瓶颈定价过度会反噬 AI CapEx

免责声明：本文仅为我个人对公开产业资料与商业逻辑的思考与复盘，不构成任何投资建议，不涉及任何个股推荐或持仓暗示。市场有风险，决策需独立。

我读《My Grudge Against Memory》时，注意到了一个反向约束。过去看「瓶颈越紧，利润越高」这条框架，我给它补上了一条前提：供应链瓶颈只有在客户仍愿意、也仍有能力承受价格时，才会持续转化为超额收益。 一旦瓶颈环节涨价过度，客户的 CapEx、自由现金流和架构选择就会被迫调整，瓶颈本身也会从利润来源变成需求风险。

存储（DRAM / HBM）把这件事讲得很具体。它的供给被少数存储厂商高度集中控制，AI 需求让这些厂商拿到了阶段性定价权，这一点我认同。但如果存储成本占云厂商 AI CapEx 的比例继续上升，云厂商可能会去优化内存用量、推迟采购、重新谈判长期协议、寻求融资，或者把 CapEx 增速降下来。涨价一旦开始改变客户的资本开支，我就不再把瓶颈自动当成超额收益。市场对存储厂商的预期，也可能先于财务数据转向。

正向叙事缺了后半段

过去的正向叙事是：

AI 需要更多 GPU → GPU 需要更多 HBM / DRAM → 存储供给紧张 → 存储厂商持续涨价 → 存储厂商持续受益。

我现在用的框架要补上第二段：

存储持续涨价 → 云厂商单位 AI 基础设施成本上升 → FCF 和 CapEx 弹性下降 → 客户推动 memory optimization / pooling / offload 与 CPU 侧内存削减 → 市场开始担心需求和行业利润率见顶。

所以看存储瓶颈，不能只问需求够不够强，还要问定价有没有破坏客户侧的承受能力。

《My Grudge Against Memory》里我能用的，和我还不能用的

这篇材料整理了几类二手线索：

• 市场研究机构图表：三家主要存储厂商合计控制大部分 DRAM 市场。
• 行业研究与财经媒体图表：HBM 由 DRAM die 堆叠、TSV 和 microbump 形成，先进 AI 芯片需要更多 HBM 层数和带宽。
• 投行与研究机构图表：DRAM / HBM 的 ASP，以及存储在 AI 硬件和云厂商 CapEx 中的占比，可能继续上升。
• 云厂商财报或管理层表述：多家云厂商提到 component pricing 或 memory cost pressure。
• 存储厂商管理层访谈：有意义的新产能可能到 2028 才上线。

这些线索适合拿来当研究入口。这篇笔记没有逐项回到公司财报、业绩电话会逐字稿、行业研究机构的原始报告、云厂商定期报告或官方披露去做核验。我也只把它们当入口，不会当成已经坐实的事实。

同一篇材料里还有一层推断，同样没有逐项核验：存储环节的利润率可能在 2027 年走到异常高位；存储成本占 AI CapEx 的比例可能接近 40%；云厂商现金流被资本开支挤住以后，业绩电话会里会出现放缓或优化的说法；市场对存储厂商的预期，可能在利润率真实下滑之前，就因为上修空间消失而转向；2028 年以后新增产能释放，存储可能回到周期品逻辑。

这层推断里最不稳的是时间点。要让 2027 年中见顶的判断成立，需要同时满足几件事：存储价格继续上行，客户成本压力明显变差，AI 收入或战略需求盖不住成本，而且市场开始担心 2028 年的供给释放。这几条里缺了一条，时间点就站不住。

它接上缓存，也改写瓶颈研究

当存储价格涨到影响整机 BOM 和 CapEx 预算时，模型服务商和芯片厂商会更积极地寻找缓存、offload、memory pooling、flash-as-DRAM、小模型、量化和架构优化。这件事我在 AI 推理成本的长期瓶颈可能从计算转向缓存 里分开写过。

这也提醒我，「寻找 AI 供应链瓶颈」的框架藏着一个风险：瓶颈越紧，利润越高；而高利润又容易刺激客户绕开瓶颈、供应商扩产、竞争者进入，以及市场提前定价。

所以做一条完整的供应链研究，我要同时回答两组问题：

1. 瓶颈还在不在： 这个环节是不是真的难扩产、难替代，而且被客户刚需拉动？
2. 定价有没有反噬： 价格是不是已经高到让客户改采购节奏、架构方案或 CapEx 指引？

五类信号，我怎么取舍

这五类信号是我用来给「涨价等于受益」打折扣的检查项，我不会把它当成一份操作清单。

客户电话会里的用词

我会重点看云厂商和 AI 云服务商这些 AI CapEx 主体，在电话会里有没有反复出现以下用词：

• memory pricing
• component pricing
• HBM availability
• AI infrastructure cost pressure
• CapEx efficiency
• optimizing memory usage
• supply constraints
• long-term supply agreements

