هتزنر، اپراتور مرکز داده آلمانی، اعلام کرده است که از اول آوریل ۲۰۲۶، قیمت خدمات ابری، سرور اختصاصی و فضای ذخیرهسازی خود را تا ۳۷ درصد افزایش میدهد. این اقدام به دلیل «افزایش شدید قیمتها در بخشهای مختلف IT» و به ویژه هزینههای فزاینده سختافزار صورت میگیرد. این افزایشها هم مشتریان جدید و هم اشتراکهای موجود را در مراکز داده هتزنر در اروپا، آمریکا و سنگاپور تحت تأثیر قرار میدهد، با بیشترین رشد در قیمت سرورهای ابری آلمان و فنلاند.
این دومین افزایش قیمت هتزنر در این ماه است. شرکت دلیل این تغییرات را افزایش هزینههای عملیاتی زیرساخت و خرید سختافزار، به ویژه رشد ۱۷۱ درصدی قیمت DRAM تا سال ۲۰۲۵ به دلیل تقاضای هوش مصنوعی، عنوان کرده است. این روند با گزارشهای سامسونگ و دل درباره افزایش قیمت و کمبود حافظه در صنعت تأیید میشود.
هتزنر، اپراتور مرکز داده آلمانی، اعلام کرده است که از اول آوریل ۲۰۲۶، قیمت خدمات ابری، سرور اختصاصی و فضای ذخیرهسازی خود را تا ۳۷ درصد افزایش میدهد. این اقدام به دلیل «افزایش شدید قیمتها در بخشهای مختلف IT» و به ویژه هزینههای فزاینده سختافزار صورت میگیرد. این افزایشها هم مشتریان جدید و هم اشتراکهای موجود را در مراکز داده هتزنر در اروپا، آمریکا و سنگاپور تحت تأثیر قرار میدهد، با بیشترین رشد در قیمت سرورهای ابری آلمان و فنلاند.
این دومین افزایش قیمت هتزنر در این ماه است. شرکت دلیل این تغییرات را افزایش هزینههای عملیاتی زیرساخت و خرید سختافزار، به ویژه رشد ۱۷۱ درصدی قیمت DRAM تا سال ۲۰۲۵ به دلیل تقاضای هوش مصنوعی، عنوان کرده است. این روند با گزارشهای سامسونگ و دل درباره افزایش قیمت و کمبود حافظه در صنعت تأیید میشود.
مدیرعامل IBM، آرویند کریشنا، نسبت به پایداری اقتصادی ساخت و ساز تریلیون دلاری مراکز داده هوش مصنوعی هشدار داده است. او در پادکست Decoder ورج، بیان کرد که تعهدات ۸ تریلیون دلاری برای زیرساختهای AGI، سالانه ۸۰۰ میلیارد دلار سود فقط برای پوشش هزینههای سرمایه میطلبد. کریشنا تاکید کرد که این ارقام بر اساس استهلاک سریع سختافزار (چرخههای پنج ساله) و مصرف بالای انرژی است. او تخمین زد که تجهیز یک مرکز هوش مصنوعی یک گیگاواتی حدود ۸۰ میلیارد دلار هزینه دارد، با برنامههایی برای استقرار دهها یا صدها گیگاوات.
کریشنا معتقد است نیاز به جایگزینی سختافزار در پنج سال به دلیل تغییرات معماری سریع، هزینههای سرمایهای را به شدت افزایش میدهد. او احتمال دستیابی معماریهای فعلی LLM به AGI را بدون یکپارچهسازی دانش جدید، بین ۰ تا ۱ درصد میداند. در نهایت، با وجود پتانسیل هوش مصنوعی مولد برای بهرهوری سازمانی، کریشنا تاکید کرد که شرکتها باید بازدهی متناسب با سرمایهگذاری بیسابقه در زیرساختهای هوش مصنوعی نسل بعدی را نشان دهند.
