内存与存储价格大涨解析，为什么AI正在把我们的硬件变成奢侈品？- 主题精读稿
内存与存储价格大涨解析，为什么AI正在把我们的硬件变成奢侈品？- 主题精读稿
津津乐道 | 主播：朱峰、姝琦 | 2026-03-19 | 时长约 1 小时 16 分
前言：一块硬盘引出的时代命题 (00:00 - 02:50)
NAS 上的一块旧硬盘坏掉，促使朱峰去查价格：10T 二手硬盘从 700 元涨到了 14T 要 1600 元；姝琦录音室的 64G SD 卡从 60 元涨到 200 多元；一位主播朋友发现同款 2TB 便携固态硬盘在短短一周内从 1496 元飙至 4798 元——三倍涨幅，七天之内。这不是个别现象，而是一场席卷整个存储市场的价格海啸，远远跑赢黄金。
一、这轮涨价与以往有何不同 (11:42 - 22:28)
历史上的内存涨价都有明确的导火索，但此前每次最终都会回落。
- 1999 年：台湾大地震毁掉了新竹产业园区的晶圆厂（台湾供全球约 10% 的显存和内存），两个月内内存价格翻三倍。一位装机商阴差阳错多进了两箱内存，囤在床底，结果挣了将近一千万。
- 2012-2013 年：金融危机后价格崩盘，部分厂商破产减产，产量下降导致小幅涨价。
- 2016-2018 年：智能手机大爆发，用户从 2GB 升至 6-8GB，8G 内存条从 200 多元飙升至 1000 元，直接引发发改委对三星、海力士、美光三家的调查。（插曲：三星 Note7 爆炸后，三星为弥补 50 多亿美元损失率先宣布内存涨价，另外两家顺势跟涨，形成事实上的涨价联盟。）
- 2020-2021 年：疫情导致供应链中断，居家办公潮推高了电脑和平板需求，加密货币牛市推高了显卡需求（那一波英伟达股价大涨靠的是挖矿，不是 AI）。
这次不同——这是 AI 时代的结构性短缺，不是事件驱动的短期波动。 SD 卡涨幅跑赢黄金，内存价格涨了近十倍，整机装机成本上涨 15%-30%，且没有看到明显的回头迹象。
二、AI 如何把内存需求变成无底洞 (28:00 - 44:59)
摩尔定律失效：堆量时代来临
摩尔定律预测每 18-24 个月晶体管数量翻倍、性能提升、价格下降。但晶体管间距到 7 纳米附近便遭遇隧穿效应等物理极限，密度无法继续提升。英特尔"挤牙膏"式升级既有商业策略因素，也有客观物理瓶颈。
物理极限到来之后，算力提升的路径从"把芯片做得更聪明"变成了"堆更多机器"。 这个逻辑在 AI 之前还凑合——云服务、集群计算可以水平扩展。AI 的出现彻底打破了平衡。
GPU 并行计算：为什么需要海量内存带宽
CPU 是串行计算，一道题做完再做下一道；GPU 是并行计算，同时把一张卷子的十道题全部算完。并行计算带来的代价是：需要极高带宽的内存来实时喂数据。
普通内存速度约 100GB/秒，已经跟不上 GPU 的计算速度。解决方案是 HBM（高带宽内存）——把多个 DRAM 颗粒堆叠在一起并行供货，传输效率可达 T 级别。GPU 并行，内存也并行，两者相互匹配。
HBM 的代价：晶圆消耗成倍扩大
同样一张 12 寸晶圆：
- 生产普通消费级内存，可切出约 300 个颗粒
- 生产服务器级 HBM，只能切出约 100 个颗粒
3 比 1 的晶圆消耗比，意味着 AI 对内存的实际需求是账面数字的三倍以上。 而晶圆厂无法快速扩产——从建设到投产需要 3-5 年，还要克服苛刻的抗震、恒温、超静环境要求，加上产能爬坡期，光试生产就需要一年以上。
恶性循环
大模型训练的逻辑是"大力出奇迹"——喂的数据越多，模型越聪明。但没有人真正知道大模型为什么会变聪明，只知道不停地训练它，它就会聪明。 这个黑盒特性意味着，只要 scaling law 没有遭遇明确的天花板，对算力和内存的需求就会持续扩张：更多数据需要更多存储，更多存储催生更多算力需求，更多算力倒逼更多内存带宽——整个系统进入正反馈的恶性循环。
机械硬盘也没能幸免：大模型训练需要大量语料的冷存储（文本、图片、视频），多模态训练更是要把"人类产生的一切"都喂进去。
电力：比内存更难买
内存有钱就能买到，电力不行。电网的供给能力取决于长期基础设施投资，不会因为 AI 热潮就跟着快速扩建。涡轮发电机的产能已经排到 2028 年之后。 美国的电网建设远不如中国完善，部分数据中心已经开始规划小型核反应堆供电。中国相对好一些，制造业重国的用电结构使得 AI 数据中心的用电量还在可调配范围内。
