Popyt na AI podniósł koszty RAM-u z powrotem do poziomów z 2007 roku
Relacja Tom's Hardware udokumentowała zaskakujący zwrot: według informatyka Daniela Lemire'a RAM kosztuje obecnie w przeliczeniu na jednostkę mniej więcej tyle, ile w 2007 roku.
To porównanie nie oznacza, że kupujący mają do czynienia z takim samym rynkiem komputerowym jak dwie dekady temu. Współczesna pamięć jest szybsza, pojemniejsza i wykorzystywana w wydajniejszych systemach. Oznacza natomiast, że cena płacona za każdą jednostkę pojemności wzrosła z powrotem do poziomu, który postęp technologiczny miał rzekomo pozostawić za sobą.
Lemire twierdzi, że ceny pamięci historycznie spadały około dziesięciokrotnie co pięć lat. Niedawny niedobór w ciągu kilku miesięcy zniwelował około dwie dekady tego znormalizowanego postępu. Popyt na infrastrukturę AI znajduje się w centrum tego zwrotu, ale jego przyczyna wykracza poza zwykłe kupowanie większej liczby układów przez centra danych.
Producenci pamięci przekierowali zaawansowaną produkcję w stronę pamięci o wysokiej przepustowości, czyli HBM, która szybko dostarcza dane do akceleratorów AI. Budowniczowie serwerów potrzebują również tradycyjnej pamięci DRAM dla procesorów CPU, buforowania pamięci masowej i obciążeń inferencyjnych. Wynikająca z tego konkurencja zepchnęła konsumenckie komputery PC, telefony, stacje robocze i zwykłe serwery za lepiej finansowanych klientów AI.
Główny konflikt nie dotyczy więc pamięci dla AI i pamięci konsumenckiej jako dwóch odizolowanych rynków. Chodzi o wieloletnią obietnicę przemysłu półprzewodników dotyczącą tańszej pojemności w zestawieniu z systemem alokacji, który coraz mocniej premiuje ograniczoną produkcję ukierunkowaną na AI.
Tom's Hardware osadza zwrot na rynku RAM-u w kontekście historycznym
Najbardziej niezwykłe w porównaniu Lemire'a nie jest to, że pamięć weszła w kolejny cykl cenowy. Chodzi o skalę zniknięcia historycznego postępu.
Analiza cen RAM-u opublikowana przez Tom's Hardware prowadzi argumentację Lemire'a od historycznych cen za jednostkę pojemności. Jego wykres traktuje długoterminowy spadek jako trend wykładniczy, a nie linię prostą.
To rozróżnienie ma znaczenie. Technologia, która w każdym porównywalnym okresie staje się dziesięć razy tańsza, tworzy stromo opadającą krzywą, gdy przedstawia się ją na przestrzeni dekad. Tymczasowe wzrosty mogą występować, lecz znormalizowany kierunek pozostaje spadkowy.
Lemire twierdzi, że obecny poziom odpowiada temu, co ta historyczna krzywa przewidywałaby około 2007 roku. Innymi słowy, branża nie zrezygnowała jedynie z roku czy dwóch poprawy. Cofnęła się przez znaczną część oczekiwanej trajektorii kosztów.
Porównanie opiera się na normalizacji i nie należy go traktować jako pełnego indeksu cen detalicznych. Poszczególne zestawy różnią się pojemnością, szybkością, opóźnieniami, marką, generacją, regionem i kanałem sprzedaży. DDR5 nie można bezpośrednio porównywać z DDR2, jakby ich możliwości były identyczne.
Historyczny szereg cen za jednostkę pojemności łączy także obserwacje zebrane w różnych warunkach rynkowych. Oferty detaliczne, ceny kontraktowe i transakcje na rynku spot mogą zmieniać się w różnym tempie. Kupujący mogą natrafiać na rabaty, nawet gdy producenci negocjują wyższe stawki kontraktowe.
Mimo to ograniczenia te nie niwelują kierunku zmian. Nowoczesny moduł pamięci może zapewniać większą przepustowość i wydajność, a jednocześnie stawać się dramatycznie mniej przystępny cenowo w przeliczeniu na jednostkę pojemności. Ulepszenia techniczne i regres kosztowy mogą współistnieć.
