英伟达涨价了。这一次推高其 AI 服务器售价的，并非它自身的芯片溢价，而是它无法自主生产的存储芯片。

据报道，英伟达已向微软、谷歌、甲骨文等核心客户发出调价通知，因存储芯片成本大幅上行，搭载其 AI 芯片的服务器价格普遍上涨逾 15%，覆盖 Vera Rubin、Grace Blackwell 等旗舰系统，自 2027 年初出货起生效。

在单台售价已达数百万美元的市场中，这一涨幅意味着每台设备新增数十万乃至近百万美元的硬件开支。更值得警惕的是，AI 服务器的成本重心正在发生位移，占据整机物料成本大头的，已不再是英伟达的 GPU，而是三星、SK 海力士等存储原厂掌控的高带宽内存。

01 涨价冲击波：15% 意味着什么

当地时间 8 月 22 日，据多家媒体报道，此次涨价沿一条清晰的传导链推进：英伟达先行定价，代工厂商（工业富联、联想等）执行调价，通知最终送达微软、谷歌、甲骨文等头部云厂商。多数商用场景涨幅超过 15%，具体视芯片代际与内存配置而定；2027 年初出货系统适用新价，已签约存量订单暂不受影响。

以实际价格换算更为直观。一台基于 Blackwell 架构的 NVL72 机架当前售价约 280 万至 340 万美元，而 Vera Rubin 系列询价已达 500 万至 700 万美元。在此基数上，15% 的涨幅意味着单台新增数十万乃至近百万美元的硬件开支——对于动辄采购数百乃至上千台服务器的云厂商而言，这笔增量不容忽视。

需要指出的是，这并非英伟达年内首次调价。在消费级显卡市场，RTX 50 系列中位数零售价在 2026 年 6 月至 8 月间已上涨 39%，RTX Pro 6000 Blackwell 从 7600 美元的预订价攀升至 16000 美元，涨幅达 110%。GDDR7 显存模块成本较前代增长至三倍。英伟达在 5 月和 7 月两度向板卡合作商发出调价通知，据分析师测算，若将系统级影响纳入考量，企业端综合成本增幅最终可能触及 20% 至 30%。

02 成本结构反转：最贵的不再是 GPU

此次涨价最值得关注之处，不在于涨幅本身，而在于涨价的 " 主语 " 发生了变化。在 AI 服务器的物料成本（BOM）中，存储芯片的占比已经反超 GPU。

以 Vera Rubin 系列服务器为例，HBM 高带宽内存加系统 DRAM 合计占整机物料成本约 62%，GPU 芯片本身仅占约 26%。换言之，决定 AI 服务器价格走向的关键变量，已从英伟达的芯片定价能力，转移到了上游存储原厂的成本曲线之上。

Vera Rubin NVL72 物料成本结构（数据来源：机构拆解报告估算）

机构拆解报告进一步细化了这一结构。单个 Vera Rubin NVL72 机架中，HBM4 内存约 109 万美元，CPU 配套 DRAM（LPDDR5X）约 80 万美元，直连存储约 128 万美元，三项合计约 320 万美元。而整机估价最高可达 910 万美元——内存与存储在其中的分量，可见一斑。

英伟达自身也在试图压缩这一成本。供应链消息显示，其已将 Vera Rubin 中每个 Vera CPU 的 SOCAMM 模块容量减半，以缓解 LPDDR5X 的缺货与成本压力。配置减半后，该部分内存成本由原估算 120 万美元降至 58.6 万美元。然而即便采取了这一措施，Vera Rubin NVL72 仍代表着当前 AI 基础设施的最高成本水位。

问题的实质在于，英伟达虽掌握 GPU 的芯片设计，却不掌握 HBM 和 DRAM 的制造产能。它依赖三星、SK 海力士、美光等少数几家存储原厂供应最关键的物料，而这些原厂在当前供需格局中握有极强议价能力。英伟达在存储成本面前几乎不具备内部消化的空间，只能选择向下游传导。

