本文来自微信公众号： 宁明亮Seerning ，作者：宁明亮Seerning，原文标题：《最贵的芯片在等什么？从你 iPhone 上多出来的 800 块说起》
这篇文章会跟着一台iPhone的价格，一路往上游走：从内存、HBM，一直走到那块几万美元一块的AI芯片。而华为、小米、荣耀、OPPO、vivo的涨价，是沿途看到的同一链条在别的地方留下的痕迹。
那些几万美元一块、被抢破头的顶级AI芯片，买回去以后，有时候并不能发挥最大能效，不是它们算力不够，而是缺内存导致数据搬运跟不上。
AI模型运行时，大量模型参数和计算过程中产生的中间数据，需要存放在内存系统里，计算芯片不断从内存中读取这些数据，送进计算单元；算完之后再写回内存。
这里说的“缺”，缺的是这套内存系统的容量和带宽，不是训练用的语料数据不够。
计算芯片真正能跑多快，不只取决于计算单元有多快，还取决于内存能以多快的速度把数据送出来。
如果计算单元已经很快，而内存一次能送过来的数据有限，计算单元就会出现一种很奇怪的状态：
不是没有数据，而是芯片早已算完，下一批数据还没到。
这就是所谓的“内存墙（Memory Wall）”。
2026年上半年，所有人都在抢AI芯片。芯片终于拿到了，瓶颈却往下走了一层。
以前首先要解决的是“芯片能算多快”；现在还要解决的是：内存里的数据，能不能及时送到芯片的计算单元。
而这个问题，最后会沿着整条产业链，一路传到你手里的手机。
芯片为什么会被内存拖住
先把这件事讲得足够具体。
一块AI加速器里，可以粗略分成两类东西：一类负责计算，另一类负责提供计算所需要的数据。
真正执行矩阵乘加的，是计算单元。模型参数、输入数据以及大量中间结果，则需要存放在不同层级的存储和内存系统中。
这里不能简单理解成“硬盘里的数据直接送进芯片”。
SSD等存储设备负责长期保存数据；真正参与高频计算的数据，会进入DRAM、HBM等更高速的内存层级。对AI加速器来说，HBM尤其重要，因为它能在很高的带宽下向计算芯片提供数据。
计算开始以后，过程不断重复：
内存里的数据，送到计算单元；算完再把结果写回内存。
问题就出在中间这条路上。
计算单元负责的是“算”，内存系统负责的是“把数据送过来”。而“送多快”，有一个非常关键的指标是带宽。
带宽可以简单理解成：单位时间内，内存系统能够向计算单元提供多少数据。
用一个很简单的比喻。
一个厨师切菜非常快，一秒钟可以切几百刀。但食材都放在地下冷库里，电梯一次只能送上来一小盘。厨师再快，也得等电梯。
在这个比喻里，厨师是计算单元，冷库是内存，电梯就是带宽。
所以“内存墙（Memory Wall）”并不是说内存里没有数据，也不是说硬盘不够大。它说的是：计算单元越来越快以后，数据从内存送到计算单元的速度，开始成为限制计算效率的因素。
2024年一篇来自加州大学伯克利分校研究团队的论文《AI and Memory Wall》，把这个变化概括得很直接：过去二十年，服务器峰值算力大约每两年增长3倍，而DRAM带宽约增长1.6倍，互连带宽约增长1.4倍。论文认为，在AI应用尤其是推理场景中，内存带宽越来越可能成为主要瓶颈。
注意，这些数字描述的是一段历史趋势，不是说今天的AI芯片“只比上一代快3倍”，也不是说AI的需求真的按照某个固定倍数增长。
它真正说明的是另一件事：
计算能力和数据搬运能力，并没有按照同一个速度增长。
这就是问题的起点。
AI越来越强，为什么反而更缺内存
因为AI的需求不只是“多一块芯片”就够。
模型越来越大，推理越来越复杂，长上下文、Agent等应用又进一步增加了对内存容量和带宽的需求。
于是AI服务器需要越来越多、更高性能的内存，尤其是HBM。
HBM也就是高带宽内存，本质上就是为了解决前面那个问题：计算芯片已经很快了，需要一种能够以极高带宽给它持续提供数据的内存。
所以AI芯片和HBM并不是两个完全独立的市场。一个越快，对另一个的要求往往越高。
这也是为什么这一轮AI基础设施扩张，最后没有停在AI加速器这里，而是一路传到了内存。
这里出现了两个“缺”，而它们不是一回事。
第一个缺，是计算单元需要的数据，内存带宽送不过来。
第二个缺，是整个市场需要的高性能内存越来越多，而内存产能无法同样快速增加。
