本文来自微信公众号： 未尽研究 ，作者：未尽研究
过去几十年，硅谷最成功的叙事之一，是向世界兜售一个丰裕的未来。
摩尔定律是这则信条的物理化身，消费电子行业充当了这场“技术通缩”最忠实的布道者。美中不足的是，专业服务领域仍然长期受到“鲍莫尔成本病”的约束。于是，人们期盼这一轮AI将其一并拉入技术通缩的轨道。
然而，现实却率先走向了另一个令人不安的方向。技术通缩的预期尚未兑现，资产通胀和生产要素通胀却率先到来。
这个夏天，苹果涨价了。Mac、iPad、HomePod乃至Vision Pro陆续调整售价，涨幅达20%；iPhone虽然暂时保持不变，但市场普遍预计，这只是时间问题。新一代iPhone为了支持完整Apple Intelligence体验，需要12G以上的运行内存。它要与AI服务器争夺产能。彭博预测，今年iPhone的平均售价，预计将上涨12%。
过去几十年，苹果拥有全球消费电子产业最强大的供应链管理能力，也是利润率最高的终端厂商之一。当雷军与余承东先后面对镜头大吐苦水的时候，市场相信苹果会选择吸收成本，占住市场。但现在苹果公开宣称，自己也顶不住了。
即将离任CEO的库克，将这场成本冲击形容为“百年一遇的洪水”。这位供应链大师感叹，在四十多年的职业生涯中，从未见过如此迅猛的价格跳涨。另一位供应链管理大师马斯克，也随即附和称，这是他见过的最猛烈的价格暴动。
这向整个消费电子行业释放了信号。咨询机构Counterpoint预计，其他品牌也将效仿苹果，上调部分产品价格、缩减入门机型折扣，或将产品重心进一步向高端倾斜。
成本海啸的源头，在于AI数据中心那条近乎贪婪的需求曲线。过去几十年，消费电子决定了半导体产业的发展节奏。整个产业链围绕几十亿消费者运转。最先进的工艺制程，往往最先装进苹果的手机里。如今，AI基建的巨额资本开支，正在吃掉消费电子赖以生存的生产要素，将成本压力一路传导到普通消费者的口袋。
苹果正在寻找台积电以外的代工备选，已经与英特尔谈判了超过一年；但英特尔又被马斯克的TeraFab项目“缠住”了。
现在，一切都得为AI让路。将DRAM与NAND封装成HBM与HBF，卖给算力饥渴的超大规模云厂商，以及大模型厂商，更具市场想象空间。越来越多的DDR5，都被拿去堆叠成了HBM；即便DDR5本身，也在AI推理的预填充阶段找到了新场景。
市场研究公司TechInsights统计称，DRAM内存和NAND存储芯片的价格，在过去12个月内翻了四倍。这体现在美光最新的财报上，就是季度营收同比增长了346%，毛利率从39%狂飙至84.9%。
美光高管判断，供应紧张的局面会一直持续到2027年以后。摩根士丹利预测，在这段时间里，消费电子产品被迫面对最高可能达15%的晶圆供应缺口。
算力繁荣已经从GPU全面扩散到内存、硬盘、CPU。紧缺与价格也是。无论是美国、韩国、日本还是中国，资本市场上的热点，正在从芯片传递到半导体设备与能源设备，继而传导至关键材料、组件甚至组装；其他资产已然失宠。
更大的冲击还没到来。美国已宣布用于数据中心的支出中，仅有很小一部分已经落实。而OpenAI和Anthropic预计在即将进行的IPO中筹集的资金，可能将进一步推动AI基建的浪潮。科技巨头的们的现金流，正在迅速萎缩；SpaceX就算是发债，也要把AI基建继续下去；就连财大气粗的英伟达与谷歌都开始巨额债务融资。到2032年，美国AI基建的投入，预计将达到约8万亿美元，这笔钱能够将纽约市所有的房地产买下5遍。
