100根内存条换一套房！AI疯狂吞噬全球内存，普通人电脑快买不起了

　　新智元报道

　　编辑：元宇

　　【新智元导读】当巨头疯狂扫货、分析师开始囤iPhone17，你的钱包、电脑和AGI的未来，正在被同一堵看不见的墙悄悄卡住。

　　100根高容量服务器内存，总价已飙升至400万元！

　　一盒芯片相当于一套一线城市近郊的房产！

　　这疯狂一幕背后，是整个科技行业正在面临的一场史诗级危机。

　　2025年下半年以来，狂奔的AI行业并未如人们预期的那样因算力爆发而起飞，反而一头撞上了一堵看不见的墙——「内存墙」。

　　正如上面这位网友所言，2026年，可能不再是AI的「爆发之年」，而是「内存受限」之年：

　　2026年卡住AI脖子的，不再是我们熟知的算力或电力，而是内存容量与带宽。

　　这一判断并非危言耸听。

　　花旗银行的最新研报发出预警：2026年DRAM（动态随机存取存储器）平均售价同比或将上涨88%！

　　TechRadar近日的报道也佐证了这一趋势：受AI数据中心无底洞般的需求驱动，DRAM价格预计在2026年3月将接近翻倍。

　　为什么内存这么重要？

　　DRAM好比是CPU/GPU临时操作台，是临时「放数据、随取随用」的地方，模型越大，越需要更大容量、更高带宽的DRAM。

　　如今，AI正在疯狂吸干全球的内存产能。

　　数据显示，单台AI服务器的内存需求显著高于普通服务器，叠加HBM/高容量 DDR5的产能倾斜，将原本分配给PC、手机的产能大量「吸走」，直接导致消费级市场的供给枯竭。

　　当OpenAI、谷歌等巨头为了争夺通往AGI的门票，以「价格不设上限」的方式疯狂扫货，甚至提前锁死2026年产能时，代价最终转嫁到了普通消费者身上。

　　你会发现：

　　你想买的那台新电脑，价格不仅没降，反而越来越坚挺；

　　手机处理器虽然年年换代，但体验提升却越来越不明显；

　　爱折腾硬件的小伙伴突然发现，那两根不起眼的内存条，竟然快要买不起了……

　　「内存受限」四个字，不仅是悬在科技巨头头顶的达摩克利斯之剑，还在悄悄掏空普通消费者的钱包！

　　分析师囤货背后

　　一场全球性的「内存危机」

　　2025年下半年以来，存储芯片价格如同坐上火箭，内存、闪存价格全面翻倍。

　　据TrendForce数据显示，2025年9月以来，DDR5颗粒现货价累计上涨约307%，部分媒体走访称，顶配高容量服务器内存单条价格更是突破4万元。

　　这是什么概念？

　　手里捧着一盒100根的内存条（总价400万），你就相当于捧着一套北上广深近郊的房产！

　　与此对应的，是花旗银行Citi的研究部门已经大幅向上修正了他们预测：

　　2026年DRAM的价格将暴涨88%，而此前的预期仅为上涨53%。

　　如此恐怖的涨幅背后，是一场由AI巨头主导的、对全球存储资源的疯狂「抢夺」。

　　TechRadar报道称，服务器模组正在像黑洞一样，吞掉绝大部分晶圆产出。

　　原本留给PC、留给笔记本电脑的产能，被快速挤压得所剩无几。

　　TrendForce资深研究副总裁Avril Wu直接用钱包投票。

　　她告诉所有人：我一直跟大家说，如果你想买设备，现在就买。

　　甚至为了避险，她自己已经先买了一台iPhone17。

　　提前囤货一台iPhone17，这看起来有点微不足道，背后却是全球「内存告急」的信号。

　　全球存储巨头Micron传出的消息也不容乐观。

　　即便新的晶圆厂陆续投产，其CEO Sanjay Mehrotra也发出警告：目前只能满足客户需求的二分之一到三分之二。

　　这意味着，有接近一半的需求，拿着钱也买不到货。

　　PC端的供应商也开始挑客户，他们正在进行选择性配货，优先保障那些大型整机厂OEM，而压缩给第三方模组厂商的供货量。

　　这也就是为什么TechRadar预测，PC DRAM的合约价在2026年初可能会明显上调。

　　这不是简单的通胀，这是我们在为AI的发展，被迫缴纳的一笔昂贵的「资源税」。

　　致命剪刀差

　　被AI「吃掉」的内存

　　AI军备竞赛，让我们正在目睹科技史上最夸张的「剪刀差」。

　　https://arxiv.org/pdf/2403.14123

　　根据加州大学伯克利分校一项有关「人工智能与内存墙」的论文研究提到：

　　由于前所未有的无监督训练数据规模，再加上Scaling laws（神经网络缩放定律），使得用于训练和在线服务大语言模型（LLM）的模型规模和算力需求出现了爆炸式增长。

