Nvidia alza i prezzi dei server AI: rincari oltre il 15% dal 2027 per il caro memoria

Il costo di costruire l’infrastruttura che alimenta l’intelligenza artificiale sta per salire di nuovo, e questa volta l’aumento arriva dal fornitore che domina il mercato. Nvidia ha avvisato alcuni dei suoi clienti più importanti che i server basati sui suoi chip AI costeranno oltre il 15% in più a partire dalle spedizioni previste per i primi mesi del 2027. A riferirlo è stata Bloomberg, che cita persone vicine al dossier: i rincari colpiranno le piattaforme di punta Grace Blackwell e Vera Rubin, e la loro entità cambierà a seconda della generazione di chip e della configurazione di memoria montata a bordo.

Non è un dettaglio tecnico da addetti ai lavori. È il termometro di quanto sia diventato caro tenere accesa la macchina dell’AI.

A comunicare gli aumenti ai clienti finali sono stati i produttori che assemblano i server su contratto per i grandi operatori di data center, tra cui Microsoft, Google e Oracle. Sono questi hyperscaler a ordinare rack su rack di acceleratori per addestrare e far girare i modelli, e saranno loro ad assorbire per primi il conto più salato. Nvidia, dal canto suo, non conferma né smentisce comunicazioni che non sono ancora state rese pubbliche.

Perché i server AI costano di più: la memoria è il nuovo collo di bottiglia

La ragione dietro il rincaro non sono i chip di calcolo in sé, ma ciò che li circonda. Il mercato della memoria sta vivendo quella che gli analisti hanno ribattezzato “RAMageddon”, una tempesta di prezzi senza precedenti. I contratti della DRAM convenzionale sono saliti a ritmi record per tutto l’anno: dopo un balzo stimato tra il 90 e il 95% nel primo trimestre del 2026, le proiezioni indicavano un ulteriore aumento tra il 58 e il 63% nel secondo trimestre, man mano che i produttori spostavano la capacità produttiva verso la memoria ad alta larghezza di banda e i chip per server.

Il segnale d’allarme era arrivato in anticipo. Già lo scorso ottobre SK hynix aveva dichiarato di aver esaurito l’intera capacità di produzione di memoria per il 2026, mentre Samsung e la stessa SK hynix avevano alzato i prezzi di fornitura della HBM3E di quasi il 20% ancora prima che l’anno cominciasse.

Il punto è che la memoria pesa sempre di più nella distinta dei costi di un server AI. Produrre HBM consuma circa quattro volte l’area di wafer necessaria per una quantità equivalente di DRAM convenzionale, e questo la rende una delle voci di spesa più grandi dell’intero sistema. Se la memoria rincara, rincara tutto il rack.

Quanta memoria c’è dentro un rack Nvidia, e perché conta

Per capire l’ordine di grandezza basta guardare dentro un sistema di ultima generazione. La GPU Rubin viene fornita con un massimo di 288 GB di HBM4 per pacchetto, e il rack NVL72 ne combina 72: significa oltre 20 terabyte di HBM in un singolo armadio, prima ancora di contare la LPDDR collegata alle CPU Vera che accompagnano gli acceleratori.

Con numeri simili, la memoria non è più un accessorio. Secondo le stime di Morgan Stanley, se un tempo le GPU rappresentavano oltre l’80% del costo di un server AI, nelle configurazioni di nuova generazione la loro quota è scesa a circa la metà, proprio perché i componenti di memoria si mangiano una fetta crescente del budget.

La pressione è tale che, secondo le indiscrezioni, Nvidia starebbe valutando configurazioni con meno memoria per contenere i costi: si parla di una possibile riduzione della capacità delle CPU Vera da circa 55 a 28 terabyte per rack. Un compromesso che racconta bene il momento: quando il componente più caro scarseggia, anche il leader di mercato è costretto a rivedere le proprie ricette.

Un boomerang: la stessa domanda che Nvidia ha acceso ora la penalizza

C’è una certa ironia in tutta questa vicenda. La carenza che oggi gonfia i prezzi dei sistemi Nvidia è la stessa che la sua domanda ha contribuito a creare. I tre grandi produttori di memoria hanno passato gli ultimi due anni a convertire nodi avanzati e nuova capacità verso la HBM e la DRAM per server ad alta densità, lasciando a secco il mercato di consumo.

