HBM价格重置将推高AI数据中心资本开支30%？
华尔街投行 Bernstein 在 2026 年 6 月 22 日发布的一份报告中指出，存储芯片价格的上涨正从消费电子领域迅速传导至人工智能（AI）基础设施，并可能迫使亚马逊、微软、谷歌等大型云服务提供商重新评估其 AI 数据中心的投资回报率。该机构强调，传统 DRAM 自 2025 年第三季度以来价格已上涨约 4.5 倍，而高带宽存储器（HBM）因多数订单受年度合同锁定，尚未同步调价，导致当前传统 DRAM 的单位晶圆收入和毛利率显著高于 HBM。这一结构性错配正在推动存储芯片制造商与 GPU/XPU 芯片厂商就 2027 年 HBM 合同价格展开重新谈判。
存储芯片价格分化重塑 AI 硬件成本结构
Bernstein 分析认为，HBM 作为 AI 加速器（如 Nvidia 的 Blackwell 架构 GPU）的关键组件，其价格滞后于市场现货水平已不可持续。该机构预计，2027 年 HBM 合同价格可能上涨 2 至 2.5 倍。更关键的是，GPU 厂商可能进一步放大这一成本压力。以 Nvidia 为例，若其希望在 HBM 成本大幅上升后维持 75% 的毛利率，则需将相关成本按约 4 倍传导至下游客户。这种“成本加成”机制意味着终端采购价格的涨幅远超原材料本身。
具体到硬件部署层面，Bernstein 估算，在 Vera Rubin NVL72 机架（一种典型的大规模 AI 训练系统）中，仅 HBM 涨价及其加价传导就可能导致 AI 数据中心总资本开支增加约 15%。若叠加传统 DRAM 和 NAND 闪存的同步上涨，整体影响接近 30%。尽管云厂商对 AI 的长期战略投入不会因此中断，但 Bernstein 强调，“重新校准”已不可避免——这包括供应链定价机制、客户成本分摊模式，甚至最终面向开发者的 token 定价策略都可能面临调整。
存储厂商盈利前景分化，技术领先者受益
在此背景下，Bernstein 大幅上调了三家主要存储芯片制造商的目标价和盈利预期。三星电子普通股目标价从 225,000 韩元上调至 440,000 韩元，SK 海力士从 1,150,000 韩元上调至 3,300,000 韩元，美光则从 510 美元上调至 1,300 美元。该机构对三家公司 2027 年每股收益（EPS）的预测分别高出市场一致预期约 26%、32% 和 38%，并维持其“跑赢大盘”评级。
值得注意的是，Bernstein 指出，尽管 HBM 是 AI 时代的明星产品，但当前传统 DRAM 的盈利能力反而更强。这意味着存储厂商在短期内可能更倾向于分配产能至标准 DRAM，而非全力扩产 HBM。不过，长期来看，技术领先仍具战略价值。报告特别提到，三星在下一代 HBM4 技术上可能已取得先发优势，有望在未来两年扩大其在高端 AI 存储市场的份额。
相比之下，缺乏 HBM 业务的 KIOXIA（原东芝存储）被 Bernstein 维持“跑输大盘”评级，凸显 AI 驱动下存储行业内部的结构性分化。
供应链重构与替代方案浮现
成本压力也可能催生新的供应链动态。Bernstein 提出一种可能性：为规避 GPU/XPU 厂商对 HBM 的加价行为，部分云厂商或考虑绕过芯片集成商，直接向存储厂商采购 HBM，并自行集成至定制 ASIC 或加速卡中。若此路径可行，亚洲的 ASIC 设计与制造服务商可能成为间接受益者。基于这一逻辑，该机构重申对联发科“跑赢大盘”的评级，认为其在定制化 AI 芯片领域的布局具备潜在弹性。
然而，Bernstein 也发出警示：当前的高景气并非永久状态。该机构预计，到 2028 年，随着新产能释放和需求节奏调整，存储芯片市场仍可能出现周期性回落。
对全球科技资本开支的深远影响
从跨市场视角看，存储成本的飙升正在改变 AI 基础设施的经济模型。若 HBM 及配套 DRAM 成本持续高企，部分边缘 AI 应用或中小模型训练项目可能被推迟或缩减，资源将进一步向头部大模型集中。
对投资者而言，这一趋势强化了“上游硬件确定性”逻辑。在 AI 软件层盈利模式尚不清晰之际，掌握核心物理资源（如先进制程、HBM 封装产能、高速互连技术）的公司正获得更高的估值溢价。三星、SK 海力士和美光的股价表现已反映这一预期，但 Bernstein 的激进上调表明，市场可能仍未充分定价 2027 年 HBM 价格重置带来的盈利跃升。
与此同时，美股科技巨头的资本开支指引值得密切关注。若 Q3 财报中出现对数据中心 CapEx 增速放缓或单位算力成本上升的提示，可能引发对 AI 主题整体估值的再平衡。而在港股和 A 股市场，具备 HBM 封装测试能力或先进内存接口 IP 的中国半导体企业，也可能因全球供应链多元化需求而获得重估机会。
总体而言，存储芯片已从幕后走向台前，成为决定 AI 基建经济可行性的关键变量。Bernstein 的报告揭示了一个新现实：在 AI 军备竞赛中，谁控制了内存带宽与成本，谁就掌握了算力扩张的主动权。
