算力繁荣，正在从GPU全面扩散到内存、硬盘、CPU

本文来自微信公众号： 未尽研究 ，作者：未尽研究

谷歌、微软、亚马逊与Meta，同日发布财报，几乎同步上修了资本开支预期。它们证明AI在吃掉世界的同时，正在以前所未有的速度吞噬全球算力产能，并开始从GPU，扩散到内存、硬盘，甚至CPU。

云收入是AI吃掉世界的关键证明之一。由于OpenAI星门建设缓慢，Anthropic也不自建算力，全球大多数的token生产与消耗，都集中于这些科技巨头的AI基础设施中。当季，谷歌云季度收入200亿美元，增速63%，较上一季度提高15个百分点；微软云收入545亿美元，其中Azure同比增长超40%；亚马逊AWS收入约376亿美元，增速28%，15个季度以来最快。

尽管这些巨头仍然将AI业务的真实收入，隐藏在庞大的传统业务之中，尤其是广告这一现金牛之后，但高频使用指标已提供了更具穿透力的观察视角。谷歌第一方模型API每分钟消耗160亿token，环比增长60%；亚马逊一季度消耗token超过此前所有年份总和的10倍。

值得关注的是，微软再次公布了“AI业务”的ARR（经常性年化收入）指标，截至当季，超过370亿美元，似乎要显示超过Anthropic 300亿美元。不过，这一指标的外延，至今并不清晰。去年初，微软曾披露过ARR约为130亿美元，但此后一年里，微软再次将AI收入重新埋回各业务线。

所有巨头都说，自己还能赚得更多，只是物理世界的产能，限制了AI世界的扩张。当季，谷歌订单积压超过4600亿美元，几乎环比翻倍；微软订单积压为6270亿美元，同比接近翻倍；亚马逊订单积压3640亿美元，这还没来得及算上与Anthropic的1000亿美元长期协议。

于是，高管向市场释放进一步增加资本开支的预期。这四家巨头在2026财年的资本开支合计最高达7250亿美元（亚马逊2000亿、微软1900亿、谷歌1900亿、Meta 1450亿）。

谷歌的资本开支，在4年间增长了近6倍，高管预期2027年资本开支会显著高于2026年，这是“维持AI竞争所必需的残酷创新节奏”。Meta将2026财年的资本开支的上下限，都上调了100亿美元，因为此前“低估了计算需求”。亚马逊甚至因为大幅增加资本开支，自由现金流从去年同期的259亿美元，骤降至12亿美元，这样的挑战还会持续几年。

但是，与以往不一样的是，这次，高管们都在强调英伟达以外的硬件。它们包括公司自研的AI芯片与CPU，也包括对外采购的内存、硬盘与CPU。面向AI基础设施的资本开支，已经真正从GPU采购，转向了整个“AI工厂”的资产负债表。

回顾ChatGPT发布至今，初入AI时代，市场首先看到的是扩展定律支配下，越来越庞大的参数规模与预训练数据集，支撑着庞大的训练算力需求；随后，o1发布，市场预期在“杰文斯悖论”生效下，AI推理继续吞噬浮点计算的能力。当这一切真正到来后，市场很快意识到，在高效、持续、低成本地生成token的过程中，数据移动成为新的瓶颈。于是，资本开支向存储与网络迁移。如今，在智能体时代，作为系统调度与工具调用关键瓶颈的CPU，迎来了自己的复兴。

这些趋势推动2026年进入“内存超级周期”

2025/10/27完整阅读>

ARM的AI叙事：AGI路径与CPU复兴

2026/03/26完整阅读>

内存已经开始接管数据中心的资本支出。据分析机构semianalysis统计，在短短四年内，这一数字增长了近4倍。在回复分析师的提问时，几家科技巨头的高管，几乎都提到了内存等组件的涨价；即使不买更多的GPU，也将推高几家巨头的资本支出。微软最直接，首席财务官提到在2026财年全部资本开支的1900亿美元中，其中包含250亿美元来自存储芯片等组件价格上涨的冲击。