Le conseguenze si vedono anche fuori dai data center. I prezzi della DDR5 destinata ai personal computer sono più che raddoppiati dalla fine del 2025: un kit da 32 GB a 6000 MHz che un anno fa costava tra i 110 e i 140 dollari oggi ne chiede circa 392. Lo stesso fenomeno spiega perché diversi produttori di PC hanno iniziato a guardare a fornitori alternativi, come raccontiamo nell’approfondimento sulla carenza di memoria che spinge HP, Asus e Acer verso i chip DRAM cinesi di CXMT.

Nel frattempo l’industria corre a inventare soluzioni per impilare più memoria vicino ai chip senza mandare in fumo i budget, come mostra il lavoro di Samsung sulla memoria 3D zHBM pensata per gli acceleratori AI. Sono tentativi importanti, ma nessuno di questi risolve nel breve periodo il problema di fondo: la domanda supera l’offerta.

Nvidia, del resto, aveva già trasferito parte di questi rincari a valle, alzando all’inizio del mese i prezzi delle schede grafiche GeForce. Ora la stessa pressione è arrivata in cima alla piramide, dove a pagare sono gli hyperscaler.

Cosa cambia per gli hyperscaler e per il mercato

Sul piano dei numeri, un aumento del 15% su sistemi che vengono venduti a diversi milioni di dollari l’uno si traduce in centinaia di migliaia di dollari in più per singolo rack. E dato che i grandi data center vengono allestiti con migliaia di rack, il costo complessivo lievita in fretta fino a cifre che pesano sui bilanci trimestrali delle aziende coinvolte.

Perché Nvidia può permettersi di scaricare l’aumento sui clienti invece di assorbirlo? Semplice: opera con un margine lordo intorno al 75% su base non-GAAP, tra i più alti dell’intero settore dei semiconduttori. E soprattutto la fornitura dei suoi acceleratori da parte di TSMC continua a non tenere il passo con la domanda, il che lascia agli acquirenti pochissimo potere negoziale. Chi vuole i chip più richiesti del pianeta non è nella posizione di dire di no.

Resta una domanda aperta: fino a che punto questi rincari spingeranno gli hyperscaler a cercare alternative? La via del silicio personalizzato è già battuta, come dimostra il caso del chip Jalapeño con cui OpenAI prova a competere con Nvidia sull’inferenza, e le proposte di AMD restano sul tavolo. Ma c’è un dettaglio che riduce il margine di manovra: qualsiasi acceleratore, che porti il marchio Nvidia, AMD o quello di un hyperscaler, pesca la propria HBM dagli stessi tre fornitori in difficoltà. Cambiare cavallo non basta se la stalla è sempre la stessa.

Il rincaro dei server, insomma, si somma a un quadro di costi crescenti che tocca anche l’energia e le infrastrutture, tanto che alcuni laboratori stanno costruendo veicoli finanziari ad hoc per reggere l’onda, come nel caso di Anthropic, che con Theseus punta a governare i rincari legati ai data center.

Conclusioni: l’AI entra nell’era dei costi reali

Per anni la narrazione dominante è stata quella della potenza di calcolo che diventa sempre più economica. Questa notizia racconta l’altra faccia della medaglia. La corsa a costruire modelli sempre più grandi ha creato una domanda di memoria così vorace da far esplodere i prezzi di un componente che, fino a poco tempo fa, nessuno considerava strategico.

Il messaggio per chi lavora con l’AI è chiaro: il costo dell’infrastruttura non è più una variabile trascurabile, ma un fattore che inciderà sui prezzi dei servizi, sulla sostenibilità economica dei data center e sulle scelte tecnologiche dei prossimi anni. Se anche il fornitore più forte del mercato è costretto ad alzare i listini, vuol dire che la fase dell’abbondanza a basso costo è finita.

Se segui da vicino l’evoluzione dell’hardware AI e vuoi capire come questi rincari influenzeranno gli strumenti che usi ogni giorno, continua a seguirci: nei prossimi mesi la partita della memoria deciderà molto più di quanto sembri. E se lavori a progetti che dipendono dal cloud e dalla potenza di calcolo, è il momento di mettere in conto che il prezzo di quella potenza sta cambiando direzione.