內存價格暴漲成“電子黃金”，雷軍都頂不住了

文丨海軍

編輯丨蘇揚

“最近內存漲價實在太多。”10月24日，雷軍在微博上帶貨某款手機時表示。

以三星電子為例，日前，其宣布內存芯片價格調漲60%，漲價直接衝擊到了下遊的消費電子廠商，帶動包括手機，也包含筆記本、PC、平板等一係列設備的漲價。

內存漲價的直接原因是AI巨頭們對HBM存儲的需求，擠占DRAM顆粒產能。與此同時，推理需求的暴漲，也擠占了NAND閃存顆粒產能。

內存價格暴漲後，它們被賽博玩家們戲稱為“電子茅台”、“電子黃金”。

漲價牽動著整個產業鏈的神經，中芯國際第三季度業績會上，38次提及存儲，聯席CEO趙海軍做了幾個關鍵判斷——目前供應缺口在5%以上，終端廠商短期有壓力、擴產仍然在繼續、對製造業是利好。

“無論是汽車、手機還是消費電子領域，使用存儲器的終端廠商來年都將麵臨價格壓力和供應保障問題，目前沒有任何一方能給出明確的供應承諾。”趙海軍說。

趙海軍強調，供應缺口至少在5%以上，高價位將持續一段時間。“我曾做過分析，存儲器市場若出現5%的供應缺口，價格可能翻倍；若供過於求5%，價格可能腰斬。”

那麽，這一輪存儲價格暴漲的邏輯鏈條是什麽，或者說AI的需求如何傳導至存儲，讓內存變成了“電子黃金”？

  01 恐慌、囤貨與價格倒掛

內存作為標準化產品，其行業發展直接受下遊需求影響，呈現鮮明的周期性特征。

下遊需求旺盛，行業進入上行周期，價格上漲，而下遊需求一旦收縮，行業就進入了下行周期，價格就會下跌。

按趙海軍的說法，在供需平衡狀態下，出現正負5%的偏差，存儲價格的對應翻倍或腰斬。

過去10多年，存儲行業走過多輪交替起落的階段：2012-2015、2015-2019、2020-2023，2024-至今，基本維持四年一個周期。單純看時間，當前至少還處於上行階段。

需要注意的是，前三個周期基本與智能手機有關，直到2024年起，大廠主動減產優化供給結構，疊加AI熱潮拉動服務器、PC 端高端存儲需求攀升，存儲行業進入新一個周期的上行通道。



DDR技術路線圖，來源：美光

2025年美光、三星等頭部原廠相繼宣布DDR4進入生命周期尾聲——生產終止、銷售收尾、支持縮減，在最後的采購期，原廠供貨達成率遠低於預期，動搖市場長期供應信心。

頭部廠商本輪調整，核心是適配高端服務器需求，產能優先供給利潤更高的HBM和DDR5，這種不可逆的產能遷移導致DDR4有效供給持續縮減。

需求端則呈現強韌性，北美互聯網公司為控製成本、規避風險大量囤貨，國內企業的AI服務器需求激增帶動DDR4采購量增長，信創服務器因CPU產能緊張從DDR5退回DDR4，工控、網通、中低端手機等成本敏感產品因供應擔憂提前備貨。

