記憶體漲價潮下，誰會先扛不住
一場蒙特卡洛模擬，把這個問題算得明明白白。
某研究團隊跑了250次蒙特卡洛模擬，把DRAM和NAND的價格路徑設成隨機變數，累計漲幅覆蓋63%到141%區間，中位數落在98%附近，幾乎是翻倍。然後把這條價格曲線，套進11個終端應用的需求彈性模型裡。
結果出人意料。承受記憶體佔比最高的AI伺服器，幾乎毫髮無損。承受記憶體佔比中等的機頂盒，反而成了跌得最慘的那個。
這不是運氣，這是結構決定的。
洞察
漲價這件事，從來不是看誰用得多，而是看誰離不開。記憶體成本佔比只是表象，真正決定命運的是需求彈性，也就是價格漲了、使用者還買不買帳。這跟亞里士多德的第一性原理是一個道理：剝開BOM成本佔比這層表象，找到"彈性係數"這個真正的第一性變數，才能看懂漲價潮裡誰先倒下。
模型是怎麼算的
核心公式並不複雜：
ΔD(s,t) = −ε(s) · φ · β(s) · ΔP(t) + η(s,t)
拆開來看，ε是某個終端品類對漲價的敏感度，φ約等於0.85，代表供應商漲價能傳導給整機廠商的比例，β是記憶體在整機成本裡的佔比，ΔP是累計漲價幅度，η是隨機擾動項。
價格路徑本身也不是拍腦袋定的，而是按季度遞減的增速在走，從單季度上漲17%一路縮小到2028年第四季度歸零。與此同時，供需充裕度指標也在動態變化：2027年第一季度觸底至供不應求約15%，2028年第二季度轉為供需平衡，到2028年第四季度轉為供給過剩約3%。這場漲價潮的終結，本質上是供需自己糾正自己。
值得強調的是，模型裡的ε、φ、漲價路徑都是每次模擬隨機抽取的，所以最終結果的區間寬窄，反映的是多重不確定性的疊加，而不是單一變數的波動。
十一個終端，兩種命運
資料來源為上述蒙特卡洛模型的推演結果，非實際市場統計。
從這張表能讀出一個反常識的結論，記憶體成本佔比最高的AI伺服器（約38%），受傷最輕。記憶體成本佔比同樣不低的經典伺服器（約32%），傷得也不重。而機頂盒的記憶體佔比明明只有26%，卻成了跌幅最大的品類。
警示
千萬別再用"記憶體佔成本多少"去判斷誰會受傷。真正的殺手是彈性係數ε。機頂盒的ε接近0.95，幾乎是價格漲多少、銷量跌多少的線性響應，因為它是營運商補貼的高度價格敏感品類。而AI伺服器的ε只有0.05，意味著買不買、買多少，根本不是記憶體帳單說了算，而是算力資本開支周期說了算。
用矛盾分析法拆解這場分化
這裡其實藏著一對矛盾體。一邊是消費電子和電信裝置這類"價格敏感型"終端，漲價直接砍需求。另一邊是AI基礎設施這類"戰略剛需型"終端，漲價幾乎不影響決策。兩者的對立面，恰恰揭示了這輪記憶體周期最本質的矛盾，不是供給不夠，而是不同需求主體對價格訊號的免疫程度天差地別。
把這對矛盾往前推一步，合題就浮現了：這輪漲價潮真正篩選的，不是誰的記憶體用得多，而是誰的購買決策鏈條裡，價格是不是唯一變數。機頂盒的採購決策幾乎純粹由成本驅動，AI伺服器的採購決策則由算力競賽驅動，價格只是背景噪音。
個人電腦的10.4%需求跌幅，已經不是模型推演，而是正在發生的事實。2026年第二季度，PC出貨量同比收縮約5%，這正是記憶體漲價傳導到終端銷量的第一個實錘驗證。
汽車電子的跌幅只有0.8%，區間寬度僅4.4個百分點，是所有品類裡最穩的。這背後是LTA長期協議鎖價和車規級認證的雙重護城河，價格訊號被生生鎖死在供應鏈上游，傳不到終端。
