存储吃掉云厂近七成资本开支

全球主要云服务商（CSP）的资本开支账本正在发生一场静默却剧烈的倾斜。集邦咨询（TrendForce）最新产业研究报告指出，受AI服务器需求推动，DRAM与NAND合约价持续飙升，预计2027年存储器将占全球主要CSP资本支出的68%，较2026年的47%大幅跃升21个百分点。与此同时，全球主要CSP资本支出在2026年同比暴增98%的基础上，2027年预计仍将再增长50%。

这意味着什么？当一家云厂商花100块钱建设AI基础设施，2027年将有接近68块钱流向存储芯片，而两年前这个数字还不到一半。AI算力竞赛的成本重心，正在从GPU计算卡向存储器发生历史性转移。

一、变化：存储合约价狂飙，成本占比一年跳升21个点

过去五年，AI基础设施的成本结构有一个近乎共识的答案：GPU是绝对的主角。英伟达H100、B200等加速卡占据了AI服务器BOM（物料清单）的最大份额，云厂商的资本开支叙事也围绕"能买到多少张GPU"展开。

但2026年下半年以来，这一格局正在被改写。

TrendForce报告明确指出，存储合约价"持续飙升"，DRAM和NAND合计占CSP资本支出的比重从2026年的47%跳升至2027年的68%。虽然报告未披露DRAM和NAND各自的细分涨幅及季度环比数据，但"持续飙升"这一措辞在存储产业研究语境中极为罕见——上一次类似的表述出现在2017年DRAM超级周期和2021年全球芯片短缺期间。

成本倾斜的速度令人惊讶。一年之内占比跳升21个百分点，在半导体产业的资本配置历史上并不多见。这不仅是存储价格上涨的单因素驱动，更是AI服务器架构演进的必然结果：大模型训练从千亿参数迈向万亿参数，从训练延伸至推理，对存储容量和带宽的需求呈指数级增长。

AI基建的第一战场，已经从"抢GPU"变成了"抢内存"。

二、旧规则：GPU独大时代，存储曾是配角

要理解这一变化的分量，需要先回顾旧规则。

在AI算力基础设施的早期阶段，GPU是无可争议的成本核心。一台搭载8张H100的AI服务器，GPU本身的价值占比可达60%以上，存储（包括HBM高带宽内存和SSD）虽然不可或缺，但在整机成本中仅占较小比例。

这种成本结构的形成有其技术原因：传统AI训练以计算密集型任务为主，算力瓶颈在GPU的FLOPS（浮点运算能力），而非内存带宽。云厂商的采购策略也高度聚焦于GPU型号和数量，存储配置往往被视为"配套"环节。

供应链的利润分配同样围绕GPU展开。英伟达凭借CUDA生态和硬件代差，在AI芯片市场享有极高的定价权和毛利率。存储厂商虽然受益于AI服务器的额外需求，但话语权远不及GPU厂商，产品更多是跟随服务器整机厂的设计规范走量出货。

旧规则的核心逻辑很清晰：谁掌握GPU供应，谁就掌握AI基础设施的命脉。

三、新变量：万亿参数时代，内存墙成为硬约束

改变这一切的，是AI模型本身的演进方向。

当大语言模型从GPT-3的1750亿参数扩展至GPT-4、Claude 3乃至百万MoE架构，模型参数量的增长已经超越了GPU算力增速。更关键的是，AI推理场景的大规模落地带来了截然不同的硬件需求：推理阶段不再需要极致的训练算力，但对内存容量、内存带宽和数据吞吐的要求急剧攀升。

HBM（高带宽内存）正是这一转变的核心载体。与传统GDDR内存相比，HBM通过3D堆叠和硅通孔（TSV）技术，在单位面积上实现数倍的带宽提升。目前AI训练服务器普遍配置HBM3/HBM3E，单台服务器HBM容量已达TB级别。

但HBM的产能扩张远没有GPU来得灵活。全球仅三星、SK海力士和美光三家能够量产HBM，且需要大量先进封装产能和良率爬坡周期。SK海力士在2025年财报中曾明确表态，HBM产能"已售罄至2026年"；三星虽加速追赶，但在HBM3E良率和客户认证上仍面临压力。产能瓶颈直接推高了HBM的合约价格，并传导至整个DRAM市场。

NAND Flash方面同样面临结构性紧张。AI训练需要海量数据存储和高速读写，企业级SSD需求随之爆发。TrendForce报告显示，云厂商为支撑大规模AI训练和推理，正在大量采购高容量企业级SSD，进一步加剧了NAND供需失衡。

当模型的"脑容量"成为瓶颈，卖水的人比挖矿的人先赚到钱。

四、产业结果：存储厂商迎来定价权窗口，云厂商利润模型承压

成本结构的倾斜，正在重塑AI产业链的利润分配格局。

对上游存储厂商而言，这是久违的定价权窗口。三星、SK海力士和美光三大原厂在HBM和大容量DRAM领域拥有技术和产能壁垒，合约价持续上涨直接改善其毛利率和营收结构。SK海力士2025年下半年财报已显示，HBM产品组合带动存储业务毛利率大幅回升；三星虽在HBM竞赛中暂时落后，但凭借整体产能规模仍在享受周期红利。

中国存储厂商同样面临战略机遇。长江存储在NAND领域的技术突破和扩产计划，以及长鑫存储在DRAM方向的持续投入，在全球存储供应紧张的背景下获得了更多客户验证和导入机会。不过需要指出的是，在HBM这一关键产品线上，中国厂商与国际巨头仍存在显著代差，短期内难以分享AI存储涨价的核心红利。

对下游云厂商而言，局面则更为复杂。微软、谷歌、Meta和亚马逊在2026年资本开支同比暴增98%，2027年预计再增50%，绝对金额规模惊人。当存储占比从47%升至68%，意味着云厂商在AI基础设施上的单位算力成本正在上升。这可能推动两个方向的应对：一是向上游转嫁成本，表现为云服务涨价；二是优化底层架构，通过模型压缩、量化和推理加速等技术手段降低对存储容量的依赖。

五、持续性判断：周期反弹还是结构红利？

最后一个核心问题：这轮存储涨价是周期性反弹，还是AI驱动的结构性红利？

从供给端看，存储行业的产能扩张需要12至18个月的周期，HBM更涉及复杂的先进封装环节。即便三大原厂在2026年大幅上调资本开支，新增产能也要到2027年下半年甚至2028年才能有效释放。这意味着存储供应紧张的局面至少将持续至2027年。

从需求端看，AI模型的参数增长和推理场景扩展仍是确定性趋势。只要大模型竞赛不停止，云厂商的AI基础设施投入就不会减速，存储需求就有底部支撑。

但也需要警惕两个变量：一是存储原厂产能一旦集中释放，可能重现2019年和2023年的供过于求局面；二是云厂商可能通过技术替代（如CXL内存池化、存算一体芯片）降低对传统存储的依赖，从而改变中长期需求曲线。

至少在未来两年，存储厂商的定价权窗口已经打开。而云厂商需要面对的，是一本正在被重写的成本账。

参考数据来源

• 集邦咨询（TrendForce）：《存储器产业研究报告》（2026年8月发布），来源：https://www.trendforce.com/research/
• 集邦咨询：《DRAM Market Bulletin - Aug. 19, 2026》，来源：https://www.trendforce.com/research/download/RP260819EK
• 集邦咨询：《NAND Flash Market Bulletin - Aug. 19, 2026》，来源：https://www.trendforce.com/research/download/RP260819HW
• 财联社引用TrendForce产业数据报道（2026年8月25日），来源：https://www.cls.cn/detail/2463897