Właśnie dlatego Lemire nazwał ten epizod nietypowym. Rynki technologiczne regularnie doświadczają niedoborów, premii za premierę i spekulacyjnych skoków. Trwały postęp w produkcji zwykle przywraca spadkową krzywą kosztów, gdy podaż dogania popyt.
Obecny niedobór podważa to oczekiwanie, ponieważ popyt nie jest związany z jednym cyklem modernizacji urządzeń konsumenckich. Wynika z szeroko zakrojonej rozbudowy klastrów treningowych, systemów inferencyjnych, serwerów chmurowych i infrastruktury przedsiębiorstw wspieranej przez AI.
To rozróżnienie sprawia, że materiał Tom's Hardware jest czymś więcej niż ostrzeżeniem dla osób składających komputery PC. Stawia szersze pytanie o to, czy ekonomika komputerów ogólnego przeznaczenia weszła na strukturalny objazd.
Jeśli zmiana ma charakter cykliczny, nowa moc produkcyjna i słabszy popyt konsumencki powinny ostatecznie przywrócić dawną krzywą. Jeśli jest strukturalna, kupujący mogą potrzebować ponownie przemyśleć, ile pamięci mogą zakładać ich urządzenia i oprogramowanie.
Popyt na AI pochłania więcej niż HBM
Systemy AI zwiększają popyt w całej hierarchii pamięci, dlatego produkcja większej ilości wyspecjalizowanej HBM nie izoluje zwykłej DRAM od niedoboru.
HBM składa się z pionowo ułożonych warstw DRAM połączonych bardzo szerokim interfejsem. Oferuje przepustowość wymaganą do zaopatrywania nowoczesnych akceleratorów AI w parametry modeli i dane pośrednie.
Opis ten może sprawiać wrażenie, że HBM jest oddzielona od pamięci wykorzystywanej w laptopach lub tradycyjnych serwerach. Gotowe produkty różnią się, lecz dzielą zasoby produkcyjne, uwagę zespołów inżynieryjnych, zaawansowane możliwości pakowania i inwestycje dostawców.
TrendForce podał, że producenci weszli w 2026 rok, przekierowując zaawansowane węzły procesowe i nową moc produkcyjną w stronę produktów serwerowych oraz HBM. Badanie dotyczące alokacji mocy produkcyjnych bezpośrednio powiązało tę decyzję z rosnącym popytem na serwery AI.
HBM zużywa także więcej zasobów produkcyjnych, niż sugerowałaby sama dostarczana pojemność. Ułożone warstwowo układy wymagają wymagających etapów produkcji i pakowania. Uzyski mają znaczenie, ponieważ każdy wadliwy komponent może ograniczyć liczbę gotowych stosów.
Tymczasem serwer AI potrzebuje więcej niż pamięci akceleratora. Jego procesory CPU wymagają pamięci systemowej DRAM, często w postaci zarejestrowanych modułów DIMM przeznaczonych dla serwerów. Warstwy pamięci masowej wykorzystują pamięć flash NAND, a sieć i buforowanie dodają kolejne wymagania dotyczące pamięci.
Inferencja zwiększa ten ślad. Trening tworzy duże, lecz relatywnie skoncentrowane zapotrzebowanie infrastrukturalne. Inferencja obsługuje zapytania nieprzerwanie i może rozprzestrzeniać się na większą liczbę maszyn, regionów i typów aplikacji.
Systemy agentowe dodają kolejną warstwę. Utrzymują dłuższe konteksty, zarządzają wynikami narzędzi, koordynują wiele wywołań modeli i przechowują stany pośrednie. Pamięć podręczna KV, która utrzymuje dane mechanizmu uwagi dostępne podczas generowania, może zużywać znaczną ilość pamięci wraz z rozwojem rozmów.
TrendForce twierdzi, że efektywne zarządzanie pamięcią podręczną KV stało się niezbędne dla wydajności inferencji. Jego prognoza dla pamięci AI łączy rosnące obciążenia inferencyjne z popytem zarówno na HBM, jak i tradycyjną DRAM.
