存储疯涨，苹果小米自研芯片接招

存储合约价正在改写AI算力账本。[[TrendForce集邦咨询]]预测，2026年全球主要CSP资本支出将年增98%，其中DRAM与NAND Flash合计占比将从47%飙到2027年的68%。同一周，[[小米]]发布[[玄戒O3]]，[[苹果]]掏出2nm [[M6]]和四晶粒[[M5 Ultra]]。一边是内存通胀吞噬AI预算，一边是终端厂商加速自研芯片对冲成本，两条线索撞在一起，指向同一个判断：算力成本的结构性转移，正在把“自研”从可选项变成必答题。

一、CSP的账单：内存正吃掉AI基建预算

某家北美CSP的采购负责人最近在重谈明年框架协议时发现，Server DRAM的合约价已经没法用去年的价格锚来谈判了。不是供应商难缠，是行情变了。

[[TrendForce集邦咨询]]的数据很直接：全球主要云端服务供应商2026年资本支出预计年增98%，2027年还要再涨50%。但钱并没有都流向GPU——DRAM与NAND Flash在CSP资本支出中的合计占比，将从2026年的47%进一步攀升至2027年的68%。内存，正在从配角变成AI基建里最贵的一行。

具体到合约价，[[Server DRAM]]在2025年下半年累计上涨约64%，2026年预计再涨约270%；[[Enterprise SSD]]同期上涨约35%，2026年累计涨幅预计达235%。即便到了2027年，[[HBM]]合约价仍可能上涨70%–140%。一位长期跟踪存储现货市场的业者私下说，这种涨幅“已经不是缺货，是结构性紧缺”。

背后逻辑不复杂：AI服务器对内存位元的需求增速远超传统服务器。2026年，HBM与RDIMM合计将占DRAM供应位元的51%；2027年，随着制程升级和新工厂产能释放，Server DRAM与HBM的供应位元增速有望达到27%。原厂把产能优先切给服务器，消费电子能拿到的配额自然被压缩。

对CSP来说，这意味着两难：不买内存，AI集群算力发挥不出来；买内存，资本开支被吃掉一大块。更麻烦的是，内存涨价会传导到整机——多位接近[[NVIDIA]]供应链的人士认为，高昂的内存成本给了AI芯片厂商继续涨价的理由，而CSP可能只能被动提高资本支出，维持采购规模。

存储合约价涨幅与CSP占比

数据来源：TrendForce集邦咨询（2026年8月）

这组数字传递的信号很清楚：AI基础设施的成本中心正在从逻辑芯片转向存储。过去大家抢GPU，现在内存才是那个把预算表撑爆的角色。

二、小米玄戒O3：跑分破500万，全大核架构的野心与代价

就在CSP为存储账单发愁的同一周，[[小米]]在北京开了一场“玄戒芯片技术沟通会”。没有过多发布会话术，[[小米]]一口气发布三款自研芯片：面向旗舰手机的SoC [[玄戒O3]]、端侧AI加速芯片O100，以及面向智能驾驶的D100。官方说法是“从口袋到座舱、从客厅到工厂”的人车家全生态AI算力版图。

[[玄戒O3]]最抓眼球的是跑分。[[小米]]实验室给出的安兔兔综合跑分为5228014，是行业首个突破500万分的移动旗舰平台。GeekBench 6单核3945分、多核15221分，相较上一代分别提升31%和60%。更关键的是，日常使用场景功耗反而降低25%。

参数上，O3延续3nm制程，晶体管从O1的190亿增至240亿；CPU采用6超大核+4大核的十核“全大核”架构，峰值主频4.35GHz。这种设计在安卓旗舰里相当激进——大核数量多，峰值性能好看，但调度难度和功耗墙压力也更大。[[小米]]敢这么堆，背后是O1那一代积累的能效数据给的底气。

据多位接近[[小米]]芯片团队的人士透露，O3这次“不追求纸面参数的单项第一，而是要把峰值性能和持续性能之间的落差拉平”。这个思路是对的：旗舰SoC的难题从来不是跑分，而是跑分之后的发热和掉速。

但也要看到，自研SoC不是跑分高就行。[[玄戒O3]]要面对[[高通]]、[[联发科]]的成熟平台竞争，还要解决产能、良率、基带、影像ISP、游戏厂商适配等一系列工程问题。跑分破500万是里程碑，但“能用”和“好用”之间，隔着一整条供应链。

小米玄戒O3与苹果M6关键参数对比

注：两者定位不同，数值仅供参考。

三、苹果双芯：2nm与四晶粒封装的“堆料竞赛”