原廠停產、渠道商控貨、終端廠商搶貨，DDR4價格反超DDR5，“價格倒掛” 現象出現。

盡管DDR5是未來趨勢，但從DDR4切換過來需CPU、主板和操作係統等支持，短期無法改善供需錯配現狀。

一位存儲行業從業者強調，這一輪漲價主要源自大廠停產引起的囤貨恐慌，而非新增的消費需求，屬於不健康的市場現象，不符合市場邏輯的性價比和商品屬性。

“（漲價）至少要持續到明年，但市場情況變化很快，存儲又周期性很強，要看具體情況。”該從業者說。

  02 “遲來的”內存暴漲

前年提過，AI催生的剛性需求與行業供需結構的改變，同樣推動著NAND閃存漲價。

過去NAND存儲需求主要靠手機、電腦等消費電子產品拉動，增長平緩，且增長易受消費疲軟影響，而AI推理的規模化落地，徹底改變這一局麵。

推理需求規模上，OpenAI和Gemini的API日調用都接近10萬億 tokens，國內預估是這個數據兩倍，甚至是三倍。

此外，智能客服、自動駕駛等場景需處理海量數據，對存儲的容量、速度及隨機I/O訪問能力提出高要求，QLC eSSD這類NAND產品恰好完美適配這些需求。

8月下旬，華為也推出了基於SLC和3D TLC顆粒的AI SSD產品，當時還被稱之為AI推理加速“黑科技”。

問題來了，AI行情都持續了這麽久了，為什麽現在才輪到存儲暴漲？

DRAM，尤其是NAND的需求相對滯後，主要是需求處於積累期未形成規模化爆發，不代表技術無進展。

一方麵，頭兩年AI技術多停留在模型訓練與小規模驗證階段，互聯網大 AI產品以探索、測試為主，業務滲透率相對較低，用戶量與交互頻次也有限，對存儲的需求僅集中在HBM等高性能產品，未波及支撐海量數據分層存儲的DRAM與NAND。

另一方麵，AI對話以快思考為主，依賴自身知識庫生成答案、token消耗低且無外部Agent協同，整體數據交互量也有限，難以拉動兩類存儲需求。

今年存儲需求突然爆發，核心是AI業務邁入高滲透期：互聯網大廠AI產品已成熟上線，業務滲透率提升大幅提升，支付、電商等傳統互聯網產品也在加速AI重構，帶動用戶交互頻次顯著增加。

SAP今年10月份的報告顯示，目前中國企業平均28%的業務任務由AI提供支持，未來兩年這一比例預計將升至44%。

另外，雲計算廠商的三副本備份機製——把數據分割後，複製出3個完全相同的副本，再通過分布式算法將副本存儲在集群中不同服務器的不同物理磁盤——也推動數據總量呈指數級增長，而這些數據需通過DRAM與NAND進行分層存儲，直接拉動了兩類產品的需求。

本輪漲價核心驅動力也包括是AI服務器需求超預期，雲廠客戶不僅鎖定2025年第四季度產能，還提前下達2026年訂單，導致供需快速失衡。

需要強調，本輪內存周期下DDR4產品庫存與供需狀態也與以往不同：目前供給端庫存處於低位。

根據我們從產業了解到的數據，模組廠庫存正常為4個月，目前隻有2個月，而在供過於求時，模組廠庫存可達10-12個月。

當然，HBM利潤水平高達50%-70%，且產能消耗是標準型DRAM的3倍，原廠資本支出優先投向HBM，整個存儲的供給結構已經改變。

  03 漲價這柄雙刃劍

這波存儲漲價，哪些行業受影響比較明顯？可以按存儲剛需客戶的內存需求占比作個排序。

下圖是大摩統計的“內存在硬件廠商成本中的占比”，其中All-Flash Array Storage（全閃存陣列存儲）位居首位，占比73%。

前麵提到的手機產業，看似水深火熱，但其實內存在整體成本中的占比隻有18%，之所以各手機廠商都站出來發聲，核心是手機市場的整體規模大，且更貼近於消費者。



內存供需失衡，與上遊存儲原廠控製利潤率有關：哪類客戶利潤率高，就優先分配產能。

過去，手機這類客戶可通過季度性優惠促銷鎖定70%-80%需求，現在存儲廠商優先供給訂單大、利潤率高的AI服務器客戶，手機廠商淪為配角。

本營國際的調研數據顯示，國內一線品牌僅能鎖定明年80%銷量所需存儲，二線廠商更是僅能鎖定60%。

20%-40%的缺口，與隨行就市的高價壓力，以手機為代表的消費電子廠商，供應鏈能力將遭遇嚴苛考驗。

所以，雷軍這類手機大佬在線“訴苦”，也就不足為奇了。

短時間內，手機廠商可以通過庫存平均價維持毛利，但隨著庫存消化，存儲漲價帶來的成本壓力將逐步放大，疊加存儲占整機BOM成本接近20%，利潤偏薄的低端機型受衝擊更明顯，行業大者恒大的洗牌趨勢也將進一步凸顯。

