AI基础设施的供需悖论:内存紧缺与数据中心过剩并存
当前人工智能基础设施市场呈现出一种显著的结构性矛盾:一方面是关键硬件的物理稀缺,另一方面是规划产能的严重虚高。据 TrendForce 数据显示,由于供应商优先保障服务器应用需求,云服务商对可用容量的争夺加剧,导致传统 DRAM 合同价格在 2026 年第一季度上涨约 93% 至 98%。SK Hynix 进一步警告称,高带宽内存(HBM)的短缺状况可能会持续至 2030 年。

与此同时,公布的数据中心需求远超实际可交付能力。在不到一年的时间内,电网连接申请量从 41GW 激增至 125GW。这种“物理稀缺”与“拟议容量溢出”并存的局面表明,公开的需求数据并不能作为不可逆投资决策的可靠依据。
内存市场的周期性风险与产能瓶颈
回顾 2023 年的内存衰退期,价格暴跌迫使制造商削减产量,仅 SK Hynix 一家公司在该年度就录得 7.73 万亿韩元的营业损失。随着 AI 需求的爆发式增长,行业迅速转入繁荣周期。在 DRAM 市场中,Samsung、SK Hynix 和 Micron 占据了约 90% 的市场份额。面对 AI 浪潮,这些巨头将更多产能转向利润率更高的服务器内存和 HBM,导致传统内存供应紧缩,中小买家难以与超大规模云服务商竞争分配额度。
尽管存储厂商仍在持续投入——例如 Micron 计划在 2035 年前向美国制造业和研究领域投资超过 2500 亿美元——但新产能的释放依然缓慢。晶圆厂的建设、设备安装及资格认证通常需要数年周期。TrendForce 预计,近期的供应增长主要依赖于工艺改进,而非晶圆产能的大幅扩张。
新建工厂本质上是对未来需求的押注。制造商必须确信当前需求能延续数代芯片和 AI 产品周期,同时需承担模型效率提升或架构变革可能导致所需内存数量或类型减少的风险。目前,最接近物理瓶颈的企业正在采取阶段性扩张策略。
申报产能不等于落地产能
数据中心开发者面临的激励逻辑与内存厂商不同。由于土地、电力和设备资源稀缺,提前锁定甚至超额申请资源被视为合理策略。然而,当这些申请被汇总并解读为对未来需求的精准预测时,误导性便随之产生。
以英国为例,数据中心项目至少占近期电网连接申请增加量(80GW)的大头。监管机构已提出引入承诺费和额外里程碑机制,要求开发商证明其财务和商业准备情况,包括具体的采购活动。这一改革旨在厘清“保留产能”与“建立产能”的区别:一个项目可能拥有场地、公告和电网排队位置,却缺乏承诺客户、完成融资或现实的能源路径。
这并非意味着开发者存在欺诈意图,而是他们在应对“等待即失去访问权”的系统性风险。但当每个请求都被视为独立的资助需求时,整体管道数据会产生偏差。基础设施规划者应更关注那些已获得电力、融资、设备和客户的容量,以及最终真正投入运营的规模。
资本循环扭曲需求评估
AI 领域的融资模式为市场衡量带来了另一重复杂性。芯片制造商正越来越多地投资于既是现有客户又是潜在买家的公司。典型案例是 Nvidia 计划向 OpenAI 投资高达 1000 亿美元,这与至少 10GW 的 Nvidia 系统部署相关联。截至 2025 年 12 月,Nvidia 表示最终协议尚未完成,且潜在的 OpenAI 购买订单未列入其现有的芯片预订中。
虽然供应商的战略投资有助于新技术实现商业化规模,但这混淆了对真实需求的判断。当硬件供应商通过投资支持 AI 公司,后者再用部分资金购买计算基础设施时,同一关系既产生了投资资产,也形成了潜在的产品收入。需求或许真实存在,但它并不完全独立于供应方。
因此,评估市场的技术领导者需要区分由最终客户直接资助的收入,与由 AI 供应链内部循环资本支撑的需求。这两个指标提供了不同的证据,用以判断基础设施在经济上是否具备可持续的生产力。
决策依据应转向实质性承诺
首席信息官、云提供商及企业 AI 规划者应当认识到,真实的内存短缺可以与投机性的数据中心管道共存。当前的短缺并不证明所有预期工作量都会实现,正如废弃的项目不会让目前的短缺变得虚构。
最具参考价值的指标是昂贵的实质性承诺:具有约束力的客户合同、不可退还的存款、已锁定的电力配额、已采购的设备以及已动工建设的设施。一旦数据中心投入运营,外部客户的利用率和实际收入将比宣布的容量提供更有力的证据。
基础设施规划也应遵循此逻辑。随着工作负载、利用率和回报变得可衡量,产能可以分阶段增加。长期承诺应与已显示出持久性的需求相匹配。AI 繁荣期的决定性矛盾在于行业同时在过度订购和建设不足。对于任何进行基础设施决策的人来说,这种差距可能是市场上最显著的证据。





