AI 抢芯,旧手机先涨价:企业该读懂的真正启示

一句来自华强北的大白话，把整条 AI 产业链的成本变化压缩成了一句话。它跟每一家准备上 AI 的企业，都有关系。

60 块都没人要的东西，现在能卖 100 多

深圳华强北，做了六年二手手机回收的老张，最近明显感觉到"市场变天"了。

"以前 60 块都没人要的旧手机，现在不开机都能卖 100 多元。"

这不是商家在炒作。从去年 9 月到现在，报废机的整体回收价翻了 2 到 3 倍，个别机型涨幅超过 150%。OPPO A9 从 80 元涨到 200 元；华为 nova 5i、Redmi 9A 这些早该进回收站的老机型，回收价普遍翻倍。

更反常的是——屏幕碎掉、完全开不了机的报废机，现在都有人抢着收。

一台已经死掉的手机，为什么突然值钱了？

因为它身上有一样东西，被 AI 抢走了。

▍01　一条没被讲透的传导链

这轮涨价最容易被误读成两个方向：要么是"炒作"，要么是"手机要涨价了"。都不对。

真正的起点，在离手机很远的地方——AI 服务器的机房。

训练和运行大模型，需要海量的高带宽内存。一台 AI 服务器对存储的需求，是普通服务器的 8 到 10 倍。三星、SK 海力士、美光这三家掌握全球绝大多数存储产能的厂商，做了一个在财务报表上非常理性的选择：把 70% 到 90% 的先进产能，转向利润更高的 HBM（高带宽内存）。

理性的选择，代价由下游承担——给手机用的 DDR4、LPDDR 这些消费级存储芯片，供给明显收缩，有的干脆停产。

价格的反应非常剧烈：

芯片一涨价，最先受不了的反而不是手机厂，是下游那一堆小玩家：维修店、做智能门锁的、做监控摄像头的、做车载中控的。他们买不起新芯片，也拿不到货。

于是，目光转向了另一个地方——旧手机里的拆机芯片。

存储颗粒拆下来，检测修复之后还能用，价格只有全新芯片的 40% 到 60%，而且现货充足。对这部分需求来说，旧手机不是"垃圾"，而是一个待开采的标准件仓库。

需求一转移，价格就被重新算了。

说白了，不是旧手机涨价了，是芯片被 AI 抢走了。

一条从 AI 机房出发的成本链条，最后落在了普通人的抽屉里。

▍02　为什么涨得最凶的，恰恰是"没人要的那批"

这轮行情有个特别容易被忽略的特征：不是普涨，是挑着涨。

涨得最猛的，是安卓中低端的大内存机型，普遍翻了 2 到 5 倍。而苹果手机的回收价，整体波动并不大。

原因不复杂。安卓中低端机市场存量大、芯片通用性强，拆下来能直接用在各种智能硬件上；而苹果芯片封闭性强，解锁和复用的成本高，普通回收商很难参与，芯片的复用价值反而更低。

更有意思的是回收商的定价逻辑变了。

以前收手机，先看外观、看能不能开机、按成色分档。现在——

先看内存多大，再看芯片型号好不好。

"只要核心元器件可用，即便是报废机也会被高价收走。"

这句话值得多想一层。

一台手机的价值，过去由它的整体状态决定：能不能用、好不好看。现在由它的可拆解性决定：里面有没有别人真正需要的东西。

当一个行业的底层成本结构被重估，最先被重新定价的，往往不是那些光鲜的增量，而是被低估的存量。

▍03　先冷静：这是阶段性行情，不是长期趋势

话要说完整——这不是一条可以无脑冲进去的赛道。

第一，价格波动极大。华强北的报价"一天一个价"，早上和下午都可能不一样，昨天一个价、今天跌几十块是常事。

第二，它是阶段性行情。能不能持续，完全取决于上游芯片供需。一旦存储厂商恢复消费级产能，或者 AI 需求增速放缓，现在的价格体系随时可能回调。现在囤货的人，也怕砸在手里。

第三，涨价是结构性的，不是所有手机都"越放越值钱"，不同渠道报价差异还很大。

家里有闲置旧手机，正确姿势是：找个正规回收平台，按当前行情评估一下，该出手就出手。别把它当投资品去囤。

但真正值得企业关注的，是这轮行情暴露出来的那个规律——

成本重估一旦开始，就会沿着产业链一路传导，最后落在某个你完全没想到的角落。

对个人，那是抽屉里的旧手机；对企业，是 AI 的整个成本账。

▍04　旧手机的第二种命运：不是卖掉，是留下干活

旧手机的价值有两条兑现路径。第一条是卖掉，一次性变现。第二条更有意思——留下来干活。

过去一年，一批开源项目真的把"旧手机"变成了"AI 设备"：

• OlliteRT——可以理解成"安卓版 Ollama"。它把安卓手机变成一个兼容 OpenAI 接口的本地大模型服务器，局域网里其他设备填个 API 地址就能连上手机里的模型。不碰云服务，不要 API Key，数据不用出家门。

