近日，" 内存条价格下跌 " 的话题备受关注，一度被解读为持续数月的存储涨价势头出现逆转。那么，存储价格真的 " 崩了 " 吗？4 月 1 日，《每日经济新闻》记者走访深圳华强北一探究竟。

" 现在价格太乱了，一天一个价，但这几天是最便宜的时候。" 一位华强北商家说道。据多位商家报价，16GB DDR4（第四代双倍数据率同步动态随机存取存储器）内存条已回落至 600 元 ~800 元区间，DDR5 价格也较前期高点 1600 元下降至 1300 元 ~1500 元，部分 DIY 装机套装价格较高点下降千元以上，不少消费者趁机升级配置。另一位商家补充道：" 有些渠道商之前囤了货，现在降价做资金回笼，他们在 300 多元低点的时候囤的，现在哪怕卖 600 多元也赚。"

不过，这轮降价并未蔓延至整个存储行业。记者从多家存储厂商、行业机构了解到，本轮价格回落主要集中在消费级 DDR4、DDR5 现货及渠道零售市场，而原厂颗粒合约价、HBM（高带宽内存）、服务器用 DDR5 及企业级 SSD（固态硬盘）等产品价格仍维持高位。" 昨天，我见了二三十组客户，都在问我还有没有货。"" 有很多人飞到公司来找我们要货，什么类型的客户都有。" 可以看到，由 AI（人工智能）、数据中心需求主导的存储产品是另外一番 " 景象 "。

消费级市场 " 降价 " 与企业级市场 " 缺货 " 同时上演，这种分化背后是产业逻辑正在发生变化。过去几十年里，存储一直被视为典型的周期性行业，它随着手机、PC（个人电脑）、数据中心起起落落，但 AI 出现后，这套逻辑正在被打破，存储正从物料清单中的普通成本项转变成 AI 竞赛的战略资源，当前，算力的增长已超过存储带宽所带来的支撑限度，这意味着海量模型参数和上下文只能通过一个相对狭窄的 " 漏斗口 " ——即存储带宽进行传输，GPU（图形处理器）频繁等待，规模算力集群可用度大致在 50% 左右。

这种 " 算力等存储 " 的瓶颈直接推高了 AI（人工智能）场景下的存储需求。"2026 年全球没有任何一款主流的 AI 存储产品能实现供需完全平衡。存储行业的焦点已经从‘看谁更便宜’转向‘看谁能拿到货’。"CFM 闪存市场总经理邰炜在日前举办的 MemoryS2026 峰会上表示。他用一句话总结当下：AI 算力有多热，存储就有多紧缺。

图片来源：每经记者 王晶 摄

存储市场出现分化

持续数月走高的内存价格，近期在消费级市场迎来了回落。CFM 闪存市场提供的数据显示，近期贸易端低端 DDR4 内存条抛售较多，冲击和打压了渠道市场。" 本周渠道 DDR4 内存条领跌，尤其是 8GB/16GB DDR4 内存条价格跌幅高达 25%，32GB DDR4 及 DDR5 跌幅在 10% 上下区间；渠道 SSD 也出现小幅下跌。"

不过，华强北卖家认为：" 后面 DDR4 的价格很快又要涨回去，毕竟存储厂都没有降价，现在 DDR4 的出厂价在 900 元左右，市场价七八百元反而更便宜。"

价格倒挂现象的背后，是存储芯片两种采购方式的差异。头部大型电子制造企业依托规模化采购优势，主要向存储芯片原厂（主要是 SK 海力士、三星电子、美光科技）直接订货，或通过原厂授权代理商拿货，结算采用合约价；而数量众多的中小微电子设备企业，因采购规模小、需求灵活且分散，大多从现货交易市场采购，拿货价格也以随行就市的现货价为准。这一轮下跌的，正是现货市场的价格。这两大类市场存在显著不同，前者有相对较高的议价能力，后者则受现货存储卖家和消费类用户的承受能力和情绪影响而波动。

然而，消费级市场的降温，并未传导至企业级和 AI 服务器相关存储领域，相关需求依然保持强劲。" 近期，有刚从原厂下线的产品就立刻插到客户服务器中，这在以往是不可想象的。" 邰炜说道。

从合约市场来看，TrendForce 集邦咨询最新发布的存储器价格调查显示，尽管终端市场面临出货下修风险，但 2026 年第二季因 DRAM 原厂积极将产能转向 HBM、Server 应用，预估 DRAM 合约价格仍将季增 58%~63%。NAND Flash 市场持续由 AI、数据中心需求主导，全产品线连锁涨价的效应不减，预计第二季整体合约价格将季增 70%~75%。