聚焦
智慧型手機的應對方式很值得玩味。它沒有像機頂盒那樣直接砍銷量，而是通過降低LPDDR記憶體規格來消化成本壓力。換句話說，手機廠商選擇了"縮水"而不是"減產"。這是一種典型的曾國藩式"結硬寨、打呆仗"：不追求短期規避漲價衝擊，而是通過規格微調，把成本壓力一點點磨掉，慢慢扛過周期。
AI伺服器為什麼是例外中的例外
AI伺服器的+0.2%需求變化，區間在−2.5%到+3.1%之間，幾乎可以說是穿越了整場漲價潮而毫髮無損。用隱含彈性反推校準會發現，AI伺服器整個區間的波動，僅需要ε落在0.01到0.14這個極窄範圍就能完全解釋，而機頂盒要覆蓋它的波動區間，則需要ε高達約2.3。
這組數字對比說明什麼。說明AI伺服器的需求函數里，記憶體價格這個變數的權重被壓縮到接近於零。決定買不買、買多少的，是加速器資本開支周期，跟記憶體帳單幾乎沒關係。
這背後有個記憶體牆思維的隱喻：算力越強，對記憶體頻寬和容量的胃口越大，但恰恰是這種"離不開"的剛性依賴，讓價格因素徹底失去了話語權。CPU再快，最終會卡在資料搬運上，這是行業公認的系統瓶頸邏輯。但反過來看，正因為這堵牆躲不開，買家也就沒有討價還價的餘地，只能照單全收。
可證偽的判斷
如果記憶體平均售價到2027年翻倍，機頂盒、寬頻裝置、閘道器這三類終端的銷量跌幅，將至少是汽車電子和AI伺服器銷量跌幅之和的四倍以上。這是一個可以被未來資料檢驗的具體預測，不是模糊的方向性判斷。彈性係數，而不是記憶體成本佔比，才是這輪周期真正的分類標準。
兩個不能忽視的風險變數
第一個風險是模型本身的內生性缺陷。需求被摧毀之後，會反過來影響供需充裕度指標，進而影響價格本身。當前模型把價格路徑和需求響應當成兩條獨立的線在算，但現實中它們是互相咬合的。如果把這種反饋機制真正嵌入模型，這輪漲價潮的持續時間大機率會被壓縮，漲得快，也會跌得快。
第二個風險，是這份模型裡最脆弱的假設，也就是每季度0.15%的AI需求外生增長率。這是一個灰犀牛等級的風險點，不是黑天鵝式的意外，而是所有人都看得見、卻容易被低估的確定性風險。一旦2027年下半年出現大型雲廠商集體暫停資本開支的情況，AI伺服器這條目前接近於零的曲線，會瞬間翻轉為負值。
灰犀牛提示
AI伺服器目前的"免疫力"，本質上建立在資本開支援續擴張這個假設之上。這不是記憶體價格決定的護城河，而是資本周期決定的護城河。護城河的堅固程度，取決於資本開支這條曲線什麼時候拐頭。一旦拐頭，所謂的"抗周期"神話會瞬間瓦解，這才是真正該被寫進風險清單第一條的東西。
一個多數人沒想過的角度
大部分關於記憶體漲價的討論，都在算"誰的成本壓力更大"，然後想當然地認為成本壓力大的終端會跌得更慘。但這套模型揭示的真相恰恰相反，成本壓力大小，跟需求跌幅大小，幾乎沒有直接因果關係。
真正決定命運的，是這個終端品類的購買決策裡，價格訊號能不能穿透到最終的採購動作。機頂盒是營運商補貼模式，價格訊號會被放大成生死線。AI伺服器是資本開支驅動模式，價格訊號會被資本敘事完全稀釋。
這意味著，未來判斷任何一個行業能不能扛住成本衝擊，不該去問"它用了多少這個漲價的原材料"，而該去問"它的購買決策鏈條裡，誰在為價格買單，誰又根本不在乎價格"。前者會崩，後者會穩。這才是這場漲價潮留給所有分析師的真正方法論。 (芯在說)