但它们最后汇聚到了一起：AI越来越依赖内存，而内存又恰恰不是能够快速扩出来的东西。
需求在坐火箭，硬件在爬坡
缺口有多大？还是回到前面那篇研究。
它梳理过一组趋势：训练大模型的计算需求，大约每两年增长750倍；模型规模，大约每两年增长410倍。
这是特定历史阶段的增速，不是说今天的AI还在每两年翻750倍。
这里不能简单把750倍和1.6倍当成两个可以直接相除的指标。
它们描述的是不同东西。
但把它们放在同一张图里，真正值得注意的是：模型和训练需求增长得非常快，而计算能力、内存带宽以及互连能力，并没有以同样的速度增长。
于是最显眼的瓶颈开始往下游挪。模型可以继续变大，芯片可以继续变快。但数据还是要搬。计算越快，搬运没同步加速，越来越多的性能就浪费在等待上。
所以AI硬件真正的问题，已经不只是多造几块芯片，而是怎么让传输过来的数据跟得上计算。
真正涨价的，不只是HBM
一开始最容易理解的是高端AI芯片配套的HBM。但问题不会停在那里。
因为生产内存的厂商面对的是同一套产能配置。当AI服务器愿意为高性能内存支付更高价格，供应商自然会优先满足高价值的服务器需求。于是PC、手机等消费电子使用的DRAM和移动DRAM，也会受到供应结构变化的影响。
这并不意味着“一片晶圆做了HBM，就少一片晶圆给手机内存”。
更准确的说法是：当产能有限时，制造资源会向更高价值、更紧缺的产品倾斜。
按TrendForce到2026年9月的追踪，方向始终一致：AI服务器持续挤占DRAM产能，移动DRAM供应被压缩，供应商把产能更多地转向服务器DRAM和HBM。
这时候问题就不再只是“AI服务器为什么这么贵”，而变成：为什么你的手机也开始贵了。
厂商面对成本压力，不只涨价这一条路
一个零部件突然变贵，厂商不一定把全部成本堆到售价上。
它可以涨价，可以减配，可以改容量组合，可以砍掉低利润产品，也可以把成本转嫁到更能承受价格的那一档去。
TrendForce在今年的多份手机市场报告里观察到，AI服务器对DRAM的持续挤压，正在推动手机厂商调整价格和生产策略，部分入门产品甚至开始考虑用成本更低的材料来维持产品线。
这也是今年手机市场真正值得看的地方：厂商在重新设计，什么产品卖给什么人。
手机涨价其实早就开始了
如果只看9月，你会以为这是新品发布带来的又一轮涨价。
其实不是。
2026年3月，OPPO在官方商城发布公告，称包括高速存储硬件在内的多项关键零部件成本上升，宣布从3月16日起调整部分已发售产品价格。一加旗下多款已上市机型随即跟调：一加15上调500元，一加Ace 6上调500元，OPPO K13 Turbo和K13 Turbo Pro也分别上调500元。
同一时期，vivo宣布因全球半导体及存储成本持续大涨，3月18日起调整部分产品建议零售价。更早一些，Redmi Turbo 5在内存补贴结束一个月后，也上调了100元。
这些都不是新机发布时的定价。已经卖了一段时间的机型，改了售价。
到了6月，一加部分机型又进行了第二轮调整。
所以这轮手机价格变化不是9月突然发生的。9月只是更多品牌、更多机型开始把这部分成本显现在消费者看到的价格上。
然后，价格真的就传到了手机
先从那台iPhone说起。
iPhone 17在中国大陆发布时，起售价是5999元。现在苹果中国官网上的iPhone 17，起售价已经变成6799元。
多出来的800元，看着只是一个数字。
但这里还有一个容易被忽略的变化：2026年全国数码产品购新补贴规定，手机等产品单件售价不超过6000元的，可按售价的15%获得补贴，每件最高500元。
5999元和6799元之间，不只是800元。它还跨过了一个政策门槛。
所以价格变化有时不是线性的。一个数字越过某条线之后，改变的不只是商品本身的价格，还有消费者原本能拿到的条件。
当然，这800元不能简单等同于内存涨了多少。手机最终售价还受到芯片、显示屏、汇率、渠道和产品策略等多重因素影响。这里真正值得看的，是内存成本上涨已经开始进入终端价格：多份供应链报道显示，12GB LPDDR5X内存模块的价格较2025年初已上涨约230%。即便是议价能力最强的苹果，也同样面对这一轮存储成本上涨。