Mechanizm ten wyjaśnia, dlaczego niedobór się rozprzestrzenia. Dostawcy chmurowi konkurują o HBM, aby budować klastry akceleratorów. Te same wdrożenia zużywają serwerową DRAM, pamięć masową i komponenty sieciowe. Producenci następnie priorytetowo traktują produkty powiązane z najsilniejszymi kontraktami i marżami.
Pamięć konsumencka nie musi korzystać z dokładnie tej samej linii produkcyjnej co HBM, aby konsumenci odczuli skutki. Wystarczy, że konkuruje o kapitał, przejścia technologiczne, uruchomienia produkcji wafli, zespoły inżynieryjne lub uwagę dostawców.
Trzej najwięksi globalni producenci DRAM — Samsung, SK hynix i Micron — stają więc przed racjonalną decyzją alokacyjną. Klienci AI oferują duże zamówienia, dłuższe horyzonty planowania i pilne wymagania wydajnościowe. Elektronika konsumencka pozostaje bardziej wrażliwa na koszty komponentów.
Ta nierównowaga daje priorytet infrastrukturze AI nawet wtedy, gdy popyt detaliczny pozostaje zdrowy. Osłabia także zwykłą reakcję na wyższe ceny, ponieważ dostawcy nie mogą natychmiast przekształcić inwestycji w kwalifikowaną produkcję.
Budowa nowej fabryki pamięci trwa lata — od planowania i budowy, przez wyposażenie, po zwiększanie skali produkcji. Istniejące zakłady nadal wymagają zmian procesowych i walidacji przez klientów. Pakowanie HBM wprowadza dodatkowe wąskie gardła poza samą produkcją wafli.
Niedobór ma więc zarówno wymiar fizyczny, jak i ekonomiczny. Nie ma wystarczającej liczby pożądanych produktów pamięciowych dla każdego planowanego systemu, a dostawcy mają silne bodźce, by najpierw obsługiwać popyt ukierunkowany na AI.
Komputery konsumenckie przejmują na siebie presję
Bezpośrednimi przegranymi są kupujący, których urządzenia nie mogą generować marż infrastruktury AI, lecz nadal wymagają znacznej ilości pamięci, by pozostać użyteczne.
Producenci komputerów PC mogą reagować na wyższe koszty komponentów na kilka sposobów. Mogą podnosić ceny systemów, ograniczać standardowe konfiguracje pamięci, opóźniać modernizacje, zawężać ofertę produktów lub akceptować niższe marże.
Żadne z tych rozwiązań nie jest niewidoczne. Laptop z mniejszą ilością pamięci może mieć trudności z nowoczesnymi przeglądarkami, aplikacjami kreatywnymi, lokalnymi narzędziami programistycznymi i wielozadaniowością. Wlutowana pamięć utrudnia późniejsze skorygowanie zachowawczej konfiguracji fabrycznej.
Kupujący komputery stacjonarne zachowują większą elastyczność, ale nadal napotykają kompromisy. Osoba składająca komputer może odłożyć zakup zestawu o większej pojemności, wybrać wolniejszą pamięć lub przekierować środki z innego komponentu. Użytkownicy stacji roboczych stają przed podobnymi wyborami przy większych pojemnościach.
Producenci smartfonów działają pod większymi ograniczeniami fizycznymi i handlowymi. Większa ilość pamięci wspiera AI działającą na urządzeniu, przetwarzanie obrazu z aparatu, gry i dłuższe wsparcie oprogramowania. Inflacja kosztów komponentów utrudnia jednak oferowanie hojnych konfiguracji w całej linii produktowej.
Nabywcy korporacyjni mierzą się z inną wersją problemu. Tradycyjne serwery potrzebują dużych pul DRAM dla baz danych, wirtualizacji, analityki i obciążeń działających w pamięci. Aplikacje te pośrednio konkurują z wdrożeniami AI o moce dostawców.
Firma może opóźnić wymianę laptopów pracowników, ale starzejący się sprzęt niesie własne koszty. Niższa wydajność, krótszy czas pracy na baterii, ograniczenia bezpieczeństwa i potrzeby napraw kumulują się w dużych flotach.
