Память подорожала на 500% за год - и это бьёт по домашнему AI

Цены на оперативную память выросли на 500% за год - комплект DDR5-6400 на 128 ГБ, который стоил $329 на историческом минимуме, сейчас стоит $3399. Гигабайт DDR5 обходится в 11-13 долларов там, где недавно платили пару баксов - и это бьёт именно по тем, кто собирает домашнюю машину под локальные AI-модели.

18 августа Tom's Hardware выкатил заголовок, который разлетелся по всем железным форумам - и это не разовый выброс на одном магазине, а рынок целиком. При чём тут AI-датацентры и что делать тем, кто собирает машину под локальные модели - разбираю ниже.

Разбираюсь, что происходит, при чём тут искусственный интеллект и что с этим делать тем, кто собирает или собирался собрать домашнюю машину под большие модели.

Что вообще случилось с ценами

Цифра «500%» звучит как кликбейт, но она собрана по средним ценам магазинов за август 2026 против августа 2025. Дальше - конкретика от самих производителей, а не от розницы.

Ещё в ноябре 2025 Samsung поднял контрактные цены на память (это то, по чему закупаются сборщики, не витринный ценник). Модуль DDR5 на 32 гигабайта прыгнул со 149 долларов в сентябре до 239 в ноябре - плюс 60% за два месяца. Шестнадцатигиговые планки подорожали примерно вполовину, серверные чипы по 128 гигабайт - тоже около +50%. Это Reuters со ссылкой на прайс самого Samsung, самый надёжный из источников.

А в начале февраля 2026 аналитики TrendForce пересмотрели свой же прогноз резко вверх: обычная DRAM должна была подорожать на 90-95% за квартал, а память для обычных ПК - больше чем на 100% за один квартал. Это рекордный квартальный скачок за всю историю наблюдений. Серверная память, мобильная LPDDR, флеш-память NAND - всё поехало вверх на 55-90% одновременно.

DDR4 - отдельная комедия. Местами старая DDR4 стала стоить дороже свежей DDR5, потому что все три крупных производителя (Samsung, SK Hynix, Micron) сворачивают её выпуск. Micron прямо объявил «обратный отсчёт до отключения» линий DDR4. Дефицит того, что уходит с рынка, толкает цену вверх сильнее, чем на актуальную память. Если у тебя старая платформа на DDR4 - апгрейд памяти сейчас может выйти абсурдно дорогим.

При чём тут искусственный интеллект

Короткий ответ: тот же кремний, из которого делают вашу планку памяти, теперь выгоднее пустить в дата-центры под ИИ.

Есть особый тип памяти - HBM, high-bandwidth memory. Её ставят на ускорители для обучения и инференса больших моделей, спрос на неё сейчас бешеный. По оценкам аналитиков, HBM приносит производителю в разы больше выручки с одной кремниевой пластины, чем обычная DDR5, и при этом требует заметно больше площади на тот же гигабайт. Итог простой: заводы переставляют мощности на HBM, а обычной памяти для наших с вами компьютеров физически остаётся меньше.

Дальше работает базовая арифметика дефицита. По данным The Register, прирост предложения памяти за год составил всего 16-17% - заметно ниже, чем обычно в этой индустрии. А спрос со стороны AI-датацентров растёт кратно. SK Hynix ещё в начале года заявил, что его мощности по памяти на 2026 фактически распроданы. Micron почти ушёл из потребительского сегмента, сосредоточившись на enterprise и AI. Когда предложение отстаёт от спроса, у производителей появляется то, что аналитики вежливо называют «pricing power» - возможность диктовать цену.

Видеокарты уехали туда же

Если думаете переждать на видеопамяти вместо оперативной - плохие новости, там та же история. Видеокарты используют свой тип памяти (GDDR), и его делают на тех же заводах, что отдают мощности под HBM.

RTX 5090 в официальном магазине Nvidia дошла до 4929 долларов при стартовой рекомендованной цене 1999. Модуль памяти GDDR7 на 3 гигабайта стоит порядка 60-70 долларов против примерно 20 за стандартный двухгиговый - разница в три раза. На топовых картах память теперь занимает больше 80% себестоимости всей платы. Проще говоря, вы платите не столько за чип-процессор, сколько за напаянную вокруг него память.