03 存储超级周期：HBM 的议价权博弈

这一轮存储芯片涨价的根源，是一场结构性供需失衡所触发的 " 超级周期 "。它并非短期波动，而是 AI 产业扩张速度远超存储产能建设速度的必然结果。

供给端：三家垄断，扩产迟到

全球 HBM 产能高度集中于三星、SK 海力士、美光三家原厂，合计占据全球 90% 以上的市场份额，其中 SK 海力士以 50% 至 55% 的份额居首。产能扩张计划虽已在推进——美光承诺十年内投入 240 亿美元建设新加坡、纽约和爱达荷新厂——但首批晶圆产出最早要到 2027 年后才能上线，远水难解近渴。

与此同时，三大原厂已将近 80% 的先进产能转向 HBM 和高端 DDR5，对通用型 DRAM 和消费级 NAND 的产能供给形成严重挤压。2026 年全球 DRAM 总出货容量中，AI 服务器需求占比将突破 40%，这意味着存储原厂有充分动力将有限产能优先供给高利润的 AI 场景。

需求端：AI 吞噬产能，缺口持续扩大

截至 2026 年第二季度，HBM 供需缺口已达 50% 至 60%。在此背景下，存储厂商已将议价模式从季度议价调整为 3 至 5 年长期锁价合同（LTA），长期协议占比持续攀升——这一变化本身，即反映了卖方市场的强势地位。

存储芯片价格涨幅预测 2026-2027（数据来源：机构调研、供应链消息）

价格数据则更为直接。三星已向主要客户通知 HBM4 内存报价上调 15% 至 20%，单颗价格锚定在约 700 美元，交付周期延长至 20 周以上。据悉，DRAM 在 2026 年 Q1 和 Q2 价格涨幅分别达 90% 至 95% 和 60% 以上；HBM4 在 2027 年的涨幅预期已从 100% 上调至 130% 至 150%，部分激进预测甚至触及 200%。

三星 2026 年 Q1 合并营业利润约 57.2 万亿韩元（约合 2611 亿元人民币），同比增长 755%，已超过其 2025 年全年总和。其 HBM 业务营收同比增长逾 300%，DRAM 均价 Q1 环比飙升 64%。存储原厂在 HBM 上获取的超额利润，使其缺乏扩大通用 DRAM 产能的动力，而 AI 的需求增长又持续超出 HBM 产能扩张的节奏，由此形成了一个自我强化的价格螺旋——这已超出普通景气周期的范畴，构成 AI 驱动的结构性价格重塑。

基于多家机构研报综合分析显示，存储原厂在 HBM 上获取的超额利润，使其缺乏扩大通用 DRAM 产能的动力，而 AI 的需求增长又持续超出 HBM 产能扩张的节奏，由此形成了一个自我强化的价格螺旋。

04 云厂商承压：涨价向何处传导

涨价通知发出之后，一个现实问题摆在云厂商面前：这笔新增的硬件成本，能否向下游传导？

已有的信号表明，传导正在发生。算力租赁商 CoreWeave 已上调租赁价格 25%，H100 租赁合约价年内上涨约 40%；国内金山云亦将 AI 算力相关产品服务价格上调 15% 至 50%。有分析指出，AI 服务器需求缺乏弹性——云厂商难以削减采购量，因为算力供给直接关系到其在 AI 竞赛中的市场地位。这一刚性特征使成本向下转嫁具备了基础条件，微软、谷歌等头部厂商预计将承接成本后，通过 API 调用费、AI 功能订阅等终端服务逐步消化。

然则，能够传导并不意味着利润率可以高枕无忧。2026 年，四大云厂商的资本支出计划已达到前所未有的规模：

2026 年全球头部云厂商资本支出计划亿美元（数据来源：各公司财报 / 指引；Meta 为估算值）

据机构数据，2026 年第一季度，四大超大规模云服务商合计资本支出已达约 1300 亿美元，全年预计达 6230 亿美元，加上 Meta 则接近 7600 亿美元。

如此量级的投入，其回报率正在受到市场的严格审视。国信证券报告显示，微软智能云收入 393 亿美元，同比增长 32%，运营利润率 36%，在手订单 RPO 达 6780 亿美元，同比增长 84%；谷歌最新季度收入 1098.96 亿美元，同比增长 22%，营业利润 396.96 亿美元。数据表明 AI 云收入确实在加速兑现，但高资本支出下的现金流压力同样是客观现实。