而iPhone不是孤例。
同一条链，在别的地方也留下了痕迹。9月1日，华为、小米、荣耀多款在售机型集体调价：华为Mate 80起售价从4699元抬到5499元，Mate 80 Pro系列上调1000元；小米17系列则经历了多轮价格变化。荣耀Magic8各版本涨300到500元。
这里最值得看的，是已经上市的产品开始重新定价这件事本身。
这和新品一开始就定一个更高的价格，是两回事。一款新品可以把涨价解释成配置变化、产品定位变化或者产品升级。但一款已经上市、已经卖了一段时间的机型如果重新涨价，背后通常意味着成本结构发生了变化。
而内存正是这一轮变化中的重要变量。
这才是成本传导真正有意思的地方：它不是某一家厂商的定价动作，而是同一道约束，在不同的产品上分别显形。
同一道约束，在不同的产品上分别显形。
为什么内存这么难补
因为它不是今天发现缺货，明天就能多生产出来的东西。
内存产业需要晶圆厂、设备、工艺、良率和先进封装等一整套能力。尤其是HBM，它需要多层芯片堆叠、先进封装等一整套复杂工艺，远比把一颗普通内存芯片做大要难得多。
所以供应增加需要时间。
SK集团董事长崔泰源今年3月曾表示，增加晶圆供给至少需要4到5年，并认为芯片短缺可能延续到2030年。这个判断属于企业负责人对产业周期的预测，并不是整个行业已经确认的时间表。
但无论采用哪一个预测，真正重要的事实都没有变化：
内存供给的响应速度，远远慢于手机价格变化，也远远慢于AI需求变化。
这正是需求在那里、价格在那里，而供给不能马上跟上的原因。SK海力士2026年第二季度营收约79.32万亿韩元，营业利润约60.54万亿韩元，营业利润率76%，两项数字都刷新了上一季度刚创下的历史纪录，公司明确说是强劲的AI基础设施需求推高了HBM、高容量服务器DRAM等高附加值产品。
瓶颈为什么又换了位置
把这件事拉远一点看，会发现一个更有意思的现象。
AI产业这几年一直在追逐同一个问题：哪里最慢，哪里就是下一堵墙。
一开始，大家最关心的是算力，于是AI加速器成为最抢手的东西。后来计算能力继续往上走，电力、数据中心基础设施、网络连接等问题逐渐显现。现在，越来越多的注意力落到了内存。
这不是因为前面的瓶颈消失了。当一个瓶颈被部分缓解，系统里的另一个瓶颈就会显现出来。
这其实是所有复杂系统都会出现的现象。你把水管最窄的地方加粗，水流不会因此无限增加，它只会撞上下一处更窄的地方。
所以真正的问题，是整条链里下一处限制速度的地方在哪里。
现在，这个位置越来越靠近内存。
哪里最慢，哪里就是下一堵墙。
这堵墙什么时候会松
它当然不是永远不变。但不同的解决办法，时间尺度完全不同。
最快的一类，是算法和模型层面。量化、稀疏化、模型架构优化等方法，本质上都是想办法减少计算过程中需要搬运的数据，或者减少单位任务需要的内存资源。它们不需要等一座新的晶圆厂建起来，所以变化最快。它不拆墙，只是让要搬的东西变少。
第二类，是系统层面。例如CXL等技术，可以把不同计算设备之间的内存资源进行更灵活的池化和共享，提高整体资源利用率。它解决的是内存资源的闲置问题，让有限的内存被更有效地使用，但没法凭空制造更多内存。
第三类，是计算架构本身改变。例如存内计算，试图让部分计算直接发生在更靠近数据的地方，从根本上减少数据搬运。这条路最彻底，但也最慢。因为它改变的是整个计算系统的结构，而不只是某一个参数。
所以内存墙不会在某一天突然消失。更可能发生的是：先从算法上少搬一点数据，再从系统上多利用一点内存资源，最后才可能从架构上改变“数据为什么必须搬这么远”这件事。
而供应端也一样。当新的产能逐步释放，供需缺口可能收窄。
目前的市场数据里，已经出现了一个值得注意的变化：部分内存产品的价格涨幅开始明显收窄。
这意味着什么？
不是这一轮涨价结束了。
而是：这轮涨价的斜率，已经在放缓。
但要把这句话读准：
“涨得慢一点”和“价格跌回去”，是两件完全不同的事。
基数已经抬上去了。涨得慢一点，东西还是贵的。而且供给侧的时间尺度没有变，晶圆供给的增加仍需以年计。
三类解法，三个时间尺度。先少搬一点，再多利用一点，最后才可能改变架构。