Заодно подорожали и ноутбуки: Lenovo, Dell, HP, Acer и ASUS подтвердили рост цен на 15-20%, а на отдельные модели до 30% - ровно из-за памяти.

Почему это особенно больно для локальных моделей

Тут есть неочевидный момент, из-за которого рост цен на память бьёт по любителям локального AI сильнее, чем по обычному пользователю.

Современные большие модели построены по схеме Mixture-of-Experts. Звучит как «модель экономная», и по вычислениям это правда: у DeepSeek V3 формально 671 миллиард параметров, но на каждый токен реально работают около 37 миллиардов. Вот только чтобы модель вообще запустилась, все её веса должны лежать в памяти одновременно. Экономия идёт на вычислениях, а не на объёме. Та же DeepSeek V3 в сжатом виде просит порядка 400 гигабайт памяти под веса.

Именно поэтому энтузиасты выгружают часть модели в обычную системную оперативку - её нужно много, и раньше она была дешёвой. Люди набивали в машину 128-256 гигабайт RAM за вменяемые деньги и гоняли модели, которые иначе требовали бы стойки серверов. Теперь эта дешёвая RAM подорожала в разы, и вся экономика домашнего инференса поехала.

Сколько это теперь в деньгах

Точные ценники по сборкам гуляют от магазина к магазину, поэтому даю порядок величин, а не котировку. Комплект на 64 гигабайта DDR5, который в середине 2025-го стоил 150-200 долларов, сейчас уходит за 600-900 - рост в три-четыре раза. Это самая жирная строка подорожания во всей сборке.

Отсюда практический расклад. Если вам хватает средних моделей на 7-14 миллиардов параметров - вы почти не почувствуете удара, там памяти нужно немного. Боль начинается на классе 70B и выше, где хочется и много VRAM, и много системной RAM под выгрузку. Вот там сборка, которая год назад укладывалась в разумный бюджет, теперь легко удваивается в цене.

Что с этим делать

Паниковать не надо, но и переплачивать на пике - тоже. Несколько трезвых тактик.

Берите память ровно под свой класс моделей, а не про запас. Раньше «доложу-ка я памяти на будущее» было дешёвой страховкой. Сейчас каждый лишний гигабайт стоит ощутимо, так что считайте под конкретную модель, которую реально гоняете.

Смотрите на вторичный рынок. Подержанная память и карты вроде RTX 3090 на 24 гигабайта - разумный вход, пока новьё стоит космос. Да, без гарантии, но для домашней лаборатории это рабочий компромисс.

Не спешите переезжать на локаль из экономии - её тут нет. Если считать чисто по деньгам, точка, где локальная машина обгоняет облачные API, лежит где-то в районе миллиона токенов в день и выше. Ниже этого облако выходит дешевле, особенно теперь, когда железо на пике. Реальные причины держать модель у себя - это приватность, отсутствие лимитов и низкая задержка, а не «так дешевле». Дешевле сейчас как раз не так.

Для эпизодических тяжёлых задач арендуйте GPU в облаке. Если большая модель нужна вам раз в неделю на пару часов, покупать под неё стойку памяти - деньги на ветер. Почасовая аренда облачного ускорителя закроет вопрос без капитальных затрат.

Что дальше

Быстрого разворота ждать не стоит. Samsung и SK Hynix прямо предупреждают, что заметный дефицит памяти может тянуться как минимум до 2027 года. Гиперскейлеры уже законтрактовали почти всю мировую мощность производства DRAM на 2027-й, кое-где с авансовыми депозитами - то есть встали в очередь заранее и вперёд нас. Новые заводы памяти строятся годами и стоят миллиарды, так что предложение подтянется не раньше 2027-2028 годов.

Вывод для меня простой. Домашний AI как хобби не умер, но правила игры поменялись: бесконтрольно набивать машину памятью «на вырост» больше нельзя. Считаем под задачу, ловим вторичку, а тяжёлое отдаём в облако, пока рынок кремния переваривает аппетиты дата-центров. Свой апгрейд я, пожалуй, отложу - и вам советую сначала посчитать, а потом бежать в магазин.