现任美联储主席沃什，曾在就任前撰文称，“AI将成为一股显著的通缩力量”。但现实数据狠狠地打了脸。美国5月整体通胀率重返4%以上。更多的生产要素正在通胀。高盛经济学家预计，消费者电价将每年上涨约6%。局部的劳动力短缺，也在推高其他行业的用工成本。
也许，美联储与硅谷都没有错。作为一项通用技术，AI天然具有通缩属性。但是，真正的问题在于时间，以及通往这一目的地的路径如何跨越。
人们担心，如果智能密度最高的token，其API价格继续整体上涨；完成任务需要越来越多的token去反复推理、控制、校验与修正，那么，AI相对专业服务人员的优势就会消失，“鲍莫尔病”也就不会自行消失。瑞银的经济学家不得不修正预期，即使以最快时间表推进，AI也要至少两三年后才能开始帮助降低通胀。
市场的机制，已经开始自行小幅修正。SK海力士计划将部分HBM产能转向标准的DRAM，因为目前两者的毛利率已经出现了倒挂；硅谷巨头也在更理性地看待tokenmaxxing竞赛。
但是，稀缺的问题并没有真正得以解决，涨价仍然会不断以新的形式回到价格体系中。
一方面，AI的稀缺，不仅是技术性的稀缺，而且是制度化的稀缺。这一轮AI革命发生在一个供应链高度碎片化、全球制造产能无法高效流动的时代。
在黄仁勋提出的“五层蛋糕”理论里，能源、芯片与基础设施是物理意义的稀缺，这也导致了最前沿的模型能力的稀缺。为此，Anthropic向SpaceX开出了高溢价的算力订单，让马斯克打起了在太空大兴土木的念头。
另一方面，在很多开源模型的拥护者看来，相比不断压榨算力效率的中国AI公司，美国的AI发展模式更为“粗放”，毫不珍惜昂贵的GPU资源与HBM资源。这又导致了资本越来越密集。
不过，更准确地说，美国采取的是一种资本驱动、时间优先的发展模式。在资本充裕、融资能力强、领先者收益巨大的环境下，宁可投入更多GPU和HBM来缩短研发周期，也不愿为了提高资源利用率而牺牲速度。对OpenAI和Anthropic而言，模型发布时间本身就是竞争优势的一部分。只要边际效应仍然存在，那么为了进一步压榨存量算力而放慢研发节奏，其机会成本可能远高于新增采购成本。
闭源竞争进一步强化了这种资本投入模式。由于竞争对手的模型能力、训练进度和下一代产品发布时间几乎都处于保密状态，没有任何一家企业愿意率先放缓资本开支。一旦误判竞争对手的进展，失去的可能不是几个百分点的利润，而是整个市场的领先地位。
中国开源模型的快速追赶，又进一步强化了美国抢占时间窗口的逻辑。从DeepSeek-R1到GLM-5.2，中国开源模型一次次打破了中美模型能力差距将持续扩大的预期。对于OpenAI和Anthropic而言，如果领先优势不足以形成代际差距，就难以在开源模型面前，凭有限的性能优势维持自己的商业定价能力。
几乎所有通用技术革命，都伴随着一次资本过度配置。铁路如此，互联网如此，今天的AI也未必例外。
资本往往先于生产率抵达未来，稀缺如今又先于丰裕到来。资本与生产要素的通胀，或许正是提前建设未来基础设施必须支付的成本。
正如彼得·蒂尔的担忧，真正令人不安，或许是AI几乎成了唯一仍在高速前进的技术方向。过去由多个技术方向共同分享的资源，资本、人才、先进制造能力以及能源基础设施，正在越来越多地围绕这一项通用技术重新组织。这是一种不平衡的创新结构。
苹果的这次涨价，或许会成为让市场重新思考的契机：它愿意为这样的未来，支付多高的价格。