AI赛道持续火热的当下，AI硬件成本正在迎来新一轮冲击。搭载英伟达芯片的AI服务器整机传出涨价消息，部分配置涨幅超过15%，调价将在2027年初正式生效，就连Vera Rubin、Grace Blackwell这类旗舰一体化AI平台也无法规避涨价带来的成本压力。

很多人会惯性认为，涨价的根源是价格高昂的英伟达GPU，但本轮调价通知并非由英伟达发出，而是由负责组装服务器机柜的代工厂下发给微软、谷歌等云服务商。代工厂仅仅充当信息传递角色，真正掌控成本定价权的，是上游内存供应商。

三星、SK海力士、美光三家企业合计占据全球近九成内存市场份额，成为这一轮价格上行的核心推手。以Vera Rubin NVL72机柜为例，整套设备集成72颗GPU与36颗CPU，配套内存容量高达20.7TB。一体化整机虽能够实现开箱即用，但只要其中任意零部件价格上行，整机报价就会随之抬升。测算显示，一座1GW规模的数据中心需要数千台该类型机柜，涨价15%之后，仅机柜采购就将多支出近50亿美元。

内存市场在2026年迎来爆发式跳涨。市场统计数据显示，2026年一季度传统DRAM合约价格环比暴涨93%-98%，行业整体营收同比提升81%，规模达到970亿美元，二季度还将继续迎来58%-63%的涨幅。

当前内存厂商库存已经处于极低水平，有限新增产能优先倾斜供给AI服务器所需的高容量内存产品，PC、手机终端的内存供给被挤压。内存产能扩张存在天然壁垒，新建无尘车间从建设到量产需要耗费两到三年时间，短期很难释放大量产能，厂商现阶段只能依靠优化制程提升单晶圆产出容量，整体产能几乎没有增长。

与此同时，各大云厂商为守住内存供货配额，愿意接受涨价条件，进一步助推价格持续走高。AI产业旺盛的需求挤占消费电子的内存供给，手机厂商同样面临缺货压力，终端产品售价也被迫上调。

AI大模型迭代，让内存从硬件的配角转变为性能的核心瓶颈。新一代Vera Rubin平台单颗GPU可搭载288GB的HBM4内存，内存带宽达到22TB/s，相较上一代提升2.8倍。大模型推理解码环节，性能并不单纯由算力决定，内存的容量与带宽直接决定模型的运行表现。模型参数越大、上下文窗口越长，KV缓存对内存资源消耗就越高。GPU算力再强，也需要充足的内存资源进行支撑，内存成本在整套AI硬件的占比持续攀升。

上游涨价的压力，顺着产业链传导至服务器代工厂。以广达为例，AI服务器业务已经占据其营收半壁江山，2026年二季度营收创下新台币1万亿元的新高，同比近乎翻倍，但是毛利率却下滑至5.02%，较去年同期下降两个百分点。高单价机柜出货量快速增长，但内存等核心零部件涨价不断侵蚀企业利润，第一季度毛利率更是低至4.78%。

面对微薄的利润空间，代工厂无力承担上游零部件的价格波动风险。不少厂商改变采购模式，把原本自行采购内存组装再销售的买断模式，调整为客供料模式，由客户自行采购内存，代工厂只收取组装加工费用，把内存价格波动的风险转移给下游云厂商。

即便微软、谷歌、亚马逊等企业布局自研AI加速器芯片，也依旧无法摆脱内存厂商的制约。自研聚焦于计算芯片设计，HBM、DRAM这类存储产品仍然需要向外采购。头部企业应对涨价的主要手段，就是提前签署长期供货协议锁定货源与价格。英伟达就通过高额预付款与采购承诺，锁定了未来两年大部分HBM内存产能。

过去AI行业竞争焦点集中在能不能拿到足够的GPU芯片，而现在，拿到芯片之后，能否负担高昂的内存成本、拿到稳定的内存供给，成为各大企业必须面对的全新考验。内存已经成为制约AI产业成本与规模化落地的关键变量。