Весной на рынке облачных услуг Китая произошло событие, на которое стоит обратить внимание каждому специалисту цепочки поставок оборудования.

В марте Alibaba Cloud повысила цены на некоторые сервисы ИИ‑моделей на 5%–34% и увеличила стоимость услуги параллельного файлового хранилища на 30%. Примерно в то же время Tencent Cloud прекратила бесплатные пробные периоды для ряда ИИ‑сервисов и полностью перешла на платные тарифы. Baidu Cloud последовала их примеру, подняв цены на ИИ‑модели на 5%–30%, а также на хранение примерно на 30%.

Это касается не только Китая. В статье ясно указывается, что американские гиганты AWS и Google Cloud уже ранее в 2026 году возглавили тренд повышения цен.

Что на самом деле является причиной этих повышений?

На первый взгляд, причиной является стремительно растущий спрос на ИИ. Однако автор отмечает более глубокую коренную причину: резкий рост стоимости компонентов для облачных серверов.

В отчёте Morgan Stanley за июнь 2026 года предупреждается, что “чипфляция”, вызванная развитием ИИ, распространяется из центров обработки данных на потребительские устройства: производители памяти пользуются ценовой властью, тогда как downstream‑поставщики оборудования сталкиваются с трудным выбором — либо покрывать эти издержки самостоятельно, либо перекладывать их на потребителей, либо перерабатывать свои продукты. Компания China Merchants Securities также отметила, что ценовая власть в цепочке поставок ИИ расщепляется: вверх по цепочке — такие компоненты, как накопители, процессоры и оптические модули — дорожают, тогда как вниз по цепочке цены на токены снижаются под давлением конкуренции.

Другими словами, база затрат на оборудование для ИИ‑инфраструктуры систематически увеличивается, и облачные провайдеры просто перекладывают это давление на нижестоящие звенья.

Что это значит для точной механической обработки?

Если остановиться лишь на том, что “чипы стали дороже, поэтому серверы стоят больше”, — вы упустите главный сигнал.

Взрывной рост вычислительных мощностей ИИ меняет архитектуру оборудования центров обработки данных. Только в первом квартале 2026 года Foxconn Industrial Internet поставил на 380% больше ИИ‑стойок по сравнению с аналогичным периодом прошлого года. Жидкостное охлаждение из “опционального” превратилось в “стандартное”. По прогнозу TrendForce, уровень внедрения жидкостного охлаждения в ИИ‑центрах обработки данных достиг 33% уже в 2025 году.

Распространение жидкостного охлаждения означает резкий всплеск спроса на прецизионные металлические компоненты – холодильные пластины, соединители для жидкостей, коллекторные блоки, корпуса каналов подачи жидкости. Эти детали требуют предельной точности, высокого качества поверхности и надёжной герметичности: отсутствие утечек, зеркально-гладкая поверхность, допуски на уровне микронов.

И эта волна наступила быстро.

Традиционные методы механической обработки с трудом справляются с двойной задачей — одновременно обеспечить “высокую точность” и “стабильность массового производства”. Контроль точности микроканалов, надёжности уплотнительных поверхностей и стабильности технологического процесса при массовом выпуске становится настоящим узким местом, сдерживающим масштабирование отрасли. В марте 2026 года заказы на станки в Японии выросли на 28% в годовом выражении, достигнув рекордного уровня; при этом зарубежные заказы увеличились на 40%. Одни только эти данные говорят о следующем: производственные мощности стремительно истощаются из‑за спроса на оборудование для искусственного интеллекта.

С чем сегодня сталкиваются менеджеры по закупкам и НИОКР

Если вы работаете в сфере закупок или НИОКР, некоторые из этих ситуаций наверняка кажутся вам знакомыми:

• Сжатые сроки– производители серверов для ИИ быстро расширяют масштабы, а сроки поставки компонентов жидкостного охлаждения продолжают сокращаться.
• Компромиссы между точностью и стабильностью– прототипы соответствуют техническим требованиям, но при переходе к массовому производству выход дефектных изделий резко возрастает.
• Недостатки возможностей поставщиков– многие предприятия способны выполнять базовую механическую обработку, однако лишь немногие могут надёжно осуществлять серийное производство высокоточных соединителей для жидкостей.
• Конфликт между стоимостью и качеством– стоимость исходных материалов растёт, клиенты на нижнем уровне снижают цены, а средний уровень обработки оказывается зажатым между этими двумя факторами.

Это проблема не в отдельном звене цепочки. Речь идёт о структурном дисбалансе: отрасль переходит от универсальных серверов к специализированной инфраструктуре для ИИ, а производственные возможности пока не успевают за требованиями проектирования.

Над чем мы работаем

За последние два года инженерная команда компании Novitas отслеживала новые требования, которые искусственный интеллект предъявляет к инфраструктуре точной механической обработки. Мы заметили, что при выполнении требований к ’нулевой утечке“ в системах жидкостного охлаждения необходимо переосмыслить традиционные параметры ЧПУ и стандарты контроля.

Один из наших текущих внутренних проектов в области НИОКР направлен на Оптимизация процессов для высокоточных соединителей жидкостного охлаждения и компонентов каналов подачи жидкости в промышленных масштабах — в частности, обеспечение стабильности допусков на уровне микронов при массовом производстве и повышение эффективности механической обработки сложных проточных каналов. Проект всё ещё находится в стадии реализации, однако первые результаты вселяют уверенность в том, что мы сможем приблизиться к цели — “точность без компромиссов, масштабируемая производительность”.”

Если ваша команда ищет надёжные производственные решения для прецизионных металлических деталей, используемых в серверах искусственного интеллекта или системах жидкостного охлаждения дата‑центров, — или если вы рассматриваете новых партнёров по цепочке поставок — смело связывайтесь с нами. Не обязательно сразу переходить к деловым вопросам. Всегда полезно иметь в отрасли человека, с которым можно вести откровенные беседы.

О компании мы
Novitas помогает компаниям из сфер промышленного производства, телекоммуникаций и инфраструктуры ИИ решать задачу стабильного обеспечения высокоточными сложными компонентами — от быстрого прототипирования до массового производства на станках с ЧПУ. Если вы хотите узнать больше, напишите мне.