2026年5月26日，两条看似毫不相关的新闻同时出现在科技版面：小米一季度净利润暴跌45%，而美光科技市值首次突破一万亿美元。卖内存的万亿狂欢，买内存的利润腰斩——这不是巧合，这是同一枚硬币的两面。

而这一切的背后，藏着一个反直觉的核心问题：AI能力越强，你的手机越贵，但贵的原因可能和你想象的完全不同。

一张芯片账单，揭开成本真相

先看一组来自Epoch AI的追踪数据。从2024年初到2025年底，全球AI芯片的组件总支出从220亿美元飙升至520亿美元，两年翻了一倍还不止。平均算下来，全球每天花在AI芯片组件上的钱，就接近1亿美元。

钱花在哪里了？这才是最反直觉的部分。

很多人以为AI芯片贵，贵在计算核心——那个动辄集成了数百亿晶体管的"大脑"。无论英伟达的B200还是AMD的MI350，这些GPU的计算核心才是大家关注的焦点。然而拆开账单仔细一看：主逻辑裸片（计算核心）的成本，在这两年间始终只占总成本的13%-14%。在AI芯片总支出翻倍的时间里，计算核心的成本占比几乎没有变化。

真正吞掉预算的，是负责"记忆"的部分——高带宽内存（HBM）。

HBM的成本占比从2024年初的52%一路攀升到了63%。更惊人的是，在两年间增加的300亿美元支出中，HBM贡献了大约200亿美元。换句话说，AI芯片总支出两年翻倍，但"大脑"只贡献了13%的增量，"记忆"却吞掉了三分之二。

这意味着一个被大多数人忽略的事实：AI芯片真正的成本驱动因素，不是计算，而是存储。 芯片行业最稀缺的资源，不是算力，而是带宽。

为什么会这样？这就涉及到半导体行业一个老生常谈，却从未被真正解决的物理难题——"内存墙"。

什么是"内存墙"？一个解释了所有问题的物理瓶颈

过去20年里，硬件的峰值计算能力提升了60，000倍，但内存容量仅仅提升了100倍，互连带宽更是只提升了30倍。计算力和内存之间的差距，像一条越拉越宽的鸿沟。这就是"内存墙"的含义——计算能力的发展速度远远超过了数据搬运能力的发展速度。

GPU的计算核心可以在一个时钟周期内完成数十亿次浮点运算，但它要处理的数据，却需要从远处的内存颗粒中"搬"过来。搬运的速度远远跟不上计算的速度——模型参数越大，这种瓶颈就越致命。

HBM（高带宽内存）的诞生，本就是为了解决这个问题。它的技术思路非常巧妙：通过3D堆叠技术，将多个DRAM芯片垂直堆叠在一起，用硅通孔（TSV）连接，实现了一条超宽的数据通道。如果把传统内存比作一条单车道公路，HBM就是一条上百车道的高速公路。HBM3E的带宽已超过1TB/s，是传统DDR5内存的十倍以上。

但是，解决一个问题，又带来了另一个问题。

HBM的生产过程远比普通DRAM复杂。它需要将8到12层DRAM芯片精确堆叠，每一层之间通过数千个微米级的硅通孔连接。生产1GB的HBM，需要消耗相当于普通DRAM三倍以上的晶圆产能。 良率更低，工序更多，成本自然居高不下。

更关键的是，HBM的毛利率高达70%以上，而普通内存的毛利率只有20%-30%。如果你是存储芯片厂商——美光、SK海力士、三星——面前有两个选择：一边是利润微薄的消费级内存，一边是毛利超过70%的AI专用HBM，你会把产线调整到哪边？

答案不言自明。而且事实也正是如此。

从HBM到手机：一条隐形的涨价链条

存储巨头的产能重心转移，引发了一系列连锁反应。

美光关闭了旗下的消费级品牌Crucial，把最先进的产线全面转向HBM和服务器DDR5。SK海力士和三星紧随其后，将最先进的EUV光刻工艺优先分配给HBM生产。消费级DRAM的产能被大幅压缩，不是没人买，是根本没人产。

