AI算力通脹時代：英偉達服務器漲價超15%，成本傳導衝擊雲廠商利潤率

硅谷Tech news2026.08.25 09:59 · 來自北京全文4765字00:00 / 14:47存儲芯片成本飆升重塑AI產業定價鏈，從英偉達調價到雲廠商自研芯片加速。英偉達漲價了。這一次推高其AI服務器售價的，並非它自身的芯片溢價，而是它無法自主生產的存儲芯片。據報道，英偉達已向微軟、谷歌、甲骨文等核心客戶發出調價通知，因存儲芯片成本大幅上行，搭載其AI芯片的服務器價格普遍上漲逾15%，覆蓋Vera Rubin、Grace Blackwell等旗艦系統，自2027年初出貨起生效。在單臺售價已達數百萬美元的市場中，這一漲幅意味著每臺設備新增數十萬乃至近百萬美元的硬件開支。

更值得警惕的是，AI服務器的成本重心正在發生位移，佔據整機物料成本大頭的，已不再是英偉達的GPU，而是三星、SK海力士等存儲原廠掌控的高帶寬內存。01 漲價衝擊波：15%意味著什麼當地時間8月22日，據多家媒體報道，此次漲價沿一條清晰的傳導鏈推進：英偉達先行定價，代工廠商（工業富聯、聯想等）執行調價，通知最終送達微軟、谷歌、甲骨文等頭部雲廠商。多數商用場景漲幅超過15%，具體視芯片代際與內存配置而定；2027年初出貨系統適用新價，已簽約存量訂單暫不受影響。以實際價格換算更為直觀。

一臺基於Blackwell架構的NVL72機架當前售價約280萬至340萬美元，而Vera Rubin系列詢價已達500萬至700萬美元。在此基數上，15%的漲幅意味著單臺新增數十萬乃至近百萬美元的硬件開支——對於動輒採購數百乃至上千臺服務器的雲廠商而言，這筆增量不容忽視。需要指出的是，這並非英偉達年內首次調價。在消費級顯卡市場，RTX 50系列中位數零售價在2026年6月至8月間已上漲39%，RTX Pro 6000 Blackwell從7600美元的預訂價攀升至16000美元，漲幅達110%。GDDR7顯存模塊成本較前代增長至三倍。

英偉達在5月和7月兩度向板卡合作商發出調價通知，據分析師測算，若將系統級影響納入考量，企業端綜合成本增幅最終可能觸及20%至30%。02 成本結構反轉：最貴的不再是GPU此次漲價最值得關注之處，不在於漲幅本身，而在於漲價的“主語”發生了變化。在AI服務器的物料成本（BOM）中，存儲芯片的佔比已經反超GPU。以Vera Rubin系列服務器為例，HBM高帶寬內存加系統DRAM合計佔整機物料成本約62%，GPU芯片本身僅佔約26%。換言之，決定AI服務器價格走向的關鍵變量，已從英偉達的芯片定價能力，轉移到了上游存儲原廠的成本曲線之上。

Vera Rubin NVL72 物料成本結構（數據來源：機構拆解報告估算）機構拆解報告進一步細化了這一結構。單個Vera Rubin NVL72機架中，HBM4內存約109萬美元，CPU配套DRAM（LPDDR5X）約80萬美元，直連存儲約128萬美元，三項合計約320萬美元。而整機估價最高可達910萬美元——內存與存儲在其中的分量，可見一斑。英偉達自身也在試圖壓縮這一成本。供應鏈消息顯示，其已將Vera Rubin中每個Vera CPU的SOCAMM模塊容量減半，以緩解LPDDR5X的缺貨與成本壓力。配置減半後，該部分內存成本由原估算120萬美元降至58.6萬美元。

然而即便採取了這一措施，Vera Rubin NVL72仍代表著當前AI基礎設施的最高成本水位。問題的實質在於，英偉達雖掌握GPU的芯片設計，卻不掌握HBM和DRAM的製造產能。它依賴三星、SK海力士、美光等少數幾家存儲原廠供應最關鍵的物料，而這些原廠在當前供需格局中握有極強議價能力。英偉達在存儲成本面前幾乎不具備內部消化的空間，只能選擇向下遊傳導。03 存儲超級週期：HBM的議價權博弈這一輪存儲芯片漲價的根源，是一場結構性供需失衡所觸發的“超級週期”。它並非短期波動，而是AI產業擴張速度遠超存儲產能建設速度的必然結果。

