbudowa przemysłowa – kosztowna i wielowymiarowa.

Co to oznacza dla inwestorów i całej branży

Dla akcjonariuszy Nvidii rosnące ceny starszych układów to dodatkowy argument, że spółka utrzymuje wartość swojej zainstalowanej bazy dłużej niż przewidywali sceptycy. Inwestor Michael Burry, znany z obstawiania przeciw rynkowi, ostrzegał, że akceleratory AI powinny tracić na wartości szybciej, niż zakładają rachunkowe amortyzacje – bo co dwa lata pojawia się nowa generacja. Na razie rzeczywistość pokazuje coś odwrotnego.

To stawia też pytanie o przyszłość prawa Moore’a. Tradycyjnie hardware staje się z czasem tańszy i wydajniejszy. Tymczasem GPU wykorzystywane do AI zachowują się inaczej, ponieważ popyt na oprogramowanie rośnie szybciej, niż można rozbudować moce produkcyjne.

Oczywiście istnieje ryzyko, że gdy hiper-skalerzy wyhamują wydatki, rynek może gwałtownie przejść z niedoboru w nadpodaż. Podobne cykle widzieliśmy wcześniej w pamięciach czy sprzęcie sieciowym. Nvidia mierzy się też z rosnącą konkurencją – Amazon, Alphabet i Microsoft projektują własne, dedykowane układy AI. Na razie jednak liczby mówią same za siebie: cykl inwestycyjny w infrastrukturę AI wciąż ma potężną dynamikę.

Kluczowy wniosek z raportu Nvidii

Najważniejszą informacją z ostatnich wyników Nvidii nie był wzrost przychodów ani podwyższone prognozy. Tym sygnałem jest fakt, że trzy- i pięcioletnie GPU drożeją zamiast tanieć. Inwestorom mówi to jedno: wąskie gardło AI (AI bottleneck) pogłębia się, a nie słabnie. Dla Nvidii to póki co silny wiatr w żagle. Dla całej gospodarki – dowód, jak droga i trudna staje się wyścig o dominację w sztucznej inteligencji.