Presję odczuwają również twórcy oprogramowania. Lokalne kontenery, maszyny wirtualne, zintegrowane środowiska programistyczne, zestawy testów i narzędzia AI do programowania mogą jednocześnie zużywać pamięć. Ograniczona stacja robocza zmienia zwykłe zadania programistyczne w ćwiczenia z alokacji zasobów.
Ta presja może wpływać na projektowanie oprogramowania. Programiści, którzy wcześniej traktowali pamięć jako tani zasób, mogą ponownie przeanalizować rozmiary pamięci podręcznych, procesy działające w tle, rozmiary lokalnych modeli i domyślne zachowanie aplikacji.
Takie dostosowanie może przynieść korzyści, ale nie czyni niedoboru niegroźnym. Optymalizacja pochłania czas inżynieryjny, a wymuszone ograniczenia mogą pogorszyć responsywność lub ograniczyć funkcje.
Niszczenie popytu stało się już częścią rynkowych prognoz. TrendForce stwierdził, że słabość rynku konsumenckiego spowalniała tempo wzrostów w trzecim kwartale, mimo że ogólna podaż DRAM pozostawała bardzo napięta.
To istotne rozróżnienie. Wolniejsze wzrosty nie muszą oznaczać końca niedoboru. Mogą oznaczać, że kupujący osiągnęli granicę tego, co są gotowi zaakceptować.
Gdy konsumenci odkładają zakup urządzeń lub wybierają mniejsze konfiguracje, prognozy dostaw słabną. Dostawcy mogą utrzymać siłę cenową, jeśli popyt serwerowy pozostanie wystarczająco silny, by zrównoważyć ten spadek.
Trudno zignorować efekt dystrybucyjny. Hiperskalerzy mogą uzasadniać koszt ograniczonej pamięci przyszłymi przychodami z usług AI. Gospodarstwo domowe wymieniające laptop nie może rozłożyć kosztu na miliony zapytań do modeli.
Małe firmy i niezależni programiści znajdują się pośrodku. Potrzebują wydajnych systemów do tworzenia produktów AI, lecz nie mają siły zakupowej największych dostawców chmurowych.
Materiał Tom's Hardware nadaje tej presji zapadający w pamięć historyczny punkt odniesienia. Rynek w praktyce poprosił zwykłych kupujących o rezygnację z lat oczekiwanej przystępności cenowej, aby rozbudowa infrastruktury AI mogła postępować szybciej.
Ten okazyjny zakup nie został wynegocjowany otwarcie. Wynikał z zachęt dla dostawców, zobowiązań kapitałowych i technicznego zapotrzebowania współczesnych systemów AI.
Dawna krzywa kosztów zderzyła się z nową rzeczywistością alokacji
Kluczowe odwrócenie trendu wynika ze zderzenia oczekiwania, że obliczenia będą z natury coraz tańsze, z alokacją pamięci opartą na rentowności AI.
Przez dziesięciolecia spadające koszty półprzewodników umożliwiały rozwój oprogramowania. Systemy operacyjne stawały się większe, przeglądarki uruchamiały więcej procesów, a aplikacje przechowywały więcej danych w pamięci.
Deweloperzy zakładali, że przyszły sprzęt sprawi, iż dzisiejsze kosztowne obciążenia staną się czymś zwyczajnym. To założenie wspierało bogatsze interfejsy, środowiska wykonawcze zarządzane automatycznie, lokalne bazy danych i coraz bardziej ambitne oprogramowanie kreatywne.
Ceny pamięci były zmienne przez cały ten okres. Branża doświadczała nadpodaży, korekt zapasów, zakłóceń w fabrykach i nagłych zmian popytu. Mimo to każdy cykl wpisywał się w szeroki trend tańszej pojemności.
AI wprowadza źródło popytu o nietypowej skali i pilności. Wiodące firmy nie kupują pamięci wyłącznie po to, by obsłużyć istniejące obciążenia. Budują infrastrukturę w oczekiwaniu na przyszłe wykorzystanie modeli.