AI 重构存储产业逻辑

当前，随着 AI 应用从训练迈向推理，存储的核心定位正在发生根本性转变：在训练时代，存储是算力的 " 仓库 "；而在推理时代，存储正成为算力的 " 加速器 "。

存储的重要性也随之发生变化。在传统架构中，CPU（中央处理器）或 GPU 决定性能上限，存储负责 " 跟上 "；而在 AI 架构中，存储带宽与延迟开始反过来制约算力释放效率。这也是为什么行业内部已经形成一个共识：AI 不是单一应用，而是所有行业的底层操作系统，存储是这个操作系统的基础设施。

" 今年全球半导体存储器的市场规模将突破 6000 亿美元，数倍于以往的任何时候。" 邰炜说道。

需求的变化首先来自数据生成方式的转变。过去，数据是由人来创造的，比如拍照片、视频、做文档等，但 AI 时代，数据是各类大模型生产的，并且模型参数越来越大、多模态数据越来越多、训练和推理持续运行。

这一变化直接拉动了基础设施需求。行业数据显示，一台 AI 服务器对内存与存储的需求远高于传统服务器。其中，服务器内存需求增速预计超过 40%，在整体存储应用中的占比将超过 50%。

更深层的变化则体现在需求结构上。事实上，AI 在推理过程中需要存储大量中间状态（KV Cache，键—值缓存机制）以避免重复计算。当上下文长度从 4K token（词元）提升至 128K token 时，KV 缓存的存储空间直接增长 32 倍；如果是高并发场景下，KV 缓存需求甚至会达到 TB（太字节，1TB = 1024GB ‌）级规模。

在此背景下，传统以 DRAM（动态随机存取存储器 ‌）和 HBM 为核心的存储体系面临容量与成本瓶颈，大量数据开始向 NVMe SSD（ 可以理解为 " 新一代高速固态硬盘 "）迁移，企业级 SSD（eSSD）由此成为 AI 基础设施中的关键环节。邰炜指出：" 针对 AI 推理工作负载优化的 SSD 需求快速上涨；同时，因传统硬盘产能缺口，QLC SSD（四层单元固态硬盘）的替代需求也不断上升。这些因素叠加，让 eSSD 成为 2026 年 NAND 闪存最大的应用市场。"

与此同时，应用侧也在进一步放大这一趋势。长江存储固态硬盘事业部负责人谭弘以当下最火的 " 养龙虾 " 举例称：" ‘龙虾’是 AI Agent（人工智能体）的首个杀手级应用，未来可能改变手机、电脑等智能终端设备的交互方式，相当于给每个人都配备一个懂你的 24 小时无休的秘书。同时，‘龙虾’也引发用户从单一指令提问大模型，转变到深度理解客户深层需求后的连续指令。不过，‘养虾’ token 消耗量与 AI 大模型进行多轮对话相比，高达 15 倍，这对端侧的 cSSD（客户端固态硬盘，也是人们常说的消费级 SSD）及云端 eSSD（SSD 中的一个专门类别，面向数据中心和服务器等企业场景）都提出了更高的要求。"

从训练阶段来看，核心痛点是成本高昂。简单来说，训练大模型就像反复 " 打磨一件精密仪器 "，需要不断读取和保存中间结果（Checkpoint，检查点）。如果存储速度跟不上，GPU 就只能 " 干等着 "，但使用大容量 QLC eSSD（四层式存储单元企业级固态硬盘）存放 Checkpoint，其在特定场景下的写入性能和耐久性已接近更贵的 TLC eSSD（三层式存储单元企业级固态硬盘），相比传统 HDD（机械硬盘），能为用户节省成本。

到了推理阶段，挑战则是 " 跑得快、跑得多 "。就像让 AI 帮你写一篇长篇小说，它需要记住前面写了什么（即 KV Cache），当小说越来越长，需要记的东西可能达到几百 GB，但 GPU 配置的 HBM 容量有限又昂贵，根本装不下。怎么办？行业想出的办法是 " 分层存储 " ——把大部分 " 记忆 " 先放到便宜的 SSD 里作为缓冲，需要时再快速调出来，这样既解决了内存不够的问题，又保证了速度。至此，企业级 eSSD 已承担起上下文状态管理和知识查阅的功能，不再是单纯的数据仓库，而是成为存算协同的数据引擎。

图片来源：每经记者 王晶 摄

存储原厂发展有两个趋势

在 AI 需求快速扩张的同时，供给端却没有同步响应，这也导致当前面向 AI 的存储产品缺货。

邰炜认为，目前存储原厂的发展有两个趋势。首先是供给的 " 选择性倾斜 "，在 AI 需求爆发后，优先保障高端 AI 产品的产能，这意味着 HBM、DDR5、企业级 SSD 优先，保障更大的利润；消费级 NAND 与 DRAM 被压缩，同时成熟制程产品供给下降；另一方面，此前经历多轮周期波动后，原厂普遍吸取历史教训，采取更为谨慎的资本开支策略。整体来看，行业控制产能扩张节奏，提高高附加值产品占比，供给弹性下降。

存储行业具有明显的产能建设周期，一般需要 18 个月至 24 个月才能形成有效供给。这意味着 2025 年需求爆发，最早 2027 年才能看到供给改善，在此期间，供给缺口难以弥补。邰炜判断：2026 年，全球没有任何一款主流的 AI 存储产品能实现供需完全平衡。

供需错配之下，价格快速上涨，并且成本压力正加速向终端传导。仅 3 月份，包括三星、vivo、OPPO、一加等在内的多家厂商对旗舰机型价格上调数百元至千元不等。其中，一加对日前发布的一加 15T 上涨 900 元 ~1200 元的涨价行为引发关注，有网友在一加中国区总裁李杰的微博下留言表达不满。

李杰随后就价格上涨进行回应：" 这一轮内存成本的上涨幅度超过 400%，可以说涨疯了，不同品牌之间，更多只是库存节奏的差异，本质上是时间早晚的问题。从目前的趋势看，接下来一段时间，整体价格只会越来越高。"

涨价正重创终端需求。邰炜预计，2026 年全球智能手机出货量将出现 10% 至 15% 的下滑，部分厂商降幅可能更高。

企业端的涨价同样猛烈。"Flash（闪速存储器）从 1 月到现在涨的都快翻倍了，某一天我接个电话，价格直接涨 50%，不是 1 块钱的 50%，是 24 块钱的 50%，市场怎么吃得消？并且涨了 50% 之后，又说下个月再涨 25%。这种情况底下模组公司有库存很棒，但是库存用完之后，买贵、卖贵的时候怎么办？"SSD 第三方主控大厂群联 CEO（首席执行官）潘健成的一番话，道出了存储厂商对涨价过快的担忧。

CFM 闪存市场数据显示，今年一季度原厂服务器及 PC NAND、DRAM 合约价均呈翻倍式增长，而 mobile（移动电话所使用的存储芯片）价格涨幅却不及以上两大应用市场，使其与服务器、PC 存储产品合约价差逐步扩大。该机构预计，今年第二季度 mobile 合约价将大幅补涨，以追赶其他应用端存储价格并缩小价差至合理范围。Mobile NAND、DRAM 合约价或将大幅涨超 85%；服务器、PC 价格涨幅则收敛，预计服务器、PC DRAM 合约价均涨超 30%，eSSD、cSSD ASP（平均售价）价格涨幅分别超 30%、50%。

图片来源：每经记者 王晶 摄

成本与性能之间寻找新平衡

面对如此猛烈的涨价，产业链上下游都在寻找出路，如何在成本与性能之间找到新的平衡点，已成为行业最迫切的课题。

谷歌似乎为行业难题提供了新的解法，公司日前发布的新型压缩算法 "TurboQuant"，号称可在不损失模型精度的情况下，将大语言模型运行时的键值缓存内存占用进行大幅压缩。

不过，在潘健成看来，谷歌的技术非但不会减少存储需求，反而会产生更多的 token。" 如果没有这个技术，主机需要用到大量的 DRAM 和 SSD，成本高、买不到，出货规模自然受限。但技术让成本降下来之后，设备出货量会显著增加，反而带来更大的数据生成与存储需求。"

他用一个比喻解释：如果一辆汽车的引擎要 100 万美元，全世界的车不会太多；但当引擎降到 2000 美元时，满大街都是汽车。同理，谷歌技术应用之后，成本下降、设备普及，产生的 token 只会更多，存储需求反而更旺盛。

除了算法层面的压缩技术，群联也在探索另一条路——推出全球独家专利 " 用 Flash 弥补 DRAM 不足 " 的技术 aiDAPTIV 方案。由于 DRAM 成本高、容量有限，而 AI 推理对内存需求巨大，群联通过软硬件协同，将 Flash 引入内存体系，从而降低成本并提升系统可扩展性。

据群联测算，在本地运行 120B 的模型，需要 96GB DRAM，成本高达 1500 美元，堪比一台高端笔记本的售价，而自己的方案可以让成本大幅降低。" 在未来很短的时间里，笔记本 PC 的标配一定会附加群联电子的方案，让 AI 可以在本地做部署，并且还会变成标准方案。" 潘健成说道。

其他厂商也在推动端侧落地。江波龙的 HLC（High Level Cache，高级缓存技术）技术，可以让 4GB DDR 实现接近 6GB/8GB DDR 的水平，降低终端 DRAM 容量需求并优化 BOM（物料清单）成本。

当存储的价值被重新定义，产业链上下游的分工也在悄然重塑。潘健成直言，面对存储短缺和价格上涨，单纯的买卖关系已经失效，主控与模组之间的传统分工也正在被打破。" 主控芯片不挣钱，模组公司靠低价库存发财，但好日子总有尽头。主控要投进先进工艺，我们的一颗主控前前后后投资了 2.8 亿美元，其中单做验证，成本就花 9000 万美金，所以主控公司要把产品做好，要有模组的验证能力，接下来，模组公司和主控公司应该‘并一并’，各取所需，产业才能走向健康。"

每日经济新闻