{"id":"mb-20260823-9f0a1d","account":"mubei","brand":"","title":"供应链传出消息，NVIDIA 最新一代 AI 服务器的出厂价格即将全线上调超过 15%","summary":"供应链传出消息，NVIDIA 最新一代 AI 服务器的出厂价格即将全线上调超过 15%","body":"供应链传出消息，NVIDIA 最新一代 AI 服务器的出厂价格即将全线上调超过 15%。\n负责组装的代工厂已经陆续向微软、谷歌和甲骨文发出调价通知。\n涉及的机型覆盖了从 Grace Blackwell 到未来的 Vera Rubin 架构。\n很多人第一反应是 NVIDIA 又在利用自己的绝对垄断地位肆意提价。\n但看一眼背后的财务报表，事情有些反常。\nNVIDIA 自身的毛利率常年维持在 75% 的极高水平。\n一家拥有如此丰厚利润垫的芯片巨头，为什么连 15% 的供应链涨幅都不愿意自己消化，非要把成本全额甩给下游客户？\n答案不在 GPU 芯片本身。\n真正的账单藏在那些贴在芯片周围的内存颗粒里。\n推动整台服务器价格飙升的核心推手，是高带宽内存 HBM 与普通服务器内存成本的失控式暴涨。\n为什么在半导体制造技术高度成熟的今天，多造几块内存颗粒会变得这么难？\n顺着晶圆厂的生产线拆到底，会看到一台正在重塑整个算力版图的隐形机器。\n晶圆吞噬效应。\n过去三十年，存储芯片在整个硬件产业链里一直扮演着周期性降价的廉价大宗商品角色。\n只要需求上来，存储原厂开足马力扩产，价格很快就会被砸穿。\n但 AI 大模型打破了这个运行了几十年的旧循环。\n算力芯片跑得越快，对数据吞吐带宽的渴求就越极端。\n普通内存的传输通道已经无法满足需求，工程师只能把 8 层甚至 12 层内存芯片垂直叠在一起，用微米级的硅通孔 TSV 打穿相连，再用先进封装工艺与 GPU 拼装在一起。\n这就是高带宽内存 HBM。\n这种三维堆叠结构在物理上带来了极其苛刻的制造代价。\n因为内部布满了密集的垂直互连通道，单颗 HBM 裸片的物理面积比同等容量的普通内存晶粒大了 50% 到 60%。\n堆叠 12 层芯片意味着良率的乘法损耗：只要其中任意一层存在微小缺陷，整颗封装好的昂贵芯片就必须全盘报废。\n加上底部还需要一块专门的逻辑控制晶圆，半导体行业算出一笔极其残酷的账。\n制造同样容量的 HBM 内存，消耗的 12 英寸原始硅晶圆面积，是制造普通内存的 3 到 4 倍。\n这是一场赤裸裸的零和博弈。\n全球能稳定供应尖端内存的厂商只有 SK Hynix、Samsung 和 Micron 三家。\n面对 HBM 高达数倍的溢价，三大巨头将产线上的晶圆产能大规模切向 HBM。\n结果产生了一场全方位的连环挤压。\n产线切走之后，普通服务器急需的 DDR5 内存供给被硬生生抽干。\n另一边，即便消耗了三倍以上的晶圆产能，造出来的 HBM 依然跟不上算力集群的扩张速度。\n整个半导体供应链同时陷入了双重短缺。\n内存不再是服务器里随行就市的配角，在单台 AI 服务器的硬件物料成本中占比已经突破 20% 到 30%。\n当一个核心零部件因为物理规律的限制产生结构性短缺时，它的定价权就会压倒性地向上游原厂倾斜。\n面对不可抗拒的晶圆物理成本上升，即便是统治算力市场的巨头，也会选择把成本通过代工厂顺流穿透，100% 转移给终端买家。\n很多人以为 AI 算力的扩张是一场无止境的晶体管密度与算法效率竞争。\n底层的物理世界却给出了完全不同的答案。\n算力可以在虚拟世界里无限膨胀，把数据喂进处理器的管道却必须在原子尺度上接受物理定律与良率的严厉惩罚。\n当科技巨头们争相向算力中心投入千亿美元资本时，真正决定这笔账单上限的，从来不单是算力芯片的运算速度，晶圆厂里那道不可逾越的物理置换率才是真正的天花板。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-23 00:21:46","created_at":"2026-08-23 00:21:46"}