三、厂商的算盘：为什么不愿扩产 (35:00 - 53:00)
扩产有三重风险
- 建设周期太长：晶圆厂从立项到量产需要 3-5 年，加上供应链联动（奶器气体、光刻胶等辅料也需要同步扩产），不可能快速响应。
- 泡沫风险：没人知道 AI 算法的上限在哪里。如果 Transformer 遭遇 scaling wall，或者大厂数据中心建设饱和，新增产能立刻面临过剩，内存价格暴跌，厂商直接亏损。
- Transformer 的黑盒问题：算法仿照人脑神经结构，但大脑如何运作尚不清楚，算法为何有效也不清楚，拐点在哪里没人知道——这让所有长期投资决策都充满不确定性。
主动放弃消费级市场
美光宣布完全退出消费级市场，只做数据中心 HBM；三星和海力士虽然将 DDR4 产线延续到 2026 年，但"仅供工业客户"——普通消费者被彻底排除在外。
最新扩产的产能也全部是 HBM 产线，直接对接企业大客户。我们这些个人消费者，是在跟 OpenAI、Google、Meta 这些大厂抢内存颗粒，而内存厂商已经用预付款和长期合同把几年的产能全部锁给了大厂。
囤货的影响被高估
有囤货现象，但对市场整体影响不大。就像某装机商当年囤了两箱内存，自己挣钱了，但改变不了大势。朱峰认为，三星每次涨价时恰好出现的"工厂罢工"、"水灾"、"火灾"等新闻更像是拉价格的手段——自从中国长江存储开始供货，三星的 SSD 工厂就再也没有起火了。
四、价格什么时候会松动 (50:00 - 53:00)
根据各大公司的财报和数据中心建设计划，大部分数据中心项目计划于 2029 年完工。倒推来看，2027 年前后内存需求可能触顶，此后随着机器装满、新增采购减少，消费端才有可能逐步看到松动。
但这只是"可能"：AI 算法如果出现新的突破或瓶颈都会打乱这个预测，地缘政治风险和供应链变数同样存在。
朱峰说了一句颇具黑色幽默的话：如果你在盼 AI 泡沫破裂让内存降价，先想想 2001 年互联网泡沫破灭带来的金融危机——那个代价比买贵点的内存要惨得多。
五、普通消费者能做什么 (56:27 - 1:14:41)
假货风险：利润高过贩毒
价格高涨带来了造假动机。朱峰直接说：这些利润高过贩毒了，造假的动机自然也强了。 市面上已经出现大量假 SD 卡，外观和真品无异，只有在实际使用中才会发现速度慢或数据丢失。华翔北的老板甚至主动劝朱峰别买 TF 卡，因为无法保证货源真实性。
几条可行的应对策略
买品牌大厂的产品：苹果、联想、华为、小米等大厂提前锁定了大量产能，短期内价格波动幅度比散件市场小得多。苹果的利润空间允许它推出低价产品（如 MacBook Neo）抢占市场份额，不受内存价格波动的直接冲击。
买新不买旧，买大不买小：如果本就计划换设备，在还没有大幅涨价之前选容量大一档的型号，避免一两年后因为容量不够又要以更贵的价格更换。
转向云存储：云厂商提前采购了大量资源，价格调整有滞后效应。115 网盘会员 40T 存储空间八年只需 800 元，折算到同等本地硬盘成本远超这个价格。阿里云近期也宣布涨价，但涨幅和节奏仍然慢于零售市场。
租用算力而非购买硬件：对于真正需要 GPU 算力的用户，AutoDL 等平台按小时租用 H100 约 5-6 元，远比购买显卡划算，且不用承担硬件折旧和价格风险。
能用就用，不盲目升级：当前设备还能运行，就先凑合。各大软件厂商也清楚用户不会大规模换机，不会激进升级最低硬件要求。
冷存储备选：数据量极大的用户可以考虑磁带冷存储方案——磁带不含芯片，没有涨价，闲鱼上二手磁带机约 2000 元，一盘磁带可存数 T 内容，但读取速度慢、操作繁琐。
尾声：一个时代的侧影
这场硬件价格上涨，本质上是 AI 军备竞赛的成本向下传导。每家公司都在赌自己买了更多 GPU 和内存就能跑在前面，谁跑得快谁赢——这种 FOMO（害怕错过）心理席卷了从科技巨头到传统企业的各个层级。"AI 加一切"替代了当年的"互联网加一切"，算力成了新的稀缺资源。
我们这些普通消费者，成了这场大博弈的旁观者和附带受害者。 没有什么灵丹妙药，只有保持理智：看清楚自己真正需要什么，别在恐慌情绪里做出多余的消费决策。