结果就是：普通手机内存的价格，在不到两年时间内暴涨。

手机物料成本中，内存的占比从15%一路飙升至50%。一台售价2000元的中端手机，过去屏幕和处理器是最大的成本项，现在仅仅是内存一项，就能吃掉一半的物料预算。

这带来的连锁效应相当猛烈。

一台8GB+256GB配置的安卓中端机，两年前的内存成本大约在80-100元，现在同样的配置要花250-300元。如果手机厂商不涨价，这200元的差额就要从利润里出。而中端手机的利润本来就不高。

手机厂商不得不面对一个残酷的选择：要么大幅涨价保住利润，要么缩减配置降低竞争力。而无论怎么选，用户体验都会受损。

最脆弱的，是廉价智能手机市场。

低于100美元的智能手机，已经被行业分析师认为"永久性不再经济"。传音——那个长期称霸非洲市场的手机王者——2025年净利润暴跌了54%。Oppo和Vivo被迫大幅削减出货目标。印度100美元以下的手机市场，萎缩了59%。

这不仅仅是一场涨价，这是一场结构性洗牌。低价手机市场正在被系统性消灭——不是因为消费者不肯花钱，而是因为芯片产业链的利润分配逻辑已经彻底改变。

AI手机的两层成本夹击

如果只是内存涨价，手机厂商还可以通过优化产品线来应对。但真正令人头疼的是，手机厂商正在遭遇两层成本夹击。

第一层，就是内存成本飙升。 无论是不是AI手机，只要出货就得配内存，而内存价格已被AI需求彻底推高。这个成本压力是普遍的、系统性的。

第二层，来自AI芯片本身的算力成本。 为了让手机具备端侧AI推理能力，SoC中必须集成NPU。更高的AI算力意味着更大的芯片面积、更先进的制程、更高的良率。高通骁龙8 Gen系列和联发科天玑9300系列，其芯片报价在过去两年上涨了30%-50%。这部分成本最终都会体现在手机售价上。

打个比方，两部看起来配置差不多的手机——同样的屏幕、同样的摄像头、同样的电池容量——如果一部搭载了更强的AI处理单元，它的芯片成本可能高出30%-50%。这部分溢价不能被消费者直接感知，但它真实存在。

AI能力的提升，正在以最直接的方式推高手机定价。 当你为"AI手机"买单时，你付的不只是NPU本身的成本，还有它背后那条从HBM产能挤兑开始、一路传导到手机内存价格的完整链条。

但这还不是全部。当手机厂商和模型厂商开始"抢人"——抢用户入口、抢AI叙事权——竞争进一步升级。字节跳动的豆包手机一代虽然仅售出3万台，但通过GUI Agent方案实现了从硬件到软件的完整AI体验，引发了行业震动：当你的手机在用户口中变成"某某模型厂商的手机"，硬件厂商在这条价值链里的位置就被悄悄重排了。

手机厂商不仅要多掏钱买芯片，还得担心用户认知被模型厂商"夺走"——成本高了，利润却可能更薄了。这个局，确实不好破。

内存巨头的"这次不一样"？

面对这轮存储行业的超级周期，华尔街正试图用一个新故事来说服自己：长期供货协议（LTA）将会消灭存储行业的周期性。

这个逻辑是这样的：云厂商为了锁定AI存储产能（HBM和服务器DDR5），和存储芯片厂商签订了3-5年的固定价格合同。如果大部分产能都被长协锁定，那么存储芯片的价格就不再随市场供需剧烈波动，存储股将从周期股（PE 8-15倍）向公用事业股（PE 20-30倍）估值切换。

这个故事很漂亮，美光股价也因此暴涨，市值突破万亿。华尔街分析师纷纷上调目标价，高盛却在这一波行情中"踏空"了——在同行普遍看多时依然维持中性评级，被行情狠狠甩在了后面。

但故事有多动人，风险就有多隐蔽。

长协真正被需要的时刻，恰恰是它最可能失效的时刻。如果AI资本开支增速放缓，价格弹性而非销量弹性驱动的增长将非常脆弱。 用周期顶部的盈利乘以一个看起来"合理"的倍数，得出一个看起来"不贵"的估值——这正是周期股见顶时最经典的估值陷阱。