15% 的硬件涨价将进一步压缩这一利润空间。微软云 36% 的运营利润率在当前尚属健康，但若硬件成本持续上行而终端服务定价无法同步调整，利润率的侵蚀将难以避免。值得注意的是，微软 CEO 纳德拉已公开将 " 降低对英伟达依赖 " 列为 2026 年核心优先事项——在涨价通知到达的同时，这一表态的指向性已十分明确。

05 自研芯片加速：替代效应的催化剂

英伟达的涨价通知，在客观上为云厂商的自研芯片战略提供了最强有力的背书。

过去两年，自研芯片在云厂商的采购版图中更多扮演补充角色，定位偏重技术储备和供给多元化。但 2026 年夏天之后，五家头部厂商的路线图出现了清晰的转向：自研芯片不再停留于小规模试点，而是逐步切入核心推理负载的替代区间；其定位也从内部自用，开始向对外商业化输出延伸。

头部云厂商自研 AI 芯片占比 2026 年（数据来源：行业咨询机构、投行研报）

谷歌的进展最为靠前。据行业咨询机构数据，2026 年谷歌自研 TPU 在 AI 服务器配置中的占比已达 70%，全年出货量预计 332.6 万颗，同比增长 70% 至 80%。

8 月 19 日，谷歌与 Marvell 签署了一份长达 7 年的定制芯片合作协议，潜在收入门槛最高接近 1200 亿美元。此举使谷歌 TPU 的芯片设计供应链从博通独家供应扩展为双线并行，TPU 亦从内部训练工具逐步演变为对外出租的算力产品。

有机构在研报中指出，云厂商推进自研芯片的核心驱动力，已从补充供给转向压缩成本，目标是将单芯片成本压降至英伟达同类产品的五分之一至三分之一。据行业预测，到 2030 年，定制 AI 芯片在全球 AI 芯片出货量中的占比将从 38% 升至 49%，英伟达的市场份额则可能从当前的绝对主导回落至约 40%。

06 终局推演：双轨并行的新格局

回顾上述线索，英伟达此次涨价所映射出的，并非一次孤立的价格调整，而是 AI 算力产业正在经历的三重结构性变局。

其一，成本重心已发生不可逆的位移

存储芯片在 AI 服务器物料成本中的占比反超 GPU，意味着英伟达对算力定价的掌控力正在被上游存储原厂稀释。它无法自主生产 HBM，亦无法完全主导 DRAM 定价。只要这一依赖关系不变，存储超级周期就会持续经由英伟达向下游施加价格压力。

其二，涨价传导正在催生 AI 算力定价的 " 通胀化 " 趋势

成本沿产业链逐级传递——英伟达调价、代工厂执行、云厂商消化，最终传导至 API 调用费和 AI 功能订阅。CoreWeave 上调 25%、金山云上调 15% 至 50% 已经验证了这一路径的畅通。真正的悬念在于终端承受的边界：当 AI 推理成本因硬件涨价而上升 15% 至 30%，部分 AI 应用的商业模型是否需要重新核算，将是一个待解的问题。

其三，自研芯片替代有望从渐进积累走向加速跃迁

英伟达全栈生态的绑定效应—— CUDA、NVLink、软件库——在短期内仍会延缓替代节奏，但持续的涨价正在迫使云厂商加速自身的成本核算。当自研芯片的单位算力成本降至英伟达的五分之一至三分之一，且大规模推理场景的需求足够稳定时，切换的推进速度可能超出当前预期。到 2030 年定制芯片占比逼近 50% 的行业预测，并非毫无依据。

英伟达不会被替代。通用 GPU 在训练、前沿模型和新兴负载上的地位短期难以撼动，这一判断在可见的未来依然成立。但产业的运行逻辑正在从英伟达独占走向双轨并行：通用 GPU 继续承担训练与前沿探索的职能，定制 ASIC 则加速渗透成熟推理、推荐算法和 AI Agent 的大规模部署场景。

这是 AI 算力产业从单极走向多元均衡的起点。而触发这一转变的，并非英伟达的竞争对手，而是存储芯片——那个紧邻 GPU、体量不大却无法绕开的组件。（本文首发钛媒体 APP，作者 | 硅谷 Tech-news，编辑 | 秦聪慧）