存储毛利90%：AI时代的"反通缩"悖论

科技越发达，东西越便宜——这条铁律，正在被AI改写。

从1965年戈登·摩尔提出”集成电路上的晶体管数量每两年翻一倍”开始，科技产业便自带一种”通缩基因”：存储成本每GB从上世纪70年代的百万美元降至今天的几美分，算力成本在过去二十年下降了超过99%。消费者的直觉是正确的——科技进步意味着效率提升，效率提升意味着价格下降。

但2023年以来，一场史无前例的AI热潮正在重写这条公式。

当你发现一块英伟达H100 GPU的售价高达3万美元、一片HBM3e存储芯片的毛利率接近90%时，你不得不承认：在AI产业链的核心环节，科技不再便宜，甚至越来越贵。

这不是泡沫，而是一个结构性的产业悖论。

一、摩尔定律的”通缩承诺”与AI的”通胀现实”

摩尔定律本质上是一份隐性的社会契约：你不必为同样的性能支付更多钱，因为技术进步会帮你降价。

在PC时代，这条定律运行良好。2000年一块80GB硬盘售价约200美元，今天同样价格可以买到4TB——存储成本下降了50倍。在智能手机时代，旗舰芯片的性能每代提升30%-50%，但终端售价并未等比上涨。在云计算时代，AWS、Azure通过规模效应将算力成本压缩到几乎可以忽略不计。

然而，AI大模型的出现打破了这条降本曲线。

问题的核心在于：AI对算力和存储的需求增长速度，远远超过了技术迭代带来的成本下降速度。GPT-3拥有1750亿参数，GPT-4据传超过1.8万亿参数，而下一代模型的参数量还在以指数级攀升。每一次参数翻倍，都意味着对GPU和高带宽存储（HBM）的需求翻倍。

当需求增长的速度压过了供给改善的速度，价格就不再下降，而是飙升。

二、数据不会说谎：AI硬件的暴利时代

让我们看看几个关键数据：

英伟达：2024财年（截至2025年1月），英伟达营收同比增长超100%，其中数据中心业务营收占比超过80%。其GPU的综合毛利率长期维持在75%左右，部分高端产品线毛利率更高。一家芯片公司的毛利率能与奢侈品品牌比肩，这在科技行业史上几乎前所未有。

HBM存储：这才是真正的”隐形冠军”。SK海力士2024年HBM产品线的毛利率一度接近90%，三星和美光的HBM业务毛利率也远超传统DRAM业务。要知道，传统DRAM业务的毛利率通常在30%-40%之间——HBM的利润率直接翻了一倍以上。

价格走势：HBM3e芯片的单价在2024年同比上涨超过50%，而同期传统DRAM价格的涨幅仅为个位数。高端AI服务器中，仅HBM存储的成本就占到整机成本的15%-20%，这一比例还在持续上升。

一个存储产品的毛利率接近90%，这意味着什么？ 意味着每卖出100元的HBM，厂商净赚90元。这种利润率放在任何行业都是惊人的——制药业的平均毛利率约70%，软件业约65%，而这些行业的研发周期和资本投入远不及半导体。

三、四重力量：谁在推高AI硬件的价格？

第一重：需求侧的指数级爆发

大模型训练和推理对算力的需求不是线性增长，而是指数级增长。训练一个万亿参数模型需要数千块GPU协同工作数周时间，推理阶段对实时算力的需求同样巨大。随着AI应用从实验室走向商业化——从智能客服到自动驾驶，从药物研发到金融量化——算力需求的天花板被不断抬高。

更关键的是，AI的”推理需求”正在取代”训练需求”成为主要驱动力。训练是一次性的，推理是持续性的。当数亿用户每天与AI对话、使用AI生成内容时，底层算力消耗将呈现持续性的高增长。

第二重：供给侧的产能瓶颈

先进制程芯片的扩产周期极长。从投资建厂到量产，通常需要2-3年。台积电的先进封装产能（CoWoS）长期处于供不应求状态，成为整个AI产业链的瓶颈。SK海力士和美光虽然在积极扩产HBM产能，但HBM需要采用TSV（硅穿孔）封装技术，工艺复杂度远超传统存储，产能爬坡速度受限。

第三重：技术壁垒形成的寡头格局

HBM市场高度集中，SK海力士、三星、美光三家厂商几乎垄断了全球产能。其中SK海力士在HBM3/HBM3e领域的市场份额超过50%，拥有显著的定价权。

GPU市场同样如此。英伟达凭借CUDA生态的深度绑定，在AI训练芯片市场的份额超过80%。AMD和英特尔虽然在奋力追赶，但软件生态的差距短期内难以弥补。

当市场只有三四个玩家，而需求方有成千上万家企业时，定价权天然掌握在供给侧。

第四重：资本的正反馈循环

高毛利带来高利润，高利润支撑高研发投入和产能扩张，而扩张的新产能又被迅速增长的需求所消化。这个正反馈循环在短期内自我强化，使得价格难以下降。

四、90%毛利能持续多久？

这是所有投资者和产业观察者最关心的问题。

短期来看（1-2年）：供需失衡仍将持续。尽管SK海力士、三星、美光都在大规模扩产HBM，但先进封装产能的瓶颈使得新增供给有限。英伟达的下一代Blackwell架构GPU同样面临产能约束。价格大概率维持高位，甚至继续上涨。

中期来看（3-5年）：边际拐点可能出现。一方面，产能扩张的累积效应将逐步释放；另一方面，技术替代方案正在酝酿——新型存储技术（如PCM相变存储）、光计算、存算一体架构等，都有可能部分替代HBM的需求。英伟达的垄断地位也可能受到AMD、英特尔以及自研芯片（Google TPU、亚马逊Trainium）的挑战。

长期来看：摩尔定律的通缩属性终将回归。历史反复证明，任何技术壁垒都只是暂时的。当年Intel在PC处理器市场、高通在手机芯片市场的高毛利，最终都因竞争和技术扩散而回归均值。

但”长期”可能是5年、10年，甚至更久。 在此之前，AI产业链上游的高毛利格局将维持相当长的时间。

结语：理解悖论，才能理解AI

科技发展天然具有通缩属性，这是经济学的基本常识。但AI时代的独特之处在于：需求的增长速度第一次超过了供给改善的速度，从而制造了一种结构性的”反通缩”现象。

存储毛利90%不是泡沫，不是幻觉，而是供需失衡、技术壁垒、寡头垄断三重因素叠加的必然结果。

理解这个悖论，是理解AI产业投资逻辑的第一步。它告诉我们：在AI时代，真正的价值不在于应用层的百花齐放，而在于基础设施层的稀缺性。 谁掌握了稀缺的算力和存储能力，谁就掌握了这个时代最稀缺的资源。

而当有一天，这些资源不再稀缺——那一天，科技的通缩本性才会重新显现。

在那之前，90%的毛利率，是AI时代写给基础设施玩家的”地租”。