OpenAI亮芯，存储先涨为敬

美国时间8月25日，[[OpenAI]]把自研推理芯片[[Jalapeño]]的参数摆上台面，直接拿[[英伟达]]GB200/GB300开刀。但更值得警惕的信号不在算力，而在存储：[[三星]]在Hot Chips 2026亮出[[LPDDR-PIM]]，[[TrendForce集邦咨询]]的数据则显示存储合约价正在飙升，到2027年将吃掉CSP资本支出的68%。AI军备竞赛正从GPU卷向内存，谁掌握位元和带宽，谁才有资格谈性能。本文沿三条线索拆解：[[OpenAI]]的定制芯片成色如何、[[三星]]PIM能否改变端侧AI、以及存储涨价将如何重塑产业链。

OpenAI的“墨西哥辣椒”，能呛到英伟达吗？

一张对标英伟达的“成绩单”

美国时间8月25日，[[OpenAI]]没有像往常一样只发模型版本，而是把首款定制推理芯片[[Jalapeño]]的性能数据直接甩上桌面。名称像颗辣椒，成绩单也够呛：官方称，相比[[英伟达]]旗舰AI服务器GB200/GB300，[[Jalapeño]]能以更低的单位功耗处理更多AI工作负载，同时更快响应。

在GPT OSS 120B、DeepSeek R1和Kimi K2.5 1T三种大模型上，[[Jalapeño]]峰值吞吐量下每瓦可完成的AI工作量比[[英伟达]]高1.5至1.9倍；端到端延迟降低1.7至3.6倍；高度交互式工作负载性能提高2.1至4.1倍。换句话说，OpenAI选择的是推理密集型对比维度，而不是训练吞吐。

自研芯片背后是成本账

OpenAI的逻辑很直白：ChatGPT等模型的推理成本，正在吃掉API订阅与B端客户的利润。自研推理芯片若真能实现官方数据，每瓦token成本可比现有采购方案下降一个台阶，直接增强模型市场价格竞争力。多位接近AI基础设施采购的人士私下说，推理客户对“每瓦token成本”的敏感度，远高于纸面峰值算力；这也是[[Jalapeño]]敢拿功耗效率开刀的原因。

从产业进度看，OpenAI此举不只要降低对[[英伟达]]的依赖，更是在为未来AI ASIC采购划一条新基线。但它能否成为大多数CSP的选择，还要跨过软件栈与集群互联两道坎。[[英伟达]]CUDA生态积累十几年，编译器、算子库、错误定位体系不是一颗芯片能抹平的。

英伟达第一次被客户公开量化对比

对[[英伟达]]而言，真正的信号不是参数落后，而是客户开始用自研ASIC作为谈判筹码。过去两年，云厂商一边买H100/H200，一边抱怨毛利率被算力税挤压；如今[[OpenAI]]把“每瓦性能”摆到台面，等于把GPU定价逻辑从“稀缺算力”拉回“单位成本”。英伟达短期内护城河依然深，但存储价格一旦同步上涨，客户可能更愿意分摊筹码给ASIC。

多位接近OpenAI供应链的人士私下提醒，[[Jalapeño]]的纸面数字好看，但实际部署性能尚待验证，尤其在大规模集群下的故障率、长尾模型兼容性以及多租户调度。[[OpenAI]]若只把自研芯片用于自家推理负载，对[[英伟达]]的收入冲击有限；一旦对外输出，才会改变AI算力市场的价格体系。这个悬念可能比跑分更重要。

三星把AI塞进内存，端侧不再等云端？

斯坦福会场上的“内存运算”

同一天的半导体圈，[[三星]]在美国斯坦福大学Hot Chips 2026现场首度公开LPDDR5X-PIM的结构、规格与验证结果。该产品本月初刚在FMS 2026内存会议上获下一代内存奖项，但详细参数直到这次会议才披露。相比[[OpenAI]]的云端“核弹”，三星拿出的是一张面向端侧AI的牌。

PIM（内存内运算）的思路并不复杂：在内存中嵌入运算单元，让部分计算直接在内存内部完成，无需像传统架构那样把数据频繁搬运至CPU或GPU。对AI运行而言，数据搬运是主要性能瓶颈之一，PIM让简单运算就近处理，提升速度的同时显著降低功耗。

快2.3倍的端侧模型

三星以[[Meta]]开源模型[[Llama 3.1]] 80亿参数为基准，结果显示LPDDR5X-PIM处理时间为5.4秒，普通LPDDR5X为12.3秒，快约2.3倍；每秒令牌处理量81.3 TPS，为现有产品27 TPS的三倍。如果把这个数字放进手机里，意味着80亿参数模型在端侧做连续推理，可以接近“可用”的交互速度，而不是偶尔卡顿的演示功能。

事实上，三星早在2021年就公布面向高带宽内存的HBM-PIM技术并完成开发验证。此次将PIM落地于LPDDR低功耗内存，正是顺应大语言模型向小型化、高效化演进的新趋势。三星相关负责人说得克制：HBM虽然目前是AI内存标准方案，但并非所有场景都非它不可，LPDDR-PIM兼具高带宽与低功耗，为端侧AI开辟新的可能。