Takie zakupy z wyprzedzeniem mogą utrzymywać popyt powyżej poziomu faktycznie osiąganych przychodów. Dostawcy chmury obawiają się, że niewystarczająca pojemność uniemożliwi im obsługę klientów lub trenowanie konkurencyjnych modeli.
Dostawcy reagują, zabezpieczając długoterminowe zobowiązania i priorytetowo traktując produkty o wyższych zwrotach. Takie zachowanie jest zrozumiałe dla każdego uczestnika rynku, lecz łączny efekt przełamuje znaną trajektorię kosztów konsumenckich.
S&P Global zauważył, że HBM stała się jednym z najbardziej dochodowych segmentów branży półprzewodników. Jej analiza podaży pamięci wskazuje, że wyższe marże zachęcały producentów do priorytetowego traktowania produktów powiązanych z AI kosztem starszych pamięci dla przedsiębiorstw i konsumentów.
Efekt bardziej przypomina szok alokacyjny niż tradycyjny niedobór. Podaż istnieje, inwestycje rosną, a producenci wytwarzają ogromne ilości pamięci. Jednak to najcenniejsi klienci decydują, co zostanie rozbudowane w pierwszej kolejności.
Tworzy to pętlę sprzężenia zwrotnego. Niedobór podnosi wartość zabezpieczonych dostaw. Duzi nabywcy AI odpowiadają dłuższymi zobowiązaniami, co ogranicza pojemność dostępną dla kupujących bez porównywalnej siły nabywczej.
Wyższe koszty pamięci mogą następnie zachęcać twórców AI do optymalizacji. Techniki takie jak kwantyzacja, mniejsze modele, kompresja pamięci podręcznej i bardziej selektywne wyszukiwanie zmniejszają zużycie pamięci na żądanie.
Sama wydajność nie gwarantuje niższego całkowitego popytu. Jeśli każde żądanie stanie się tańsze, firmy mogą obsługiwać więcej żądań, wdrażać więcej agentów lub przetwarzać dłuższe konteksty. Łączne zużycie może nadal rosnąć, nawet gdy poszczególne obciążenia będą coraz wydajniejsze.
Ta dynamika przypomina efekt odbicia obserwowany w innych technologiach. Efektywniejsze wykorzystanie zasobów obniża koszt działania, co może pobudzić na tyle dużą dodatkową aktywność, że zniweluje oszczędności.
Dawna krzywa mierzy się więc z dwiema przeciwstawnymi siłami. Lepsze procesy, większa gęstość i zoptymalizowane oprogramowanie obniżają koszty. Przyspieszające wdrażanie AI i preferencyjna alokacja pchają efektywną dostępność w przeciwnym kierunku.
Wynik będzie zależał od tego, która siła będzie skalować się szybciej. Historyczny postęp w półprzewodnikach pozostaje realny, ale nie gwarantuje już, że każda grupa kupujących otrzyma korzyści w tym samym czasie.
Czego nie dowodzi porównanie z 2007 rokiem
Historyczna analogia oddaje skalę odwrócenia trendu, ale nie pozwala ustalić, jak długo utrzymają się obecne warunki.
Wykres Lemire'a jest przekonującym sposobem ujęcia problemu, a nie pełnym modelem światowego rynku DRAM. Przedstawia znormalizowane koszty pojemności w długim okresie, obejmującym zmieniające się produkty i jakość danych.
Ceny detaliczne pamięci mogą zmieniać się przed rynkami kontraktowymi lub po nich. Rabaty mogą odzwierciedlać zapasy przechowywane przez dystrybutorów, a nie zmianę podaży z fabryk. Dalsze zróżnicowanie powodują dostępność regionalna i wahania walut.
Porównania komplikuje także struktura produktów. Współczesne moduły DDR5 oferują funkcje i wydajność niedostępne w starszych generacjach DDR. Moduły DIMM do serwerów, pamięć laptopowa, pamięć graficzna i HBM obsługują różne wymagania techniczne.