当年思科在互联网泡沫时的故事，还记得吗？同样的"这次不一样"，同样的"长期协议锁定了未来"，最终泡沫破裂时，思科股价从80美元跌到了8美元。

当整条华尔街同时喊出"这次不一样"的时候，至少值得停下来问一句：上一次所有人都这么确定的时候，后来怎么样了？

三个破局方向：如何不再"为内存打工"

既然问题出在"内存墙"，那破解之道自然也集中在"如何绕过内存墙"上。目前有三条主要路径。

路径一：暴力加码

英伟达正在为Rubin架构做准备，通过HBM4和高达3360亿个晶体管的GPU，试图在物理极限内硬生生挤出更多带宽。这条路最确定，也最昂贵——继续烧钱、继续涨价、继续把压力传导给下游。对于英伟达的客户来说，这意味着更高的采购成本；对于消费者来说，这意味着AI服务的价格短期不会下降。

路径二：架构创新

一些初创公司正在尝试从底层绕过HBM。

这些创新的共同特征是：不在英伟达的既定路线上竞争，而是另辟蹊径。

路径三：算力大宗商品化

与此同时，GPU租赁价格正在快速下降。算力正在从稀缺资源变成大宗商品——当算力像水电一样随处可得，AI芯片的成本压力就会从系统层面得到缓解。

一个典型信号是：小米宣布MiMo-V2.5大模型API永久降价，最高降幅达99%。OpenRouter这样的推理聚合平台，月处理量已达约100万亿Token，估值超过13亿美元。竞争正在将模型价格打到地板，而这种成本下降最终会传导到终端设备。

所以，手机到底会不会越来越贵？

答案比表面看起来复杂得多。

短期来看，手机确实会涨价。 内存涨了250%，SoC涨了30%-50%，这些成本不可能凭空消失。2026年的主力旗舰机型，普遍比两年前贵了15%-25%。这个趋势至少会持续到存储厂商的新产线投产——预计2027年HBM产能翻倍之前，涨价压力不会缓解。

中期来看，涨价压力会逐步缓解。 美光、三星和SK海力士都在新建HBM产线，预计到2027年HBM产能将翻倍。随着供给增加，价格涨幅会收窄甚至回落。同时，架构创新——从SRAM替代方案到数据流架构——正在改写AI芯片的成本结构。AMD也在FP4低精度训练上取得突破，将token开销从26%-27%降至8%-9%，这意味着未来AI推理对内存带宽的需求可能降低。

长期来看，手机终端的AI溢价会趋向合理。 算力大宗商品化、模型成本不断下探、芯片代际更新摊薄研发费用——这些因素共同决定了：AI不会无限推高手机价格。 真正稀缺且昂贵的，不再是单纯的"大脑计算能力"，而是数据的流转、存储的吞吐，以及纳米级基板上的物理封装手艺。

对普通用户意味着什么？

有三件事值得关注。

第一，买手机的大周期变了。 以前两年换一次手机没什么，现在内存和SoC连续涨价，换机成本显著上升。如果没有明确的AI功能需求，上一代旗舰依然很能打。不必为"AI"这两个字额外付费。

第二，中端机市场正在被重塑。 2000-3000元这个价位段，过去是性价比最高的选择区间，但现在它正在遭受内存涨价和SoC涨价的双重挤压。厂商在这个价位段的配置取舍会更加激进——要么砍内存，要么砍摄像头，要么压缩散热规模。选机时需要更仔细地看参数表，核对内存规格和芯片型号。

第三，端侧AI的普及路径不会那么顺利。 当模型厂商和手机厂商因为利益分配而"闹离婚"，当芯片成本居高不下，端侧AI的渗透速度会比行业预期慢。"最好的手机AI"可能不是最贵的那台，而是那个在成本和体验之间找到最佳平衡点的方案——比如OPPO ColorOS 16所追求的"无感AI"：让AI融入日常操作，用户只有在它不在时才意识到它的存在。