AI芯片开始＂缩水＂了:特斯拉、英伟达集体砍显存,内存成了AI基建的新天花板

导语：昨天我们聊了 AI 基建的"电荒"，今天来聊聊另一个正在改写芯片规格书的东西——内存。当特斯拉和英伟达都开始给芯片"缩水"，说明 AI 基建的瓶颈，已经从"造不出来"变成了"买不起、买不到"。

10 月初，马斯克在 X 上连发几条动态，更新了特斯拉下一代 AI 芯片 AI5 和 AI6 的内存配置。乍一看只是几个数字的调整，细看却是一个信号——连特斯拉和英伟达，都开始给 AI 芯片"缩水"了。

一、特斯拉先动手：AI5 从 72GB 上调到 96GB，AI6 定格 144GB

先把数字摆清楚。

马斯克公布的最新方案是：AI5 用 96GB LPDDR5，AI6 用 144GB LPDDR6。

这背后还有一段反复。AI5 最初的方案据报道是 144GB，后来被砍半到 72GB，马斯克这次又"小幅上调"到 96GB，理由是"不能只有特斯拉一家用最低配置的 LP5"。AI6 则从原计划的 216GB 削减三分之一，定在 144GB。

马斯克给的理由很直白：全球内存紧缺，调低内存规格是保障稳定供货的唯一办法。而更深层的原因是 Optimus——如果人形机器人要从几百台、几千台走向百万台量产，每台多几十 GB 内存，都会变成天文数字的采购金额和产能占用。

有意思的是，马斯克并不认为这会影响 Optimus 的性能。他的逻辑是：系统瓶颈未必在"能存多少"，而更可能在"数据搬得多快"。只要带宽不下降，容量缩小的影响可以接受。

顺带一提，马斯克对 AI5 的期待值拉得很高：这颗 4 月已经完成流片的芯片，单颗性能对标英伟达 Hopper，双芯片组合对标 Blackwell，能效达到英伟达芯片的 3 倍，成本却只有对方的十分之一（据报道）。能不能兑现，2027 年量产见分晓。

二、不止特斯拉：英伟达 Rubin Ultra 可能从 1TB 砍到 192GB

特斯拉砍的是 LPDDR，英伟达这边动的是 HBM——而且幅度可能更大。

据 The Information、TrendForce 等多方报道，英伟达正在评估把下一代旗舰 Rubin Ultra 的 HBM 从原计划的1TB 砍到 192GB，采用 8 层堆叠的 HBM4 方案。这个数字什么概念？比目前在售的 Blackwell Ultra 和 Rubin 的 288GB 还要低。

这是英伟达旗舰 GPU 历史上第一次"显存倒退"。SemiAnalysis 的分析师指出，这不是性能滑坡，而是一次主动配给：HBM 的带宽是按堆叠固定的，8 层和 12 层堆叠的 token 生成速度相同，但 8 层方案成本更低、每片晶圆产出翻倍。当推理和后训练逐渐取代预训练成为前沿实验室的主力负载，英伟达选择用更少的内存造出更多的加速器。

说白了：内存从"性能配置"变成了"稀缺物资"，得按配额分配。

三、涨价潮：DRAM 今年第一季度环比涨了近一倍

为什么巨头们集体"缩水"？看看价格就明白了。

TrendForce 在 9 月 30 日的报告中预计，2026 年第四季度传统 DRAM 合约价可能环比上涨 10%—15%，服务器 DRAM 仍然缺货。而今年第一季度，传统 DRAM 合约价环比涨幅据报道高达93%—98%，第三季度也在 13%—18%。

根子在产能争夺上。AI 服务器和 HBM 吸走了大量晶圆和先进制程资源，存储厂商优先供应利润更高的 HBM 产品，普通 DRAM 供给被挤压。TrendForce 认为，HBM 与普通 DRAM 争夺有限产能的情况可能延续到 2027 年，供应偏紧难以迅速缓解。

一些服务器采购方已经开始行动：从 96GB、128GB 的 RDIMM 转向 32GB、64GB 模块，纯粹为了压低采购支出。戴尔财报显示其 AI 服务器积压订单高达950 亿美元，TD Cowen 直接点名"内存是风险"。英伟达最新 10-Q 披露的供应承诺达到2790 亿美元（一个季度前还是 1190 亿美元），其中大部分是内存和制造产能——钱已经砸下去了，货还不一定拿得到。

连美光 CEO 都在 9 月底的财报电话会上放话：人形机器人需要 200GB 以上的内存。马斯克把 AI5 定在 96GB，等于公开跟这个判断唱反调——要么是特斯拉算过账认为 200GB 是过度配置，要么是真买不到、买不起。

四、为什么偏偏是内存，成了新瓶颈？

过去两年，AI 基建的瓶颈叙事换了好几轮：缺 GPU、缺电力、缺光模块。现在轮到了内存。这背后有三层逻辑。

第一，AI 吃掉了内存产能。 HBM 本质上是堆叠起来的 DRAM，每一代 AI 加速器都在推高 HBM 用量。存储大厂把产能向 HBM 倾斜，普通 DRAM 自然缺货。这是一个结构性矛盾，不是周期性波动。

第二，推理时代的经济学变了。 训练时代，显存容量直接决定能训多大的模型，越大越好。推理时代，很多负载是计算密集而非容量密集的——带宽够了，容量可以省。英伟达敢把 Rubin Ultra 砍到 192GB，赌的就是这个判断。

第三，"堆料"模式撞上了物理和财务的双重天花板。 昨天我们聊过电的问题，今天内存又来了。AI 基建正在从"性能竞赛"转向"供应链工程"：不是谁的参数更激进，而是谁能在缺货、涨价、功耗的三重约束下，把最多的算力交付出去。

五、这对行业意味着什么？

先说结论：AI 芯片的"参数军备竞赛"，可能要让位给"精算时代"了。

对芯片厂商来说，规格书不再只由工程师写，还得由采购部门联署。显存容量这个曾经只涨不跌的指标，现在成了可调参数。SemiAnalysis 预测，其他加速器厂商很可能跟进，把路线图转向更短的 HBM 堆叠。

对云厂商和大模型公司来说，内存配给会改变架构选择。推理系统得在更紧的显存预算里做优化，KV Cache 压缩、量化、显存复用这些"抠门"技术，重要性会继续上升。

对产业链来说，存储和先进封装环节的话语权在变强。当内存成为瓶颈，谁手里有确定的 HBM/DRAM 产能，谁就有定价权。这也是为什么英伟达愿意提前锁定 2790 亿美元的供应承诺。

当然也要泼点冷水：Rubin Ultra 的 192GB 方案目前还只是"评估中"，英伟达官方没有确认；特斯拉 AI5 的 96GB 能不能撑起 Optimus 的野心，也要等量产验证。在 AI 基建这个行当里，路线图和交付之间，永远隔着一道供应链。

昨天是电荒，今天是内存荒。AI 基建的短板正在一个个浮现——下一个会是什么？光模块？变压器？还是铜？欢迎在评论区聊聊你的判断。

💬 互动话题：你觉得马斯克"带宽比容量更重要"的判断靠谱吗？在评论区留下你的看法，点赞最高的一条，下期文章开头我们展开聊聊。