只有当「存储价格」从偶发说明变成电话会里的核心风险项，我才把它算成反噬的早期信号。如果只是出现一次，我不会直接当成结论。

CapEx 指引的斜率

绝对 CapEx 还在涨，和增速放缓是两码事。我会盯着斜率有没有变缓，不会等到绝对额下降才承认风险。存储环节的风险不一定来自 CapEx 下降，也可能来自这几处变化：

• CapEx 上修幅度变小；
• 2028 指引没有继续加速；
• 管理层开始强调 capital discipline；
• AI 收入增长盖不住基础设施成本增长。

周期行业的景气，常常在「继续好，但不再更好」的时候见顶。

ASP 和行业利润率的斜率

这一项主要看 DRAM、server DRAM、HBM 的 ASP，以及行业整体利润率。价格继续加速时，这固然对存储厂商有利，但同时也在加大客户改方案的理由：

• 价格继续加速，短期对存储厂商有利，客户反噬的风险也在变大。
• 价格在高位走平，市场预期可能开始反映利润率见顶。
• 价格转跌，市场会重新把存储看成传统周期品。

优化路线有没有变成产品约束

材料里提到，加速器厂商可能削减机架级方案里 CPU 侧的内存模组，其他加速器厂商和云厂商也在找 memory optimization。这些路径有没有变成实际的产品和采购，需要逐项核对，单看名单还说明不了问题：

• 削减 CPU 侧 DRAM；
• memory pooling；
• 内存扩展互连与 flash-as-DRAM；
• KV cache offload；
• prompt / prefix cache；
• 更小模型、量化、speculative decoding；
• 重新平衡 HBM 的容量和带宽需求。

只要优化路线落到了硬件配置上，就说明客户已经把存储成本当成了系统级约束。

供给什么时候放出来

材料把 2028 当成重要节点。我不会把这个年份当成已经证实的拐点，只会把它拆成几个还要分开看的供给问题：

• 主要存储厂商的 HBM / DRAM capex；
• 新产能上线时间；
• HBM3E 到 HBM4 的转换良率；
• 普通 server DRAM 是否继续被 HBM 挤出；
• 客户的长期协议是锁住了高价，还是给客户留了缓冲。

看存储、企业级 SSD、光互连或 AI CapEx 时，我倾向于用同一个问题做检查，而不是直接写成建议：这个瓶颈的涨价，是仍在增强供应商的超额收益，还是已经开始破坏客户需求？正向和反向的线索可以并排对照着看：ASP 上涨对上高位走平，利润率继续上修对上接近历史极端值，客户签长期协议对上客户抱怨 component pricing，供给释放延后对上新产能集中在 2028 以后，AI CapEx 上修对上增速放缓或融资压力，HBM4 需求增强对上客户推动 memory optimization。

这条判断会在哪里失效

下面这六条里只要有任何一条成立，我都会把「定价就会反噬」的判断往下降一档。

1. AI 收入增长足够快。 云厂商如果能证明 AI 收入或生产率提升盖得住存储成本，CapEx 可能继续上修。
2. 供给仍然长期紧张。 就算客户抱怨价格，如果 2028 年以后供给释放依然不足，存储厂商的定价权还会延续。
3. 长期协议锁定利润。 存储厂商如果用 3–5 年的长期协议锁住高价和出货，短期利润率不一定很快回落。
4. 优化路径效果有限。 memory pooling、flash-as-DRAM、CPU 侧内存削减如果只碰到边缘成本，HBM 的主需求仍然绕不开。
5. 市场已经提前消化周期风险。 如果预期里已经没有长期高利润，「周期性还在」不一定再带来大幅的预期变化。
6. 约束先出现在别的环节。 电力、网络、封装或 GPU 供给如果比存储更早卡住，存储反噬就不会那么显眼。

AI 供应链瓶颈最好用的阶段，是客户离不开它、价格还能被客户吸收、市场又没有充分定价的时候。一旦定价开始改变客户的 CapEx 和架构选择，超额收益就会逐步变成周期风险。

参考

• 《My Grudge Against Memory》：存储供给集中、HBM 结构、ASP 与 CapEx 占比、云厂商成本压力、新产能时间表，以及 2027 / 40% 这一层未逐项核验的推断，都来自这篇材料的二手整理。
• 后续核验应回到公司财报、业绩电话会逐字稿、行业研究机构原始报告、云厂商定期报告或官方披露。
• AI 推理成本的长期瓶颈可能从计算转向缓存