供給端：三家壟斷，擴產遲到全球HBM產能高度集中於三星、SK海力士、美光三家原廠，合計佔據全球90%以上的市場份額，其中SK海力士以50%至55%的份額居首。產能擴張計劃雖已在推進——美光承諾十年內投入240億美元建設新加坡、紐約和愛達荷新廠——但首批晶圓產出最早要到2027年後才能上線，遠水難解近渴。與此同時，三大原廠已將近80%的先進產能轉向HBM和高端DDR5，對通用型DRAM和消費級NAND的產能供給形成嚴重擠壓。2026年全球DRAM總出貨容量中，AI服務器需求佔比將突破40%，這意味著存儲原廠有充分動力將有限產能優先供給高利潤的AI場景。

需求端：AI吞噬產能，缺口持續擴大截至2026年第二季度，HBM供需缺口已達50%至60%。在此背景下，存儲廠商已將議價模式從季度議價調整為3至5年長期鎖價合同（LTA），長期協議佔比持續攀升——這一變化本身，即反映了賣方市場的強勢地位。存儲芯片價格漲幅預測2026-2027（數據來源：機構調研、供應鏈消息）價格數據則更為直接。三星已向主要客戶通知HBM4內存報價上調15%至20%，單顆價格錨定在約700美元，交付週期延長至20周以上。

據悉，DRAM在2026年Q1和Q2價格漲幅分別達90%至95%和60%以上；HBM4在2027年的漲幅預期已從100%上調至130%至150%，部分激進預測甚至觸及200%。三星2026年Q1合併營業利潤約57.2萬億韓元（約合2611億元人民幣），同比增長755%，已超過其2025年全年總和。其HBM業務營收同比增長逾300%，DRAM均價Q1環比飆升64%。存儲原廠在HBM上獲取的超額利潤，使其缺乏擴大通用DRAM產能的動力，而AI的需求增長又持續超出HBM產能擴張的節奏，由此形成了一個自我強化的價格螺旋——這已超出普通景氣週期的範疇，構成AI驅動的結構性價格重塑。

基於多家機構研報綜合分析顯示，存儲原廠在HBM上獲取的超額利潤，使其缺乏擴大通用DRAM產能的動力，而AI的需求增長又持續超出HBM產能擴張的節奏，由此形成了一個自我強化的價格螺旋。04 雲廠商承壓：漲價向何處傳導漲價通知發出之後，一個現實問題擺在雲廠商面前：這筆新增的硬件成本，能否向下遊傳導？已有的信號表明，傳導正在發生。算力租賃商CoreWeave已上調租賃價格25%，H100租賃合約價年內上漲約40%；國內金山雲亦將AI算力相關產品服務價格上調15%至50%。有分析指出，AI服務器需求缺乏彈性——雲廠商難以削減採購量，因為算力供給直接關係到其在AI競賽中的市場地位。

這一剛性特徵使成本向下轉嫁具備了基礎條件，微軟、谷歌等頭部廠商預計將承接成本後，通過API調用費、AI功能訂閱等終端服務逐步消化。然則，能夠傳導並不意味著利潤率可以高枕無憂。2026年，四大雲廠商的資本支出計劃已達到前所未有的規模：2026年全球頭部雲廠商資本支出計劃億美元（數據來源：各公司財報/指引；Meta為估算值）據機構數據，2026年第一季度，四大超大規模雲服務商合計資本支出已達約1300億美元，全年預計達6230億美元，加上Meta則接近7600億美元。如此量級的投入，其回報率正在受到市場的嚴格審視。