同一天，[[苹果]]更新了Mac mini与Mac Studio，端出两颗芯片：首款2nm的[[M6]]，以及四晶粒架构的[[M5 Ultra]]。如果[[小米]]是在手机SoC上证明自研能力，那[[苹果]]就是在用自己的节奏，把桌面级芯片的制程和封装推到极致。

[[M6]]是[[苹果]]首款采用2nm制程的芯片。12核CPU被拆成2颗超级核心、4颗性能核心和6颗能效核心，单线程性能全面领跑，多线程较[[M5]]提升最高1.2倍，较[[M1]]提升最高2.4倍。AI侧更夸张：双16核神经网络引擎，峰值计算性能较前代提升最多2倍；统一内存最大32GB，带宽170GB/s。

GPU升级为12核，每颗核心内置神经网络加速器，AI峰值计算性能较[[M5]]提升近30%，较[[M1]]提升超过8倍。再加上更新的着色器核心架构、动态缓存和硬件加速光线追踪，[[苹果]]基本把Mac的图形和AI工作负载都包圆了。

真正让专业人士兴奋的是[[M5 Ultra]]。[[苹果]]首次在M系列自研芯片中采用UltraFusion封装技术，将两枚双晶粒[[M5 Max]]芯片互联，形成四晶粒架构。晶粒间带宽提升至4.4TB/s以上，连接密度提升逾6倍。这颗芯片最多36核CPU（12超+24性能），单线程较[[M3 Ultra]]提升最高1.25倍，多线程最高1.3倍。

简单说，[[苹果]]在2nm制程和先进封装上同时下注。制程负责单芯片能效，封装负责把多颗大芯片拼成一颗“超级芯片”。这条路成本不低，但换来的是Mac在专业市场的性能护城河。

值得注意的是，[[苹果]]和[[小米]]虽然都叫“自研芯片”，路线并不相同：[[苹果]]有台积电先进制程的优先产能，有Mac/iPad的软硬一体生态；[[小米]]则要在安卓阵营里和高通、联发科抢份额，同时还要覆盖车和IoT。两者的共同点在于，都在把AI算力下沉到端侧——这恰好是应对存储涨价的一条路径。

产业链成本传导与自研应对

四、存储涨价倒逼芯片设计：ASIC与端侧NPU的窗口期

成本压力从来不会只停留在采购表上，它会反向重塑芯片设计。[[TrendForce集邦咨询]]在报告里点破了这一层：为应对高价格和供应配额不足，CSP将更积极地优化内存配置，例如降低单颗芯片搭载容量、调整RDIMM/HBM规格，或转向采用将模型固化在芯片中的AI ASIC方案。

这意味着什么？过去AI训练和推理高度依赖HBM和DRAM的高带宽，一旦存储价格失控，厂商就会重新评估“什么模型必须跑在云端、什么可以下沉到端侧”。端侧NPU的价值因此被放大——如果手机、PC或边缘设备能在本地完成更多推理，就能减少对云端内存的依赖，同时降低延迟和带宽成本。

[[苹果]][[M6]]把神经网络引擎性能翻倍，[[小米]]单独推出端侧AI加速芯片O100，都是在往这个方向走。O100的定位本身就说明：终端厂商不想把所有AI负载都交给云端，尤其当云端内存贵得离谱的时候。

更值得关注的是AI ASIC。[[TrendForce集邦咨询]]提到，CSP可能转向采用将模型固化在芯片中的AI ASIC方案。这类芯片通常不需要像GPU那样堆HBM，能在特定模型上实现更高的能效比。对CSP来说，自研ASIC既能绕开[[NVIDIA]]的定价权，也能降低对HBM的依赖。据多位接近[[NVIDIA]]的人士私下说，存储价格每涨一轮，CSP对ASIC项目的内部评审就会提速一轮。

最后再看2027年的数字：HBM合约价仍可能上涨70%–140%，而DRAM与NAND在CSP资本支出中的占比将达68%。这意味着存储通胀不是一个短期扰动，而是会持续到2027年的结构性变量。终端厂商和CSP谁能更快把AI算力从“云端集中”推向“端侧分散”，谁就能在成本与体验之间找到新平衡。

关键节点时间线

小结

存储合约价的暴涨，正在把AI基础设施的成本结构从“GPU中心”推向“内存中心”。CSP不得不在2027年把68%的资本开支花在DRAM与NAND上，倒逼产业重新分配算力。与之同步，[[小米]]用[[玄戒O3]]证明国产旗舰SoC能跑进500万分俱乐部，[[苹果]]用2nm [[M6]]和四晶粒[[M5 Ultra]]巩固桌面性能霸权。两条路线殊途同归：把AI算力留在端侧，把存储成本挡在云外。接下来两年，谁能在ASIC和端侧NPU上跑得更快，谁就握有议价权。