所以更准确的判断是：这堵墙不会在短期内消失，但至少，它没有继续以之前的速度变硬。
一条链，最后由当前最难绕开的约束决定
所以这件事真正有意思的地方，是你可以看到一条完整的传导链：
AI模型越来越大，计算需求越来越高，计算芯片越来越快，需要更高的内存带宽；HBM、服务器DRAM需求增加，内存产能被重新配置，消费电子端的内存供应承压；手机厂商成本上升，价格、容量和产品结构开始变化。
手机不是这条链的起点，它是这条链的末端。AI公司不会直接跑到消费者面前说“我们的HBM贵了，所以你的手机涨价。”上游内存成本上升，手机厂商采购成本上升，重新计算利润，有些机型涨价，有些机型减少高容量版本，有些产品线调整发布节奏。最终消费者看到的，可能只是同一台手机，价格多了几百块。但那几百块背后，已经经过了很长的一条链。
这时候你再回头看“芯片缺不缺”，答案就变了。真正决定系统上限的，不是最快的那一环，而是当前最难绕开的那个约束。这也是很多系统共有的规律：限制系统速度的，往往就是那个最难改变、反应最慢的环节。
需求可以几个月发生变化，产品价格可以几周甚至几天发生变化，但晶圆厂、设备、工艺和良率，需要更长的时间才能跟上。
需求变化的速度，和供给响应的速度，不在一个时间尺度上。
这才是这一轮内存价格问题最硬的约束。
限制系统速度的，往往就是那个最难改变、反应最慢的环节。
那你该怎么办
特别现在又到了各大手机厂商旗舰产品的发布季，作为消费者该怎么办？
这里反而不能简单给一个“买”或者“不买”。因为前面的事实并不能直接推出一个人的选择，它只能告诉你几个条件。
如果你现在必须换机，你面对的是当前价格。等的成本不只是可能多付的钱，还包括旧机继续使用的体验损失和残值下滑。
如果你可以等，你面对的是未来供给、价格和产品结构的不确定性。
所以真正需要判断的不是：
“手机什么时候会降价？”
而是：
“决定手机价格的那个约束，什么时候会松动？”
如果内存供给没有明显改善，单纯等待手机厂商主动把价格降回去，现在并没有充分依据。
反过来，如果新增产能逐步释放、供需缺口收窄，那么价格压力才可能真正发生变化。
所以真正值得盯的，是内存供给什么时候开始追上需求，而不是某一家手机厂商的下一场发布会。
还有一个变量要一起放进来看：容量。
如果你需要大容量内存，那么这一轮价格变化对你的影响会更直接。
如果你对容量没有那么高的要求，降一档容量可能是一种比较直接的应对方式。因为这一轮成本压力并不是平均分布在所有配置上的，高容量版本受到的影响往往更直接。
还有一个提醒：不要只看起售价。厂商可以通过调整运存、存储、产品档位和型号组合，重新分配成本。真正有意义的比较，是同一个品牌、同一个系列、同一个配置前后价格怎么变，而不是拿一个新机的起售价去比上一代另一个配置的起售价。
因为有时候，涨价写在价签上。
有时候，它藏在配置里。
最后回到开头
那些几万美元一块的AI芯片，算得已经足够快了。它们真正在等的，是内存把数据送过来的那一刻。
而这一等，最后等成了你iPhone账单上多出来的800块。
你看到的是手机多出来的几百块。真正发生变化的，却是整条产业链里那个越来越紧的地方：
需求已经跑过去了，供给还在路上。
知道真正卡在哪里，才知道下一步该等待，还是该绕过去。
关于作者
投行顾问，没干成过惊天大事。现在用一套基于硬约束和逻辑推导的方法，在不同领域探索并构建认知操作系统。
这里记录判断、验证和代价。
封面图
推荐语：最贵的芯片，算得已经足够快了。它们真正在等的，是内存把数据送过来的那一刻。
主要信源：加州大学伯克利分校研究团队《AI and Memory Wall》（2024）；TrendForce 2026年DRAM、HBM、智能手机市场相关报告；Counterpoint Research关于存储占手机BOM成本的追踪；OPPO官方商城2026年3月价格调整公告，以及华为、小米、荣耀、vivo、苹果官方渠道信息；SK海力士2026年第二季度财报及SK集团公开表态；2026年全国数码产品购新补贴相关规定。
说明：文中对AI内存瓶颈、供需关系和产业传导的部分，区分了已发生事实与行业预测；涉及未来价格、产能释放时间等内容，不视为确定性预测。手机具体价格以厂商官方渠道为准。