夜雨聆风花几千美元买一张 AI 芯片，其实有将近三分之二的钱进了内存厂商的口袋——这不是比喻，而是 Epoch AI 刚刚发布的一份量化分析的结论。这份数据覆盖英伟达、AMD、谷歌、亚马逊四家主要 AI 芯片设计商，统计周期从 2024 年第一季度到 2025 年第四季度，结论是：HBM（高带宽内存）在 AI 芯片总成本中的占比，已经从 52% 涨到了 63%。这不只是一个供应链数字，它揭示了一个正在加速的结构性转移：AI 时代的算力价值，正在悄悄从"算"滑向"记"。
成本结构里发生了什么
Epoch AI 的分析把 AI 芯片的成本拆成四类：内存（HBM）、逻辑核心（Logic Die）、先进封装（CoWoS）、辅助组件（Auxiliary）。从 2024 年到 2025 年，这四类成本的走向完全不同：
| 持续上升 | |||
逻辑核心——也就是 GPU 的算力核心——的成本占比两年没动。但绝对值在涨：整个 AI 芯片市场的总成本支出从 2024 年约 220 亿美元增长到 2025 年约 520 亿美元。这300 亿美元的增量里，HBM 一项就贡献了约 200 亿美元，HBM 支出从 120 亿涨到 320 亿。
翻译成直白的话：AI 芯片市场扩大了一倍多，但这倍增的价值基本上都被内存厂商拿走了。
为什么内存比芯片贵得更快
理解这件事需要先知道 HBM 和普通内存之间的物理代价。
普通的 LPDDR5X 内存——也就是手机里用的那种——每比特占用的硅片面积本身并不大。HBM 要先把多层 DRAM 芯片堆叠（Stack）起来，再通过硅通孔（TSV）互联，然后和逻辑核心一起封进 CoWoS 封装里，整体工艺复杂度远超普通 DRAM。
全球 HBM 的供应商屈指可数——SK 海力士、三星、美光，这三家占据全球供应的绝大部分，且没有任何一家在短期内有意愿大幅扩产。
原因不难理解：DRAM 行业历史上每次大规模扩产都伴随着价格崩盘和公司破产，行业里的"幸存者"都把谨慎产能规划刻进了 DNA。这场 AI 驱动的需求爆发，正好撞上一批被历史教训驯化过的供应商。
超大型买家已经提前感受到了
这不是分析师的推演，已经反映在财报里了。
微软 FY2026 的资本支出指引是 1900 亿美元，其中约 250 亿美元来自组件价格上涨——这是他们在财报电话会上明确说的。Meta 把 2026 年资本支出区间上调了 100 亿美元，同样把原因归结为"更高的组件价格"。
这两家是全球最大的 AI 基础设施买家，他们的话要按字面意思理解：不是规模更大了，而是同样的东西更贵了。
Epoch AI 的预测是，2026 年 HBM 的占比还会进一步上升，因为两件事在同步发生：AI 算力需求继续高速增长，而 HBM 供给增速跟不上——三星、SK 海力士和美光三家主要供应商都已经表示他们 2026 年的 HBM 产能几乎全部卖光。
逻辑核心"价值不变"意味着什么
表格里最耐人寻味的一行，是逻辑核心维持在 13% 左右。
这似乎是个悖论：英伟达的 H200、B200、GB300 一代比一代贵，怎么会在成本结构里原地不动？答案在于，逻辑核心的绝对支出其实也在涨，只是涨幅远低于 HBM，所以占比相对缩小了。
从另一个角度看这个数字：在 AI 芯片的每一代迭代中，逻辑核心的架构复杂度在提升，但成本增速被先进制程的持续改善压制着——台积电每代节点都在把同样的芯片做得更便宜一些。内存没有这种"免费午餐"：DRAM 的工艺节点改进幅度，比逻辑芯片慢得多。
结果就是：AI 芯片里，算力越来越值钱，但内存更值钱——而且这个差距在拉大。
中国视角：这条路的战略堵点
这个成本结构对中国的 AI 基础设施意味着一个具体的战略问题。
算力芯片领域，华为昇腾系列、海光 DCU、壁仞、沐曦等厂商已经有了有竞争力的逻辑核心产品。昇腾 910B/910C 在大规模推理部署中被证明是可用的。这些厂商的逻辑层，已经积累了相当的能力。
但 HBM 是另一回事。
HBM 量产技术高度依赖 EUV 光刻机，而 ASML 对中国的 EUV 出口禁令早已明确。唯一有 DRAM 量产能力的主要厂商长鑫存储（CXMT），已能做到 DDR5 LPDDR5，证明 DUV 路线可以实现可用良率——Corsair 等品牌已经在用长鑫的芯片，但 HBM 的叠层工艺和 TSV 互联对制程精度的要求更高，用 DUV 能不能闯过这道坎，还没有公开的量产案例。
这意味着：即使中国厂商把逻辑层做到最优，AI 芯片里成本占比最大的那一块，依然高度依赖海外供应链或自主体系尚未打通。训练和推理的成本，有将近三分之二的部分被一道目前还没跨过的墙挡在外面。
HBM 成本还会升多久
短期：几乎没有减轻的信号。HBM 的扩产周期极长——新 fab 建设加上良率爬坡。目前三大供应商的态度是"有多少卖多少，不想冒险超量扩产"，这和行业历史上每次巨亏的经验是一致的。
中期变量有两个：第一，长鑫存储如果在 HBM 制造上取得突破，会改变供需格局；第二，模型架构本身如果出现能显著降低内存带宽需求的创新（比如 DeepSeek 的 MLA 把 KV 缓存压缩了约 93%），"内存吃掉一切"的逻辑可能会被反向打破。
这也是为什么 DeepSeek 的架构创新在 AI 基础设施圈子里被认真对待的另一个维度——它不只是推理服务更便宜了，也有可能重新绕开成本占比最高的那个组件瓶颈。
数据来源：Memory has grown to nearly two-thirds of AI chip component costs，Epoch AI，Venkat Somala 著，2026 年 5 月 21 日。数据统计口径为英伟达、AMD、谷歌、亚马逊四家芯片设计商，按季度生产量加权，涵盖 2024 Q1 至 2025 Q4。