Kupujący otrzymuje dziś większe możliwości, nawet jeśli koszty pojemności przypominają wcześniejszy okres. Nie unieważnia to problemu dostępności cenowej, lecz zmienia znaczenie określenia „powrót do 2007 roku”.
To sformułowanie powinno opisywać znormalizowany poziom cen, a nie sugerować, że całe doświadczenie korzystania z komputerów cofnęło się w czasie. Współczesne systemy pozostają znacznie bardziej zaawansowane, a ich podsystemy pamięci zapewniają większą przepustowość i wydajność.
Również związki przyczynowe wymagają ostrożności. Popyt na AI jest dominującą presją wskazywaną przez analityków branżowych, ale nie jest jedynym czynnikiem. Na dostępność wpływają także dyscyplina dostawców, opóźniona rozbudowa mocy, przejścia procesowe, polityka zapasów i zwykły popyt serwerowy.
Zachowania konsumentów mogą szybko zmienić sytuację. Jeśli dostawy urządzeń gwałtownie osłabną, producenci mogą napotkać nadmiar zapasów w niektórych kategoriach, nawet gdy produkty serwerowe pozostaną trudno dostępne.
Tymczasowa korekta detaliczna nie musi obalać argumentu strukturalnego. Zestawy do PC mogą tanieć, ponieważ sprzedawcy wyprzedają zapasy, podczas gdy długoterminowe kontrakty pozostają stabilne.
Działa to również w drugą stronę. Dalsze wzrosty cen kontraktowych nie dowodzą, że każdy produkt detaliczny będzie drożeć bez przerwy. Kanały dystrybucji mogą absorbować zmiany lub opóźniać ich skutki.
Chińskie CXMT wprowadza kolejną niewiadomą. Raporty wskazują, że producenci PC rozważali ograniczone wykorzystanie jej standardowej pamięci DRAM, szczególnie w systemach sprzedawanych w Chinach. Dodatkowa konkurencja może z czasem przynieść ulgę wybranym segmentom konsumenckim.
Jednak kwalifikacja, ograniczenia regionalne, luki technologiczne i skala produkcji ograniczają szybkość, z jaką nowy dostawca może zrównoważyć globalny rynek. Dodatkowa produkcja pamięci standardowej nie rozwiązuje też każdego wąskiego gardła HBM ani zaawansowanych serwerów.
Wyniki Micron za 2026 rok pokazują dalszy rozwój w obszarze HBM, pamięci niskiego poboru mocy, DDR DRAM i pamięci masowej dla centrów danych. Ta szerokość oferty ilustruje, dlaczego proste przeciwstawienie HBM i PC jest niepełne.
Dostawcy zarządzają wzajemnie powiązanymi portfelami produktów. Mogą przesuwać inwestycje między rodzinami produktów, lecz kwalifikacja klientów i ograniczenia produkcyjne uniemożliwiają natychmiastowe zmiany.
Najbezpieczniejszy wniosek jest mniej spektakularny niż najbardziej dramatyczny nagłówek. Popyt na AI pomógł wywołać wyjątkowe odejście od historycznego spadku kosztów pamięci. Czas trwania i ostateczna skala tego zjawiska pozostają niepewne.
To rozróżnienie ma znaczenie dla decyzji zakupowych. Zakupy w panice zakładają, że każdy produkt będzie stawał się coraz mniej dostępny bez końca. Nieograniczone czekanie zakłada, że dawna krzywa spadkowa wróci zgodnie z harmonogramem.
Żadne z tych założeń nie zostało potwierdzone.
Trzy sygnały pokażą, czy niedobór słabnie
O kolejnej fazie zdecydują ceny kontraktowe, kwalifikowane moce produkcyjne i rzeczywista efektywność pamięci AI, a nie pojedyncze rabaty detaliczne.
Pierwszym sygnałem będzie kierunek cen kontraktowych DRAM dla serwerów i PC w nadchodzących kwartałach. Rynki kontraktowe pokazują, czego duzi producenci i kupujący oczekują poza krótkotrwałymi promocjami detalicznymi.
TrendForce poinformował, że wzrosty w trzecim kwartale wyhamowywały wraz ze słabnącym popytem konsumenckim. Jednocześnie opisał rynek jako wyjątkowo napięty i stwierdził, że popyt serwerowy nadal go wspiera.