國信證券報告顯示，微軟智能雲收入393億美元，同比增長32%，運營利潤率36%，在手訂單RPO達6780億美元，同比增長84%；谷歌最新季度收入1098.96億美元，同比增長22%，營業利潤396.96億美元。數據表明AI雲收入確實在加速兌現，但高資本支出下的現金流壓力同樣是客觀現實。15%的硬件漲價將進一步壓縮這一利潤空間。微軟雲36%的運營利潤率在當前尚屬健康，但若硬件成本持續上行而終端服務定價無法同步調整，利潤率的侵蝕將難以避免。值得注意的是，微軟CEO納德拉已公開將“降低對英偉達依賴”列為2026年核心優先事項——在漲價通知到達的同時，這一表態的指向性已十分明確。

05 自研芯片加速：替代效應的催化劑英偉達的漲價通知，在客觀上為雲廠商的自研芯片戰略提供了最強有力的背書。過去兩年，自研芯片在雲廠商的採購版圖中更多扮演補充角色，定位偏重技術儲備和供給多元化。但2026年夏天之後，五家頭部廠商的路線圖出現了清晰的轉向：自研芯片不再停留於小規模試點，而是逐步切入核心推理負載的替代區間；其定位也從內部自用，開始向對外商業化輸出延伸。頭部雲廠商自研AI芯片佔比2026年（數據來源：行業諮詢機構、投行研報）谷歌的進展最為靠前。據行業諮詢機構數據，2026年穀歌自研TPU在AI服務器配置中的佔比已達70%，全年出貨量預計332.6萬顆，同比增長70%至80%。

8月19日，谷歌與Marvell簽署了一份長達7年的定製芯片合作協議，潛在收入門檻最高接近1200億美元。此舉使谷歌TPU的芯片設計供應鏈從博通獨家供應擴展為雙線並行，TPU亦從內部訓練工具逐步演變為對外出租的算力產品。有機構在研報中指出，雲廠商推進自研芯片的核心驅動力，已從補充供給轉向壓縮成本，目標是將單芯片成本壓降至英偉達同類產品的五分之一至三分之一。據行業預測，到2030年，定製AI芯片在全球AI芯片出貨量中的佔比將從38%升至49%，英偉達的市場份額則可能從當前的絕對主導回落至約40%。

06 終局推演：雙軌並行的新格局回顧上述線索，英偉達此次漲價所映射出的，並非一次孤立的價格調整，而是AI算力產業正在經歷的三重結構性變局。其一，成本重心已發生不可逆的位移存儲芯片在AI服務器物料成本中的佔比反超GPU，意味著英偉達對算力定價的掌控力正在被上游存儲原廠稀釋。它無法自主生產HBM，亦無法完全主導DRAM定價。只要這一依賴關係不變，存儲超級週期就會持續經由英偉達向下遊施加價格壓力。其二，漲價傳導正在催生AI算力定價的“通脹化”趨勢成本沿產業鏈逐級傳遞——英偉達調價、代工廠執行、雲廠商消化，最終傳導至API調用費和AI功能訂閱。

CoreWeave上調25%、金山雲上調15%至50%已經驗證了這一路徑的暢通。真正的懸念在於終端承受的邊界：當AI推理成本因硬件漲價而上升15%至30%，部分AI應用的商業模型是否需要重新核算，將是一個待解的問題。其三，自研芯片替代有望從漸進積累走向加速躍遷英偉達全棧生態的綁定效應——CUDA、NVLink、軟件庫——在短期內仍會延緩替代節奏，但持續的漲價正在迫使雲廠商加速自身的成本核算。當自研芯片的單位算力成本降至英偉達的五分之一至三分之一，且大規模推理場景的需求足夠穩定時，切換的推進速度可能超出當前預期。到2030年定製芯片佔比逼近50%的行業預測，並非毫無依據。英偉達不會被替代。

通用GPU在訓練、前沿模型和新興負載上的地位短期難以撼動，這一判斷在可見的未來依然成立。但產業的運行邏輯正在從英偉達獨佔走向雙軌並行：通用GPU繼續承擔訓練與前沿探索的職能，定製ASIC則加速滲透成熟推理、推薦算法和AI Agent的大規模部署場景。這是AI算力產業從單極走向多元均衡的起點。而觸發這一轉變的，並非英偉達的競爭對手，而是存儲芯片——那個緊鄰GPU、體量不大卻無法繞開的組件。（本文首發APP，作者 | 硅谷Tech-news，編輯 | 秦聰慧）