英伟达已向微软、谷歌、甲骨文发出调价通知，因存储芯片成本失控，旗舰AI服务器价格普涨超15%。一颗紧邻GPU的存储芯片，正在改写AI算力产业的定价逻辑。
当地时间8月22日，英伟达向微软、谷歌、甲骨文等核心客户发出调价通知。原因并非GPU溢价，而是它无法自主生产的存储芯片。Vera Rubin、Grace Blackwell等旗舰系统均在调价范围之内。
这条传导链十分清晰：英伟达先行定价 → 代工厂执行 → 云厂商承接。已签约存量订单暂不受影响，但2027年初出货的新系统，将适用新价格。
注：柱形长度为相对比例示意（非同一量纲），用于直观感受价格带差异。单台Vera Rubin NVL72涨幅15%即意味着新增数十万乃至近百万美元开支。
在消费级市场，RTX 50系列中位数零售价2026年6月至8月间已上涨39%，RTX Pro 6000从预订价7600美元飙升至16000美元，涨幅110%。GDDR7显存成本较前代增至3倍。
此次涨价最值得关注的，不是涨幅，而是涨价背后"主语"的更换。
在Vera Rubin系列服务器的物料成本（BOM）中，存储芯片占比已反超GPU：HBM+系统DRAM合计占约62%，GPU芯片本身仅占约26%。
芯片设计能力决定算力成本，英伟达拥有绝对定价权。
HBM+DRAM占BOM 62%，存储原厂掌控了价格命门。
单个Vera Rubin NVL72机架的存储相关物料合计约320万美元，占整机估价的35%以上。英伟达已将SOCAMM模块容量减半，试图缓解LPDDR5X压力，但HBM的刚需仍在。
问题的实质在于：英伟达掌握GPU设计，却不掌握HBM和DRAM制造。三星、SK海力士、美光在全球HBM市场合计占据90%以上份额，SK海力士以50%-55%居首。英伟达在存储成本面前几乎没有内部消化空间，只能向下传导。
这一轮存储涨价的根源，是一场结构性供需失衡。它并非短期波动，而是AI扩张速度远超存储产能建设速度的必然结果。
注：柱形长度对应数值比例（以各自最大值为100%），用于横向比较各指标的量级。三星HBM4单颗价格已锚定在约700美元。
更关键的是，存储原厂已将议价模式从季度制转为3-5年长期锁价合同（LTA）。三大原厂已将近80%的先进产能转向HBM和高端DDR5——它们没有动力扩产通用型DRAM，因为AI场景的利润更丰厚。
三星2026年Q1合并营业利润约57.2万亿韩元，同比增长755%，超过其2025年全年总和。HBM业务营收同比增长超300%。超额利润与产能短缺互相强化，形成了一个自我循环的价格螺旋。
涨价通知发出之后，现实问题摆在云厂商面前：这笔新增的硬件成本，能否转嫁下去？
已有信号表明，传导正在发生。算力租赁商CoreWeave已上调租赁价格25%，H100合约价年内上涨约40%；金山云将AI算力相关产品服务价格上调15%-50%。
2026年头部云厂商资本支出计划已达空前规模：
注：数据为各公司财报/指引估算值，Meta为估算。2026年Q1四大超大规模云服务商合计资本支出已达约1300亿美元。
微软CEO纳德拉已公开将"降低对英伟达依赖"列为2026年核心优先事项——在涨价通知到达的同时，这一表态的指向性已十分明确。
英伟达的涨价通知，客观上为自研芯片战略提供了最强有力的背书。过去两年自研芯片更多是技术储备，但2026年夏天之后，五家头部厂商的路线图出现了清晰转向。
自研芯片不再停留于小规模试点，而是切入核心推理负载。其定位也从内部自用，开始向对外商业化输出延伸。
注：数据来源为行业咨询机构与投行研报，为2026年预估。谷歌TPU全年出货量预计332.6万颗，同比+70%-80%。
8月19日，谷歌与Marvell签署为期7年的定制芯片合作协议，潜在收入门槛接近1200亿美元。TPU供应链从博通独家扩展为双线并行，并开始对外出租算力。
有机构指出，自研芯片核心驱动力已从"补充供给"转向"压缩成本"，目标是将单芯片成本压降至英伟达同类产品的五分之一至三分之一。到2030年，定制AI芯片在全球出货量中的占比将从38%升至49%，英伟达份额可能从绝对主导回落至约40%。
回顾上述线索，英伟达此次涨价映射出三重结构性变局。
其一，成本重心已不可逆地位移。存储占BOM比例反超GPU，英伟达对算力定价的掌控力被稀释。只要HBM依赖不变，存储超级周期就会持续传导价格压力。
其二，AI算力定价正走向"通胀化"。成本沿产业链逐级传递——英伟达调价、代工厂执行、云厂商消化，最终传导至API调用费和订阅。CoreWeave和金山云已经验证了路径畅通。
真正的悬念在于终端承受的边界：当AI推理成本因硬件涨价上升15%-30%，部分AI应用的商业模型是否需要重新核算？这是一个待解的问题。
其三，自研芯片替代有望加速跃迁。CUDA生态和NVLink的绑定效应短期仍会延缓替代，但持续涨价正在倒逼成本核算。当自研芯片单位算力成本降至英伟达的1/5-1/3，切换速度可能超出预期。
英伟达不会被替代，但产业的定价权正在被"上游存储"和"下游自研"两头挤压。AI算力从单极走向双轨——通用GPU继续承担训练与前沿探索，定制ASIC加速渗透成熟推理。这是一次由存储芯片触发的权力再分配。
跟踪存储原厂Q3财报与云厂商自研芯片出货节奏。这两组数据将验证涨价传导的最终边界。
订阅后续跟踪