AI越強，你的手機越貴？一張賬單揭開AI芯片漲價潮的真相

硅谷的科技巨頭們，正在為一份極不尋常的賬單買單。

每一次新品發布會，PPT上反復強調：晶體管數量又翻了多少倍、算力飆升了多少。所有人都在為這顆“大腦”的聰明程度歡呼。

但仔細翻開這筆算力賬單，你會發現一個值得警惕的錯位：全行業的總開銷翻了一倍多，但給“大腦”的預算占比卻幾乎沒有增長。

根據知名研究機構Epoch AI的最新拆解數據，從2024年初到2025年底，全球AI芯片的總組件支出從220億美元激增至520億美元。然而，代表著最頂尖制造工藝的“計算大腦”（主邏輯裸片），其成本占比卻始終停留在13%至14%。

這也就意味著，真正掏空科技巨頭口袋的，是負責“記憶”的倉庫——內存。

數據顯示，高帶寬內存（HBM）在AI芯片組件中的成本占比，已經從52%一路攀升至63%。在這300億美元的總支出增量里，單單是HBM這一項，就貢獻了約200億美元。

這個數據為什么值得關注？

因為大眾只看到了云端AI芯片的算力狂歡，卻不知道這場看似高大上的算力競賽，已經變成了一場深刻的產業重構。它不僅在重塑全球半導體資金的流向，甚至直接導致了我們身邊的廉價智能手機，正在大規模萎縮。

大腦越來越便宜，“記憶”為何成了刺客？

大眾往往以為，眼下的AI爭奪戰依然停留在算法、架構等“腦力”層面的比拼。但實際上，真正的戰爭早已悄然演變成了一場客觀的、物理的、生產線上的肉搏戰。

要搞懂這個錯位，我們得先降維通俗地弄明白：AI芯片到底是個什么構造？它和以前的電腦芯片有啥區別？

在傳統的通用芯片（CPU）時代，所有的架構設計都在追求“單兵作戰能力”。你可以把CPU想象成一位絕頂聰明的頂級學者。為了不讓他浪費時間去遠處的圖書館（主內存）找資料，工程師在學者的手邊塞滿了各種私人書架（緩存），甚至允許他“亂序執行”，隨時找活干，絕對不讓他閑著。

但AI大模型根本不需要這種復雜的邏輯判斷，它要的是簡單粗暴的暴力算術矩陣。

于是，GPU和TPU等AI加速芯片上場了。它們不再是單打獨斗的學者，而是數萬名同時做加減乘除的流水線工人。這些芯片同樣是從硅晶圓（Wafer）上光刻下來的，但內部結構全是大規模并行的計算核心。

瓶頸隨之出現：這群工人算得實在太快了！

打個比方，現在的各大AI芯片就像是一個班級里的尖子生，大家的計算能力都已經極其強大。數據表明，過去20年里，硬件的峰值計算能力飆升了60,000倍，但內存容量僅僅提升了100倍，互連帶寬更是只提升了30倍。既然大家的做題速度（計算邏輯）都差不多且難以拉開巨大差距，比拼的重點自然就變成了最現實的物理條件：誰能搞到最高規格的高帶寬內存（HBM），以及誰能在納米級的物理流水線上把這些數據最快地“喂”給大腦。

由于計算性能的提升速度，遠遠超過了內存帶寬的改善速度，搬運原材料（數據）的通道徹底癱瘓了。這就是困擾了計算機界幾十年的物理學幽靈——“內存墻”（Memory Wall）。

通道不夠寬怎么辦？行業祭出了一種技術難度極高、成本也極高的解法：高帶寬內存（HBM）。

既然平鋪的通道不夠寬，那就把DRAM存儲芯片像蓋摩天大樓一樣垂直堆疊起來，并在微觀層面上打穿無數孔洞與計算核心直接相連，實現超寬的數據通道。

但這玩意兒，大量消耗底層晶圓產能。生產1GB的HBM，需要吃掉相當于普通DRAM三倍以上的晶圓產能。

利潤分化與產業鏈重塑

當底層晶圓變成了零和博弈，整個產業鏈的資金流向就徹底變了。

原因很簡單：普通商品內存（就是你買電腦和手機里的內存）的毛利率常年在20%至30%區間，而HBM的毛利率則達到70%以上。

面對這種級別的利潤差異，存儲三巨頭（美光、SK海力士、三星）的動作果斷而激進。

老牌存儲大廠美光（Micron）在2025年12月發布了一份引發廣泛關注的決定，宣告其運營了29年的消費級品牌Crucial（英睿達）即將終結。隨后在2026年2月，美光正式停止了消費端的所有發貨，將所有空出來的產能全面轉向利潤更高、更具定價權的AI和企業級數據中心市場。