　　研究人员指出，训练大模型所需的计算量最近以每两年750倍的速度增长，远超DRAM和互连带宽的增长速度——后者每两年仅分别增长1.6倍和1.4倍。

　　这种差距使得内存而非计算能力，成为AI应用（尤其是在推理场景中）的主要瓶颈。

　　过去20年里，人类芯片的算力峰值提升了整整60000倍。

　　但DRAM的带宽仅仅提升了约100倍，互连带宽增长约30倍。

　　这种极度的不匹配，将整个AI行业推入了一个「受限于内存」的死胡同。

　　科技咨询公司Greyhound Research的CEO Sanchit Vir Gogia打了个比方：AI的工作负载，本质上就是围绕内存来构建的。

　　这就好比你想用一根喝酸奶的细吸管，去吸干整个太平洋的水。

　　就算嘴巴（算力）再用力，水流（数据）也只有那么快，这种不匹配直接导致了一个极其昂贵的后果：空转。

　　那些数万美元一块的H100或者B200 GPU的算力巨兽，大部分时间只能「发呆」和「吃灰」。

　　因为数据传输跟不上，处理器经常处于闲置状态等待数据。

　　这就是典型的「内存墙」，而对于那些大模型公司来说，这无异于白白烧钱。

　　训练一个大模型，往往需要3到4倍于参数量的内存，数据搬运的速度远慢于计算速度，这直接主导了现代LLM的运行时间延迟。

　　所以，我们引以为傲的AI，其实一直戴着「内存受限」的镣铐在跳舞。

　　撞上「内存墙」

　　除了贵，还带来了什么瓶颈？

　　「内存墙」带给个体的感知，可能仅仅是显卡和电脑变贵，顶多是捂紧钱包，或者加紧囤货就好了。

　　但它带来的连锁反应，却成了困扰AI发展的瓶颈。

　　首先是能耗。

　　AI数据中心巨额的电费，其实也不是都花在了计算上。

　　在冯·诺依曼架构下，计算和存储是分离的，数据需要在内存和处理器之间来回奔波。

　　有研究表明，从内存读取数据消耗的能量，在某些负载/工艺假设下，数据搬运的能耗可能远高于计算本身（甚至到百倍量级）。

　　也就是说，数据中心大部分的电，不是用来思考，而是用来把数据「搬来搬去」。

　　这不仅不环保，而且也造成了极度的浪费。

　　其次，是每个用户都能感知的延迟与体验下降。

　　为什么有时候ChatGPT处理长文本时会变慢、变卡？它不是算力不够，它是被卡在了内存带宽上。

　　AI模型要把海量的上下文塞进有限的显存里，每一次推理势必受限。

　　如果「内存墙」无法突破，更大参数量的AI模型，将因为无法在合理的时间和成本内完成训练。

　　这意味着，即使我们可能拥有设计出超级智能的能力，但我们没有足够大的「容器」来承载它。

　　这势必也会减缓AI创新的速度。

　　如何破壁「内存墙」

　　通往AGI，势必要打破「内存墙」。

　　为了破壁「内存墙」，科技界也掀起了一场硬件和架构上的革命。

　　第一招，是硬件上的「暴力美学」，即HBM（High Bandwidth Memory，高带宽内存）。

　　如果说传统内存是在平地上盖平房，那么HBM就是在芯片上盖「摩天大楼」。

　　它利用先进的硅通孔（TSV）技术，将DRAM芯片像叠汉堡一样垂直堆叠，盖成一栋几十层高的塔楼，并修通了成千上万部「垂直电梯」直达处理器。

　　这是目前最直接、但也最昂贵的解决方案。

　　也正是因为要生产这些工艺极难的HBM「摩天大楼」，服务器模组像黑洞一样吞噬了绝大部分晶圆产出，导致留给PC和手机的产能捉襟见肘。

　　以英伟达的H100、H200乃至Blackwell平台为例，它们的设计哲学就是要把「堆HBM」做到极致。

　　第二招，是架构上的全新革命，比如CXL和PIM。

　　CXL（Compute Express Link，计算高速互连协议），它的思路很像共享单车。

　　以前，CPU和GPU的内存是各管各的，现在有了CXL，我们可以建立一个巨大的「内存池」。

　　CPU用不完的内存，GPU可以拿去用，打破了单机的容量限制，让资源利用率最大化。

　　还有更彻底的PIM（Processing-in-Memory，存内计算）。

　　既然数据搬运那么费电，那么慢，我们干脆就不搬了，直接让内存自己具备计算能力，数据在哪里，就在哪里计算。

　　这彻底颠覆了计算机几十年来的工作方式，从根本上消灭了数据搬运这个能源、算力消耗大户。

　　再回到「内存墙」。

　　TrendForce的预测显示，2026年DRAM的价格走势里，看不到任何「涨完回调」的迹象。

　　相反，PC和服务器DRAM似乎会在更高的价格区间稳定下来。

　　这意味着，无论是消费者还是企业，至少在中期内廉价、充裕内存和存储时代已经终结。

　　对于AI巨头的AGI竞赛来说，谁能率先推倒「内存墙」，谁就有望率先拿到通往AGI的门票。

　　对于普通人来说，在未来很长一段时间里，购买电子产品都可能将承受更高的溢价。

　　所以我们还是像文中那位囤货的分析师一样：想买什么，趁现在吧。

　　参考资料：

　　https://x.com/rohanpaul_ai/status/2012964940714496069?s=20

　　https://arxiv.org/pdf/2403.14123%20