• Termux + llama.cpp——把安卓手机变成 Linux 终端，直接跑 GGUF 模型，玩法跟电脑上一样，而且不需要 root。

• PocketPal AI——不想碰命令行的，装个 App 就能在手机上跑模型。

• OpenClaw 这类自动化框架——把旧手机改成全年在线的执行节点：跑本地推理、当跳板机、跑自动化脚本。

听着很美好，实测也很诚实：发热严重、续航崩。1B 的模型跑几分钟，手机后背烫得能煎蛋，充电器不离手是常态。网络延迟也是问题，交互体验比预想差不少。

所以它的天花板很清楚：

单机算力有限、7×24 稳定性差、没有统一管理、没有考核机制、出了问题没人负责。

你没法拿一台躺在抽屉里的旧手机，去承担公司的客服答疑或者月度报表。

但这个困境，恰恰是每一家想上 AI 的企业都会遇到的：能力有了，却没法把它变成一件可靠的、可管理的、能被问责的生产工具。

▍05　把镜头拉回企业：AI 的成本账正在被重算

存储芯片涨价只是这轮成本变化的一个切面。它提醒企业一件事：AI 的成本结构，正在你还没准备好的时候被重估。

过去两年，企业上 AI 大致就三条路：

三条路的差别，不在"谁更先进"，而在钱花在了哪一类资产上。

自建路径里，绝大部分投入流向了算力、存储、模型这些通用、可买、且持续贬值的东西：硬件会迭代，价格会波动，模型半年换一代，人还会走。

而这一轮存储涨价，正好给这条路又加了一次成本。

技术会过期，但对业务的理解不会。这句话放在 AI 的成本账上，同样成立。

所以在 AI 这件事上，企业最不该抢着自建的，恰恰是那些通用、会贬值、还要持续投钱的部分。

真正该留在自己手里的，是另一些东西。

▍06　企业真正该自建的，从来不是算力

把"企业的 AI 资产"拆开，大概能分成三类：

前两类，花钱就能买到，而且是持续花钱、持续贬值。第三类，只能从你自己的业务里长出来——它才是企业最值得花时间做的那笔投资。

这也是 ONEMANY 企业数字员工运行平台里，Skill 蒸馏引擎存在的意义：从员工真实的工作记录（IM、工单、邮件、项目文档）里，自动提炼出岗位画像和可复用的技能包。

五步走完：全域数据接入 → AI 智能萃取（先规划框架、再精准抽取）→ 岗位画像生成 → 技能资产封装 → 审核入库复用。

一句话：把优秀员工的经验，变成企业的数字资产，不随人员流失。AI 时代企业真正的护城河，不是你有多少张卡，而是你有多少"被沉淀下来、可复用、可验证"的岗位能力。

▍07　一套平台，把 AI 从"对话框"变成"可管理的劳动力"

有了岗位能力，还需要一个地方让它真正"上岗"。

ONEMANY 企业数字员工运行平台覆盖的，是数字员工从创建、装配、上线、监控到成本核算的全生命周期。八块能力拼起来，是这样：

但真正拉开差距的，不是功能清单，是怎么保证它不出错。

每个数字员工上线前，要过四重校验：

1. 任务与工具验证——任务理解对不对、工具调用对不对

2. 效率与资源验证——耗时和资源消耗是否在可接受区间

3. 成果完整性验证——交付物是否完整、能不能直接用

4. 来源与版本验证——结论有出处、版本可回溯

四维通过才上线；上线走灰度发布，出问题快速回滚，全链路可溯源、可审计——任务完成率 99.9%，自动化步骤 100% 可溯源可审计。

还有一个容易被忽略的点：它交付的是结果，不是建议。

数字员工能直接产出 Excel 报表、Word 文档、动态数据图表。不是"我建议你这样做"，而是"这是做好的东西"。

部署上，公有云、专属云、完全私有化都支持，数据不出域，能满足金融、政企、医疗的合规审查。

▍08　从哪个岗位开始：一条 4–8 周的试点路径

能力这么多，从哪开始？答案可能和你想的不一样：别贪大，先啃一个岗位。

一条被反复验证过的路径：

1. 选岗位——挑重复性高、规则相对明确、有知识沉淀的：客服答疑、简历初筛、报销审核、报表生成

2. 梳知识——把这个岗位的职责、流程、制度文件、历史工单整理出来

3. 造员工——按真实 JD 定义职责、目标、边界、输出标准、沟通风格

4. 装技能——挂载需要的内置技能与 MCP 连接器（邮箱、文档、表格、企业系统）

5. 挂知识库——把制度、产品资料、历史案例按权限挂上去，打开引用溯源

6. 四维验证——跑通四重校验，确认能稳定交付

7. 灰度上线——先小范围跑，保留人工接管节点，异常随时回滚

8. 看板算账——用任务成功率、人工接管率、人效替代比、Token 成本算清投入产出

目前已经交付的四大场景：智能客服中心、制造业售后与质检、企业数据分析（自然语言取数 + 自动报表）、人力资源（简历筛选、面试安排、员工问答）。

一些可核验的成果（客户名称已脱敏）：

成本口径也说实在些：单个数字员工的年成本，大致相当于同岗位一名员工年成本的 15% 到 30%（含平台费 + 算力费）；单岗位人效替代比，保守按 0.5 人算。

边界同样要说清楚：它不适合"买一个 AI 立刻替代整个部门"的期待，不适合战略决策类工作，也不适合完全没有知识沉淀、流程高度依赖个人经验又说不清的场景。该保留人工兜底的地方，一定要保留。

▍成本会涨，账要算长

回到那台旧手机。

涨价的是里面那颗芯片，不是那台手机本身。它只是碰巧成了这轮成本重估里，一个被重新定价的存量。

企业的处境其实很像：这轮 AI 涨价，涨的是那些通用、可买、会贬值的东西——算力、存储、模型。而真正保值的那部分，一直没变。

它不在机房里。

它在你自己的岗位职责里，在优秀员工做事的方法里，在那些只有你们公司才有的制度和经验里。

把这些沉淀下来，装进能上岗、能考核、能审计的数字员工身上——这大概是这轮 AI 红利里，一家企业最该先动手的事。

想聊聊你们公司的第一个岗位该从哪里开始？欢迎在后台留言。