离装机还有几步

对手机厂商而言，LPDDR-PIM可能是旗舰AI功能下放的硬件基础：不用把所有请求都丢给云端，隐私、断网可用、响应速度都更有保障。但工程验证不等于量产落地，软件适配、内存颗粒成本、操作系统调度、算法编译工具链这些环节，目前还没有看到成熟方案。三星抢先发布，更多是卡位下一代内存标准的话语权。如果LPDDR-PIM在2027年配合端侧大模型渗透到中高端机型，手机产业链的存储价值会重新排位；但如果只停留在获奖和Demo，它就是一个漂亮的实验室故事。

存储合约价飙升：CSP的预算表被改写

一位采购经理的8月报价单

如果一位云端服务商（CSP）采购经理在8月底打开供应商报价单，他看到的不是GPU缺货，而是内存合约价以三位数百分比跳涨。[[TrendForce集邦咨询]]最新存储器产业研究，把各家预算会上的争吵搬到了台面：全球主要CSP正加速建设AI基础设施，资本支出预计2026年年增98%，2027年再增长50%。

更扎眼的是结构变化：DRAM与NAND Flash在CSP资本支出中的合计占比，预估将从2026年的47%进一步攀升至2027年的68%。换句话说，云端厂商每花三块钱建AI基础设施，未来有两块多要交给存储原厂。

价格涨了多少

按[[TrendForce集邦咨询]]数据，Server DRAM合约价在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%。即便进入2027年，HBM合约价仍可能上涨70%–140%，整体价格维持高位。这些数字意味着，去年被称作“周期复苏”的内存，今年已经变成AI基础设施里最硬的一块成本。

与此同时，CSP对内存位元的需求还在大幅增加，原厂优先保障服务器应用供应。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%。

成本压力向谁传导

[[TrendForce集邦咨询]]明确指出，这将从两个层面影响AI生态。一是成本压力传导：高昂的内存成本为[[NVIDIA]]等AI芯片厂商提供了合理的涨价理由，CSP或许进一步提高资本支出，才能维系AI芯片和内存的采购规模。二是内存架构主动调整：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，或转向将模型固化在芯片中的AI ASIC方案。

换言之，内存厂商正在拿走AI产业链最厚的利润段。过去CSP的预算大头是GPU，现在GPU原厂和存储原厂一起涨价，云厂商的利润率被两头挤压。中小模型公司更难，训练和推理预算都可能被内存价格重新划走一块。

内存墙下，产业链开始“拆墙”

同一条痛苦的时间线

把三条消息放在同一张时间线上，规律更清晰：2021年三星验证HBM-PIM；2025下半年存储合约价启动跳涨；2026年8月[[OpenAI]]亮出[[Jalapeño]]、[[三星]]展示LPDDR5X-PIM；2027年存储将占CSP资本支出68%。每一步都指向同一个痛点：数据搬运比计算本身更贵。

云端和端侧的两种拆法

传统AI架构里，数据在处理器和内存之间来回搬运，既消耗时间又消耗功耗。[[OpenAI]]的[[Jalapeño]]代表云端拆墙思路：用ASIC把模型推理的指令流与数据流固化，降低对通用内存带宽的依赖，以单位功耗吞吐量作为卖点。[[三星]]LPDDR-PIM代表端侧拆墙思路：把运算单元植入内存内部，让数据不必出内存，在离用户最近的地方完成计算。两者看似无关，实则都在对抗同一条“内存墙”。

这也解释了为什么[[OpenAI]]自研芯片的发布，恰好与存储价格暴涨同期出现。当内存贵过算力，市场会自己寻找不搬运数据的办法。[[TrendForce集邦咨询]]预计，CSP将降低单颗芯片搭载容量、调整RDIMM/HBM规格，甚至转向模型固化的AI ASIC。换句话说，OpenAI的芯片不是孤立事件，它是存储涨价周期催生出的成本应对方案之一。

存储原厂才是最大赢家

短期看，存储原厂是最大赢家。三星既做HBM又推LPDDR-PIM，卡位云端与端侧两头，进一步巩固在AI内存标准上的话语权。中期看，CSP的ASIC定制浪潮会进一步提速，但ASIC并不能消灭内存需求，只是把需求从高带宽DRAM转向更适合推理的规格。真正的价格拐点要等2027年新工厂产能释放，但HBM 70%-140%的涨幅摆在那里，别指望马上降温。

对消费电子行业而言，LPDDR-PIM若渗透手机，意味着内存不再只是容量游戏，而是参与AI体验的关键硬件。未来旗舰机宣传页可能多一行“内置PIM内存，端侧模型快2.3倍”。这行字的背后，是存储厂从上游零件商向计算能力提供者的身份跨越。

存储不再甘当AI叙事的配角。当[[OpenAI]]和[[英伟达]]还在拼推理吞吐时，[[三星]]PIM与[[TrendForce集邦咨询]]的价格曲线已经把下一阶段竞争焦点点明：谁减少数据搬运，谁就掌握定价权。对CSP来说，自研ASIC与内存架构调整不是二选一，而是必须同时下注的生存题；对终端厂商，LPDDR-PIM可能让端侧AI迎来普及拐点。2027年的AI成本表，将由存储原厂来画重点。