AI算力爆发引发内存供需失衡：带宽与容量成新瓶颈
2025年以来，受AI算力需求激增驱动，全球内存市场出现价格飙升现象，预计2026年Q1传统DRAM合约价将环比暴涨90%-95%。核心原因在于厂商为追求高利润将产能向HBM倾斜，导致传统DDR内存供给收缩。当前AI应用面临“带宽内存墙”挑战，而大模型时代又进一步暴露了HBM容量受限的新问题。
事件概述
自2025年起，全球内存市场经历显著涨价潮，部分产品价格数倍增长。市场研究机构TrendForce预测，2026年第一季度传统DRAM合约价格将环比上涨约90%–95%，三星（Samsung）和SK海力士（SK Hynix）等巨头已通知客户上调报价。此次涨价并非单纯的市场波动，而是AI算力时代引发的深层供需失衡与技术瓶颈的集中体现。
核心事实与数据
- 价格涨幅：2026年Q1传统DRAM合约价预计环比暴涨90%–95%；HBM（高带宽内存）制造利润可达DDR5的三倍。
- 产能转移：因HBM利润丰厚，内存厂商大幅缩减传统DDR内存产能，优先保障高端HBM供应，直接导致普通内存市场供不应求。
- 技术瓶颈：
- 带宽瓶颈：AI深度学习计算中，GPU性能常受限于内存带宽而非计算单元。HBM通过3D堆叠和1024位超宽总线（对比DDR5的64位），提供数十倍于DDR5的带宽，有效缓解了此问题。
- 成本与容量：HBM成本极高，占英伟达H100 GPU制造成本的50%；且受散热和制程限制，其容量远小于DDR内存，难以满足大模型海量参数存储需求。
- 历史背景：1970年英特尔推出首款商业DRAM 1103（1Kb），同年发布CPU 4004；1995年学者提出“内存墙”概念，预言CPU速度将远超内存；在AI时代，该问题演变为“带宽内存墙”。
产业格局与挑战
- 竞争态势：中国厂商长鑫存储（CXMT）已在DDR4、DDR5及LPDDR5X等主流产品上实现量产，成为市场新力量，但在HBM等高端领域与国际巨头仍有差距。
- 未来挑战：随着大模型参数规模扩大，HBM的有限容量成为新的制约因素。行业正同时从硬件（提升堆叠层数）和软件（模型架构优化、精度降低）两端寻求突破。
- 供应链风险：内存产线投资巨大、建设周期长（需数年及数百亿资金），且易受突发事故（如工厂火灾）影响，加剧了市场供需的不确定性。