生成式人工智能的兴起首先推高了GPU需求。随着数据中心不断扩充加速芯片，内存逐渐演变为新的瓶颈。
每块GPU都需要配套HBM，以快速读取模型参数和处理中间数据。服务器还需大容量DDR内存，以及用于存放训练数据和模型文件的企业级固态硬盘。AI基础设施的扩张，实际在同时消耗多种存储产品。
与逻辑芯片不同，内存行业高度集中。三星电子、SK海力士和美光掌控了全球绝大多数DRAM供应，其中三星与SK海力士合计约占三分之二。主要厂商调整产品结构，便可能直接影响全球手机、电脑、汽车和服务器制造商的采购成本。
HBM的售价和利润率均高于传统DRAM。面对AI客户持续增加的需求，内存厂商正将更多晶圆、设备和先进封装能力配置给HBM及服务器产品。这一调整虽提升了AI内存的供应量，却压缩了DDR4等成熟产品的产出。
TrendForce预计，2026年DRAM价格涨幅可能超过70%，供应紧张态势仍将持续。部分内存厂商和模组企业已开始重新评估DDR4的生产安排，以应对市场库存下滑和价格反弹。
DDR5已成为新一代服务器和个人电脑的主流升级方向，但DDR4依旧被大量设备广泛使用。
企业数据中心、工业计算机、通信设备、汽车电子和中低端个人电脑的更新周期较长。许多系统围绕DDR4设计，升级到DDR5不仅需要更换内存条，还可能要同步更换主板、处理器及其他组件。
因此，DDR4面对的是一个特殊市场：技术成熟，生产端准备逐步收缩，存量需求却依然庞大。只要大量旧设备还在运行，维修和扩容就离不开稳定的DDR4供应。
内存厂商减少成熟产品产能后，DDR4的价格不一定随产品老化而持续走低。若供应收缩快于需求退出，旧产品反而可能涨价。这种现象过去在部分工业芯片和汽车芯片市场也出现过。
谷歌从退役服务器中回收DDR4，正是这种供需错位的典型表现。对于拥有数百万台服务器的大型云计算企业而言，旧设备中的内存成了可调动的库存。谷歌还开发了专用适配器，将上一代内存接入新一代AI服务器，以缓解硬件代际差异带来的限制。
AI企业采购能力更强，也愿意为提前锁定高端内存支付溢价。相比之下，手机和个人电脑市场增长趋缓，厂商难以完全消化内存涨价。
2026年初，三星电子和SK海力士均发出警告，AI带来的需求正挤压个人电脑和手机所用内存的供应。苹果也表示，内存成本上升已开始影响其产品业务。
个人电脑厂商通常有几套应对策略：提高整机售价、减少促销、调整内存容量，或者推迟部分型号的发布。手机厂商还可削减基础版本的存储配置，将成本压力转移至不同型号之间。
影响还可能继续传导至游戏机、电视、网络设备和工业电子产品。这些行业所用的内存未必与AI服务器完全相同，但不同产品往往共享晶圆制造、封装测试和原材料资源。高利润产品获得更多产能后，其他市场的供应弹性便会下降。
这也解释了为何AI数据中心仅占电子设备市场的一部分，却能左右更广泛的内存价格。影响市场的关键变量，除了芯片数量，还有制造商如何分配有限的产能。
此轮行情给内存产业链带来了明显的利益分化。
对三星电子、SK海力士和美光而言，HBM需求增长以及传统DRAM价格回升，有助于提升平均售价和盈利能力。内存行业过去常受库存周期和价格下跌困扰，AI订单则提供了更为长期的需求预期。
然而扩产仍存风险。新建晶圆厂、购置设备和增加先进封装产能都需要大量资本。若AI基础设施投资放缓，新增产能可能再次导致供过于求。因此，厂商更倾向于逐步扩产，并通过长期合同锁定客户。
云计算企业面对的是另一番考量。继续购买新内存可保持硬件性能和统一性，但成本更高、交付周期也可能延长；回收旧内存能缓解短期压力，却增加了测试、适配和维护成本。
手机和电脑厂商的议价能力则取决于采购规模、产品定位和库存水平。大型品牌通常能提前签订供应合同，中小厂商更容易受现货价格波动影响。
内存价格上涨最终可能形成一条传导链：AI数据中心增加订单，芯片厂调整产能，传统DRAM供应减少，设备厂商采购成本上升，消费者面对更高价格或更低配置。
过去，退役服务器的价值主要来自整机转售、硬盘、处理器，以及拆解后回收的铜、金和铝。内存紧张后，DDR4等仍可使用的零部件获得了新的定价基础。
大型数据中心可将退役设备留在内部，重新检测并部署；专业IT资产处置公司可向企业提供数据清除、设备分级、翻新和转售服务；第三方维修商则可能增加对二手内存和旧服务器零部件的采购。
不过，二手内存供应无法从根本上解决全球短缺。退役设备数量有限，规格不完全统一，故障率和剩余寿命也需评估。大型AI集群对性能一致性要求较高，不可能全部依赖旧部件。
它更适合扮演补充角色：将旧内存用于性能要求较低的服务器、数据预处理、部分推理业务或传统云计算任务，从而把新增的HBM和高端DRAM留给核心AI负载。
这有可能推动数据中心采用更精细的硬件分层管理。企业不再按统一周期更换整台服务器，而是根据工作负载分别管理GPU、内存、硬盘和网络设备。仍能用的部件继续运行，无法满足性能要求的设备进入二级市场，最后才进行材料回收。
AI带来的内存争夺由此延伸到设备生命周期管理。新芯片产能决定短期供应上限，退役设备则形成补充库存。对科技企业而言，管理旧硬件正日益成为控制成本和保障零部件供应的重要一环。
Citation: