更新时间：2026-08-26 来源：互联网编辑：杜石马扁点击数： 2288次

出发吧爱情

机构：全球云巨头资本支出明年暴增50% 近七成用于存储采购_我的网站

爱在旅途

A | 　　目前，全球主要云服务提供商正以前所未有的速度“大兴土木”，建设人工智能基础设施，而存储芯片，正逐步成为这场军备竞赛中“最昂贵的武器”。 8月24日消息，人民日报与中国汽车报记者组成调研组，与小米集团创始人、董事长兼首席执行官雷军展开一场深度对话。　　当地时间周二（8月25日），集邦咨询（TrendForce）发布报告预测，明年全球科技巨头投向AI基础设施设备的资本开支将达1.383万亿美元，其中近70%的AI基建投资成本将流向DRAM与NAND闪存。访谈中，雷军深入分析了中国汽车产业的成功经验，剖析了当前行业调整的深层逻辑。

B | 记者：一方面，国内汽车市场很“卷”；另一方面，中国品牌在海外市场捷报频传。您如何理解内需与外需市场出现的新变化？雷军：我个人分析，目前行业“内卷”的前提，是中国汽车工业经过这么多年快速发展，整体已经具备极强的竞争力,尤其是中低端产品的成熟度极高，即便从全球视角来看，竞争力也非常强。

C | 　　全球AI军备竞赛重心转向存储　　报告预测，全球头部云厂商资本开支将从今年的9220亿美元提升至明年的1.383万亿美元，同比增幅50%。所以这种“卷”的本质就是竞争，是一种必然现象。我认为中国汽车产业在接下来的发展中，高端化应该是较为确定的方向。

D | 其中，DRAM、NAND闪存等存储半导体的开支占比，将从今年47%跳升至明年68%，提升21个百分点。　　以此简单测算可知，全球云厂商存储采购规模将从今年的约4330亿美元，激增到明年的9400亿美元，规模实现一年翻倍。　　分析师表示，AI服务器对内存容量需求激增，叠加芯片价格大涨，使得全球AI产业的竞争重心已经从过去的GPU角逐，转向存储采购争夺战。　　TrendForce数据指出，全球AI服务器所用服务器DRAM合约价在2025年下半年已经累计上涨了64%，而今年预计还将上涨约270%；用于海量数据存储的企业级SSD，去年下半年价格已大涨35%，今年累计涨幅预计达235%。　　TrendForce预测：“2027年之前，存储芯片合约价格整体将维持高位运行”。

E | 因为只有高端化，才能让汽车产品承载更多新的技术与创新，才能进一步推动消费升级。 当前国内高端汽车市场处于产品青黄不接的状态，豪华车市场面临重构，中国汽车品牌正在不断成熟，而由于产品的供给出现不足，这个市场的年销量出现了较大幅度下滑。与此同时，中低端市场确实很卷，中高端市场则是缺少好的供给。中国汽车产业的进一步升级，就是要勇于走出舒适圈，回答好如何做出有特色的好产品，如何做好中高端甚至超高端产品等关键问题。正因为目前行业面临的内需压力比较大，所以“出海”成为汽车行业广泛关注的话题。　　高带宽内存HBM价格同样延续上行趋势。但是“出海”是一项系统工程，如果缺乏前瞻的思考，就容易招致一些政府和产业界的各种封锁、抵制，因此，对于“出海”，我认为必须“未雨绸缪”。对于国产汽车出海，如何更好做到前瞻思考、“未雨绸缪”，雷军指出：首先，我们应该关注的是产品的质量与安全。分析师称：“尽管今年二季度签订长期供货协议后，通用内存涨价空间有限；但受严重供给短缺影响，明年HBM价格涨幅或将达到70%-140%。我们的汽车产品行销海外，代表的不仅仅是自己的品牌，更是代表中国汽车整体形象。”　　尽管各大存储大厂正在大举扩产，但实际有效增量要到明年下半年才会释放。这意味着全球三大存储巨头——美光、三星电子和SK海力士的强劲业绩表现将得到持续支撑；同时，预计到2027年，内存合约价格将保持在高位，并继续推高各大云服务提供商资本支出中内存占比。

F | 因此，我们应该以高品质、更安全为要求，树立中国汽车品牌的良好形象。汽车是耐用消费品，很多问题可能要到10年甚至15年之后才会暴露，因此如何保障质量安全是必答题。　　存储价格高昂的副作用已经显现　　但存储价格持续暴涨也已经带来副作用，比如下游客户已经愈发难以消化高昂成本。　　英伟达近期告知各大科技客户，受内存及元器件涨价传导，AI服务器价格将上调约15%。其次，我认为中国企业应该做好合规工作。全球大部分国家的汽车行业都属于法规要求高、调控管理强的行业。这表明存储芯片涨价正在推高整体AI基础设施建设成本。行业需要思考，如何将包括各国税收政策、车辆法律法规在内的情况作为行业公共产品提供，以帮助国内企业在海外发展。

G | 　　同时，行业也出现降低AI芯片内存配置的应对方案。

H | 比如近期有消息称，英伟达正在考虑将下一代AI芯片Ruby Ultra的HBM容量，从此前规划最高1TB下调至最低192GB。　　TrendForce表示，在存储价格持续高企的背景下，后续市场或将出现多重变化：服务器DRAM模组配置调整、下一代AI芯片HBM容量下调，以及适配特定AI模型的专用ASIC芯片逐步落地。这些架构层面的改变可能会从根本上改写AI服务器的硬件设计逻辑。第三，要做好不同国家的用户需求识别。