韓國雙雄更是大幅受益。2026年第一季度，靠著全數售罄的HBM訂單，SK海力士實現了72%的營業利潤率。三星電子的半導體部門同樣以70%以上的利潤率，貢獻了全公司94%的利潤。

現實代價：消失的廉價手機

巨頭在云端數錢，終端手機廠商卻面臨直接沖擊。

晶圓都被抽走去造AI用的HBM了，普通手機用的標準內存自然面臨斷崖式的缺貨。短短一年間，老一代的LPDDR4價格大幅上漲了250%，LPDDR5也上漲了220%。

在這波漲價潮中，手機的物料成本里，內存占比從原本的15%左右，一路飆升到了最高50%。

結果就是，低端智能機在商業上已難以為繼。分析師指出，低于100美元的智能手機已經“永久性不再經濟”。原本賣50美元的手機，現在因為內存太貴，被迫漲到120美元以上。

占據非洲近半壁江山的手機品牌傳音，2025年凈利潤暴跌54%，被迫砍掉40%的出貨目標。Oppo和Vivo也分別削減了超20%和近15%的預期。在印度，100美元以下的手機市場在2026年一季度同比萎縮了59%。

硅谷扇動了一下名為AI的翅膀，使得亞非拉低價位市場用戶的數字接入門檻大幅抬高。

下半場：封裝瓶頸與AI創投的“破局”之路

內存吃掉了AI芯片63%的成本，但這還不是唯一的門檻。

再貴的HBM和邏輯計算芯片，也必須通過臺積電的CoWoS等先進封裝工藝，極其精密地縫合在微縮底板上。這道工序目前是真正的物理卡脖子環節。臺積電CEO魏哲家直言，CoWoS產能極度吃緊，到2026年都已完全售罄。英偉達甚至提前包攬了超過60%的產能。

那么，未來的商機和趨勢究竟在哪？

隨著行業從早期的“模型訓練”走向大規模的“AI代理（Agentic AI）”推理，模型需要保持長時間的記憶和極長的上下文，這讓“內存墻”的壓力成倍放大。為了破局，行業分化出了兩條路：

第一條路，是英偉達的“暴力加碼”。

2026年投產的新一代Rubin架構，就是為極致吞吐量而設計的。單顆Rubin GPU不僅塞進了3360億個晶體管（是上一代的1.6倍），更首發搭載了容量高達288GB的HBM4內存，帶寬達到驚人的22 TB/s。而美光的HBM4目前正以兩倍于上一代的速度快速爬坡，專供Rubin。英偉達的目標是用極高的內存帶寬，把推理成本打下來。

第二條路，是初創公司的“從架構底層破局”。

既然邏輯計算本身只占13%的成本，那只要能盡量繞開昂貴的HBM，就能重塑整個算力市場的利益分配。2026年，初創公司MatX拿到了5億美元B輪巨額融資。他們設計了一款基于“可拆分脈動陣列”的專用芯片，利用SRAM（靜態隨機存取存儲器）的超低延遲特性來直接搞定長文本推理。歐洲初創公司Semidynamics也剛剛在臺積電3nm工藝上流片，主攻減少數據移動的AI推理新架構。

而在終端租賃市場，算力正在逐漸褪去神秘且昂貴的光環。

華爾街已經推出了追蹤GPU租賃價格的“硅數據指數”（Silicon Data Indices），像炒大豆、炒原油一樣每天盯盤算力的現貨價格。在2026年的現貨平臺上，曾經一卡難求的H100，其小時租賃底價已經被Thunder Compute等平臺打到了驚人的1.38美元/小時。

算力大宗商品化的時代已加速到來。在這個劇烈的周期波動中，真正稀缺且昂貴的，不再是單純的“大腦計算能力”，而是數據的流轉、存儲的吞吐，以及納米級基板上的物理封裝手藝?？炊@張被內存主導的錯位賬單，才是真正摸清巨頭底牌的開始。（本文首發鈦媒體APP，作者 | 硅谷Tech_news，編輯 | 林深）