Trwałe wypłaszczenie cen zarówno w kontraktach serwerowych, jak i konsumenckich osłabiłoby tezę, że branża weszła w długotrwały reset alokacyjny. Dalsze wzrosty mimo słabszych dostaw urządzeń ją wzmocniłyby.
Czytelnicy powinni więc odróżniać przeceniony zestaw od szerokiej ulgi na rynku kontraktowym. Wyprzedaż może przynieść korzyść jednemu kupującemu, nie wskazując, że podaż dogoniła popyt.
Drugim sygnałem będą kwalifikowane moce produkcyjne. Zapowiedzi nowych fabryk mają mniejsze znaczenie niż użyteczna produkcja dostarczona klientom.
Samsung, SK hynix i Micron muszą rozbudowywać zaawansowaną pamięć, jednocześnie utrzymując wystarczającą podaż konwencjonalnego DRAM dla PC, telefonów i serwerów ogólnego przeznaczenia. CXMT i inni producenci mogą zwiększać presję konkurencyjną na wybranych rynkach.
Kluczowe dowody obejmą zwiększanie produkcji w nowych węzłach technologicznych, kwalifikacje klientów, produkcję pakietów HBM i stabilne uzyski. Moce, które nadal są w budowie, nie mogą złagodzić obecnych zamówień.
Znaczący wzrost dostępności konwencjonalnego DRAM wspierałby powrót w stronę historycznej krzywej kosztów. Moce przeznaczone głównie na premium produkty AI mogłyby pozostawić presję konsumencką w dużej mierze bez zmian.
Trzecim sygnałem jest zużycie pamięci na zadanie AI. Twórcy modeli pracują nad kwantyzacją, zarządzaniem pamięcią podręczną, mniejszymi architekturami i systemami routingu, które kierują prostsze żądania do mniej wymagających modeli.
Udane poprawy efektywności powinny zmniejszyć ilość pamięci potrzebnej na każdą jednostkę użytecznej pracy. Osłabiają one tezę o niedoborze tylko wtedy, gdy całkowita skala wdrożeń rośnie wolniej niż te oszczędności.
Jeśli aplikacje zareagują uruchamianiem większej liczby agentów, zachowywaniem dłuższych kontekstów lub osadzaniem modeli w każdym przepływie pracy, całkowity popyt może nadal rosnąć. Wydajność będzie wtedy wspierać ekspansję, a nie przynosić ulgę.
Obserwujcie, co firmy AI wdrażają, a nie tylko to, co obiecują benchmarki laboratoryjne. Niższe zużycie pamięci w kontrolowanym teście ma mniejsze znaczenie, jeśli systemy produkcyjne dodają większe okna kontekstowe i więcej równoczesnych użytkowników.
Raport Tom Hardware ostatecznie wskazuje na rywalizację między dwiema krzywymi wykładniczymi. Jedna reprezentuje historyczny spadek kosztów pamięci. Druga przedstawia zapotrzebowanie branży AI, która jednocześnie skaluje infrastrukturę, modele i wykorzystanie.
Dla kupujących praktyczną odpowiedzią jest zdyscyplinowane planowanie. Mierzcie pojemność, której wasze obciążenia naprawdę potrzebują, zachowujcie elastyczność rozbudowy tam, gdzie to możliwe, i oceniajcie pełne konfiguracje systemu zamiast pojedynczego komponentu.
Dla deweloperów jest to również powód, by ponownie traktować efektywność pamięci jako ograniczenie produktowe. Profilujcie rzeczywiste obciążenia, ograniczajcie niepotrzebną aktywność w tle i testujcie zachowanie oprogramowania przy realistycznych limitach pojemności.
Co najważniejsze, nie mylcie słynnego porównania historycznego ze stałą prognozą. Punkt odniesienia Lemire'a z 2007 roku pokazuje, jak daleko przesunął się rynek. Trendy kontraktowe, kwalifikowana podaż i wdrożona efektywność AI pokażą, czy może on wrócić.
