AI数据中心内存支出将超40%：HBM成新成本中心，谁在受益？
随着人工智能算力需求的指数级增长，数据中心硬件支出结构正在经历一场深刻重构。2026年7月4日，专注于半导体与AI基础设施的研究机构SemiAnalysis发布最新分析指出，内存（包括DRAM、NAND和高带宽内存HBM）在超大规模数据中心资本支出中的占比，预计将在2027年突破40%。
内存为何成为AI基建的“新瓶颈”？
这一趋势的核心驱动力来自大模型训练对内存带宽与容量的极端依赖。与传统计算任务不同，生成式AI模型参数动辄数百亿甚至上万亿，训练过程中需要频繁在GPU之间交换海量中间数据。这使得高带宽内存（HBM）成为关键组件。
目前全球具备HBM量产能力的厂商极为有限，主要集中在三星、SK海力士和美光三家。这种高度集中的供应格局，叠加AI芯片厂商的强劲采购需求，推动HBM价格持续走高。
与此同时，普通DRAM和企业级NAND的需求也在同步增长。AI推理集群虽对HBM依赖较低，但仍需大量系统内存和高速存储支持数据预处理与缓存。此外，数据中心整体规模仍在扩张，即使单位服务器内存占比不变，总量增长也会推高绝对支出。但在AI专用集群中，内存占比的结构性跃升才是主因。
资本开支结构的“再平衡”
如今，内存正从“配套组件”转变为“成本中心”。
这一比例甚至可能超过部分网络设备或通用服务器的支出。这种结构性转变将直接利好内存制造商，尤其是那些掌握HBM技术的头部企业。
尽管财报细节未在本次事件中披露，但SemiAnalysis明确提到，正是美光的业绩表现促使市场重新评估内存在AI资本开支中的权重。投资者开始意识到，内存厂商不再只是周期性行业中的被动参与者，而可能成为AI基础设施扩张的核心受益者。
供应链与投资逻辑的连锁反应
内存支出占比的飙升将对整个AI硬件生态产生连锁影响。首先，服务器OEM厂商（如戴尔、超微、浪潮）的毛利率可能承压，因其在整机定价中难以完全转嫁快速上涨的内存成本。其次，云服务商或将加速垂直整合，例如自研AI芯片搭配定制内存方案，以控制供应链风险——类似谷歌TPU与定制HBM的组合已初现端倪。
对投资者而言，这一趋势要求重新审视AI产业链的价值分布。内存厂商的技术迭代速度、产能规划与客户绑定深度，将成为关键估值变量。此外，先进封装、测试设备及EDA工具等支撑HBM生产的环节，也可能间接受益。
然而，这一高占比能否持续仍存在不确定性。一方面，技术替代路径正在探索中，例如CXL（Compute Express Link）协议有望通过内存池化降低单机内存需求；另一方面，若HBM产能在2027年后大幅释放，价格可能回落，从而抑制支出占比的进一步上升。
市场认知滞后与预期差机会
SemiAnalysis特别指出，市场对这一趋势的理解仍不充分。许多投资者仍沿用传统服务器BOM结构来估算AI基础设施成本，低估了HBM等新型内存的经济权重。这种认知滞后可能造成两类机会：一是内存厂商的盈利潜力被系统性低估；
随着2026年下半年更多云厂商披露AI基础设施投资细节，以及英伟达Blackwell平台的大规模部署，内存支出占比的真实水平将逐步浮出水面。届时，市场或将迎来一轮对AI硬件成本结构的重新定价。
综上所述，内存从“配角”走向“主角”的转变，不仅是技术演进的必然结果，更是AI经济模型深化的体现。当算力竞赛进入下一阶段，决定胜负的或许不再是单纯的芯片数量，而是整个内存子系统的效率与成本控制能力。对于全球半导体产业而言，这既是挑战，更是价值重估的契机。
