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，其宣布內存晶元價格調漲60%，漲價直接衝擊到了下游的消費電子廠商，帶動包括手機，也包含筆記本、PC、平板等一系列設備的漲價。
內存漲價的直接原因是AI巨頭們對HBM存儲的需求，擠佔DRAM顆粒產能。與此同時，推理需求的暴漲，也擠佔了NAND快閃記憶體顆粒產能。
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面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。」
那麼，這一輪存儲價格暴漲的邏輯鏈條是什麼，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游需求影響，呈現鮮明的周期性特徵。
下游需求旺盛，行業進入上行周期，價格上漲，而下游需求一旦收縮，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熱潮拉動伺服器、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，在最後的採購期，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，核心是適配高端伺服器需求，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制成本、規避風險大量囤貨，國內企業的AI伺服器需求激增帶動DDR4採購量增長，信創伺服器因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。
儘管DDR5是未來趨勢，但從DDR4切換過來需CPU、主板和操作系統等支持，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快閃記憶體漲價。
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，徹底改變這一局面。
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行情都持續了這麼久了，為什麼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。
一方面，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。
另一方面，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制——把數據分割後，複製出3個完全相同的副本，再通過分散式演算法將副本存儲在集群中不同伺服器的不同物理磁碟——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伺服器需求超預期，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，目前只有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佔比作個排序。
下圖是大摩統計的「內存在硬體廠商成本中的佔比」，其中All-Flash Array
Storage（全快閃記憶體陣列存儲）位居首位，佔比73%。
前面提到的手機產業，看似水深火熱，但其實內存在整體成本中的佔比只有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，與上游存儲原廠控制利潤率有關：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伺服器客戶，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，行業大者恆大的洗牌趨勢也將進一步凸顯。
除了消費電子品牌，硬體OEM/ODM行業也正面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周期歷史經驗，在11月初的硬體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。
集邦諮詢2025年第一季度報告顯示，全球伺服器DRAM市場中，DDR5的出貨佔比已突破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憑藉高帶寬贏得了AI晶元巨頭們的青睞，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層核心晶元堆疊並通過硅通孔互聯，帶寬可與HBM相匹配。
HBF架構剖面圖，與GPU合封
閃迪強調稱，成本接近的情況下，HBF晶元的容量卻達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，這會帶來一系列連鎖反應：token生成速度提升→GPU空閑時間減少→人工智慧總擁有成本（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制，NAND存在壽命限制，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快閃記憶體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。