内存短缺可能持续到2030年。全球内存三大巨头都在积极扩产，但是，即使到明年年底，产能也仅够满足60%的需求。越来越多的DDR5，都被拿去堆叠成了HBM。即便DDR5本身，也在AI推理的预填充阶段找到了新场景。TrendForce预计，在今年第二季度，DRAM合同价格将上涨58%至63%，NAND合同价格将上涨70%至75%。凭借着NAND需求的增长，及其处于中试产线落地中的HBF概念，闪迪年初至今市值已经增长了350%。

HBF竞争开启，“HBM之父”怎么看|笔记

2026/04/15完整阅读>

AI的内存饥渴，甚至开始加热传统“冷数据”储存的硬盘市场。本周，希捷财报公布，宣布近线HDD成为数据中心的稀缺货，2027年产能几乎卖光。它的逻辑是，智能体持续自动运行的工作流，以及物理AI合规要求（一辆自动驾驶汽车每小时4TB数据），共同推高了长期存储需求。

英特尔CEO陈立武，在最近一次财报会议上，大谈CPU已经成为整个AI技术栈编排层和关键控制面，“过去CPU和GPU的配比通常是1:8，而现在是1:1左右”。ARM公司则认为，智能体时代每GW数据中心对CPU的需求将增长4倍。

而CPU数量的增加，也将进一步推升对低能耗内存的需求。与英伟达Rubin GPU相搭配的是Vera CPU，英伟达向内存厂商下达了新型内存SOCAMM的标准与订单，后者是由LPDDR DRAM构建的；相比上一代CPU，Vera的最大容量增加了两倍，配有8个SOCAMM模块。年初，高通与AMD就选择跟进。

英伟达并没有被忘记。在其他四家科技巨头的财报会议上，它日益充当礼节性客套话的背景。高管们开始长篇累牍地宣称自家定制芯片。进展慢些的，强调它节省了资本开支与运营开支；而进展迅速的，已经开始畅想将这些芯片以硬件销售的形式商业化。

谷歌表态称，随着AI实验室对TPU需求的增长，公司将开始向精选客户在其自有数据中心中以硬件配置的方式交付TPU，以扩大可寻址市场机会，并预计今年晚些时候将开始确认部分收入，绝大多数收入将在2027年实现。

亚马逊则称，如果它的芯片业务独立，那么当前ARR将达到500亿美元，且形成超过2250亿美元的营收承诺；该公司的自研CPU Graviton已经进入Meta视野，因为它比任何其他x86架构，性价比要高出40%；亚马逊预计，再过几年，可能会以整机架（racks）的方式，商品化自己的芯片业务。

而Meta则提到正在部署超过1GW的自研芯片。微软也大谈自家Maia 200与Cobalt CPU的性价比。

黄仁勋的“五层蛋糕理论”，包括能源、芯片、基础设施、模型与应用。在这一分层结构中，价值的释放路径，整体也呈现出清晰的扩散特征。

以英伟达为首的芯片环节，是最开始挣钱的，如今资金向内存、网络与CPU厂商分流；以云厂商为代表的基础设施，其收入增长也随之加速；年初，以Anthropic为典型的模型厂商，ARR几个月内就数倍增长，初步验证了自己的价值捕获能力。

但下一阶段的关键变量，仍然取决于应用层——尤其是那些脱离巨头全栈体系、无法被内部补贴所掩护的应用——能否兑现真实的财务回报。

市场的疑问在于，那些tokenmaxxing的军备竞赛，是否能够在支出成倍增长的同时，带来等比例的收入扩张。只有当这一闭环被验证，投资者面对当前已占标普500近45%市值的AI资产时，才不至于在乐观与不安之间反复摇摆。

否则，“这次不一样”仍然只是一句被反复讲述、却尚未被现金流验证的叙事。

#算力繁荣正在从GPU全面扩散到内存硬盘CPU