A memória az AI-boom egyik legnagyobb költségtételévé válik. A TrendForce becslései szerint a DRAM és a NAND Flash együttesen a nagy felhőszolgáltatók tőkebefektetéseinek 68%-át teheti ki 2027-ben, szemben a 2026-os 47%-kal. A CSP-k (Cloud Service Providers) azok az üzemeltetők, amelyek nagy léptékben építik a felhős és AI-szolgáltatások mögötti adatközpontokat.
Az ugrást a növekvő kereslet és a memóriaárak egyaránt hajtják. A TrendForce szerint a szerveres DRAM szerződéses árai 2026-ban összesen mintegy 270%-kal emelkedhetnek, miután 2025 második felében már 64%-os drágulás következett. A NAND Flash-alapú vállalati SSD-knél az idei kumulált áremelkedésre körülbelül 235%-os előrejelzés érkezett. A nyomás nem új jelenség: már követhetőek voltak a DRAM-memóriák drágulása és az AI-kereslet hatásai.
A HBM kulcsszereplő ebben az egyenletben. Ez a nagy sávszélességű memória közvetlenül az AI-gyorsítók mellett dolgozik, ahol az adatátviteli sebesség kritikus a GPU-k folyamatos adatkiszolgálásához. Bár a 2026 második negyedévétől kötött egyes hosszú távú szerződések ársapkákat tartalmaznak, a TrendForce szerint a HBM ára 2027-ben további 70–140%-kal emelkedhet. Ezzel párhuzamosan a HBM és az RDIMM modulok együttesen a 2026-ban szállított DRAM-bitmennyiség 51%-át fogyaszthatják el.
Ez azt is megmagyarázza, miért élvez elsőbbséget a szerverpiacra szánt gyártókapacitás. 2027-re új gyártástechnológiákra való átállás és további üzemek felfuttatása várható, ami 27%-kal növelheti a szerveres DRAM és a HBM együttes kínálatát. Több memória kerülhet piacra, de nem biztos, hogy elég olcsón ahhoz, hogy gyorsan mérséklődjön a számla.
A hatás közvetlenül megjelenhet az AI-infrastruktúra árában is. A TrendForce a magas memóriaköltséget további érvnek látja a chip- és szervergyártók, köztük az NVIDIA termékeinek drágulása mellett. A jelenség már látható: a NVIDIA Grace Blackwell és Vera Rubin konfigurációk 2027-ben több mint 15%-kal drágulhatnak, a közelmúltban megjelent információk szerint.
A felhőszolgáltatóknak egy másik lehetőségük is van: a konfigurációk optimalizálása. A magasabb költségek egyszerű elfogadása helyett csökkenthetik az egy rendszerenként beépített memóriát, módosíthatják az RDIMM-konfigurációkat, vagy a jövőbeli gyorsítókba integrált HBM mennyiségét. A TrendForce olyan AI-ASIC-eket is említ, amelyeknél a modell architektúrája közvetlenül a szilíciumba kerül. Ha a memória ekkora részt hasít ki a költségvetésből, az optimalizálás már nem pusztán teljesítménykérdés: azt is meghatározza, hány AI-rendszer telepítését engedheti meg magának egy üzemeltető.