除了消費電子品牌，硬件OEM/ODM行業也正麵臨存儲超級周期帶來的顯著利潤率壓力。

生成式AI和數據激增等長期趨勢支撐需求上漲，但NAND和DRAM價格在過去6個月分別上漲50%和300%，導致輸入成本急劇上升。

大摩根據2016-2018周期曆史經驗，在11月初的硬件OEM行業報告中預測，2026年行業毛利率中位數下降60%，每股收益中位數低於比行業共識低了11%，並可能引發估值倍數收縮，戴爾、惠普、華碩等更是被大摩列為“最脆弱”的公司。

更宏觀的來看，漲價對於產業也會帶來負效應。

目前，DDR5已經成為國際產品的主流，英特爾、AMD等CPU頭部企業的新一代平台也都已經完成導入。

集邦谘詢2025年第一季度報告顯示，全球服務器DRAM市場中，DDR5的出貨占比已突破90%，成為AI訓練、雲計算等高算力場景的主要供給，這個時候因DDR4“價格倒掛”而擴產，可能會拖慢產業升級節奏。

“如果DRAM廠商看重短期DDR4價格倒掛帶來的收益，而繼續保持或擴大其產量，在產能為王的產業競爭格局中，意味著減少在DDR5等更高端產品上的投入，錯失產品升級，進而喪失在DRAM高速迭代市場競爭中的抗衡能力。”前述存儲行業從業者說。

  04 存儲的新故事

過去幾年，基於DRAM顆粒的HBM憑借高帶寬贏得了AI芯片巨頭們的青睞，但存儲容量卻是先天短板，於是開始閃迪等廠商提出基於NAND顆粒的HBF技術。

HBF借鑒了HBM的堆疊思路，將16層核心芯片堆疊並通過矽通孔互聯，帶寬可與HBM相匹配。



HBF架構剖麵圖，與GPU合封

閃迪強調稱，成本接近的情況下，HBF芯片的容量卻達HBM的8-16倍，單堆棧容量可達512GB，簡單來說就是經濟性更好。

另外，在當前計算架構下，接收數據的流程是SSD→ HBM→GPU，HBM同時負責計算內存和緩存網關的工作，進而形成了延遲瓶頸。

HBF與GPU直連提供數據，這會帶來一係列連鎖反應：token生成速度提升→GPU空閑時間減少→人工智能總擁有成本（TCO）降低 → 大型語言模型服務的單位成本下降。

經濟性，低功耗、低延遲、高擴展性和實用性，進一步擴大了HBF的應用場景。

按應用場景看，HBF技術適合讀取密集型AI推理任務，可用於手機端大模型本地化、自動駕駛等場景，閃迪計劃2026年下半年交付樣品，還聯合SK海力士推進其技術標準化。

不過，這並不意味著HBF這種新的存儲解決方案完美無瑕。

其一，DRAM顆粒沒有生命周期限製，NAND存在壽命限製，一旦與GPU合封，其壽命耗盡也就意味著GPU板卡損壞，這對於一張價值數萬美元的GPU來說，成本是無法接受的。

其二，NAND閃存對工作環境要求相對嚴格，在80-85攝氏度之間，而DRAM可以達到125攝氏度。

也就是說，未來行業有可能推動HBM+HBF的混合架構的落地，來大幅降低模型推理成本，其中HBF在與HBM的協同中，承擔大容量輔助內存的角色。

雖然說HBM還不會被取代，但其需求增長的斜率預計將趨於平緩，對應DRAM顆粒的需求也會放緩，轉而加大對NAND顆粒的依賴。