谷歌拆旧服务器救急，内存荒有多狠？

谷歌拆旧服务器救急，内存荒有多狠？

导语：当谷歌供应链高级总监尼克尔·切里安（Nikhil Cherian）在行业峰会上说出“我们开始拆退役服务器回收DDR4”时，台下没人笑。这不是段子，是一家全球头部云厂商的正式应急方案。AI产业的核心瓶颈，已经从“算力不足”切换到“内存受限”。砍显存、降配HBM、重写KV缓存算法——整个行业正在用各种姿势抢内存，而这背后是一场价值分配的大迁移。

📉 拆服务器捡内存，这不是段子

先说现场。

据Wccftech报道，谷歌供应链基础设施高级总监尼克尔·切里安近日在行业峰会上公开承认：由于DRAM供应持续紧张，公司已开始将退役服务器重新调回机房，拆解并回收其中仍可用的DDR4内存模组，构建一套内部循环利用的供应链体系。

一句话：云巨头开始“捡内存”了。

更夸张的操作还在后面。在某些应用场景中，谷歌甚至用上一代DDR4模组，替代新型AI服务器原计划搭载的DDR5。为此，公司专门设计了硬件转接卡，让DDR4能接入新一代AI服务器系统。

为了一代内存的兼容性，硬造一块转接板——工程圈的人都知道，这是被逼到墙角才会做的事。据多位接近供应链的人士私下说，这轮内存紧张的程度，比外面看到的还要再紧一档。

为什么这么拼？因为AI服务器里，高性能内存的物料清单（BOM）成本占比已经高达约75%。内存不再是一颗配角芯片，它就是整机的成本本体。

产业判断很清晰：当头部云厂商愿意为省内存而牺牲架构一致性时，说明短缺已经不是阶段性的，而是结构性的。算力可以靠加卡，内存得靠真家伙——而真家伙不够。

💰 内存吃掉BOM，成本结构彻底变了

一个AI服务器的钱，到底花在哪了？

按切里安给出的数据，答案是：约四分之三都给了内存。

pie title AI服务器BOM成本构成

"高性能内存" : 75

"其他组件" : 25

这个数字放在五年前是不可想象的。彼时AI服务器讨论的核心是GPU数量、互联拓扑、电源冗余，内存只是一个“配套件”。如今它成了成本结构里的绝对主角，也成为制约系统性能的关键因素。

谷歌的应对是软硬件两头下手：

硬件端，在面向推理任务优化的TPUv8i芯片上，谷歌采用专用分层存储体系——整机层面依托高速DDR5做数据预处理等任务，每颗TPUv8i还配备288GB HBM3e高带宽内存，兼顾容量与带宽。

软件端，谷歌持续调整底层函数库、模型架构及KV缓存压缩算法，尽可能压低单位算力下的内存开销，从系统层面减轻对物理内存的依赖。

一句话：硬件上省着用，算法上抠着用。

产业逻辑层面，这轮变化意味着存储行业在AI叙事中的位置被彻底重估。以前谈AI受益链，第一反应是先进制程和算力芯片；现在，DRAM和HBM的供给弹性，直接决定了AI算力扩张的天花板。内存，从成本项变成了产能项。

🔀 英伟达砍内存，把钱挪给了网络

谷歌在捡内存，英伟达在砍内存——两个动作，同一个背景。

研究机构SemiAnalysis近日发布报告，拆解了英伟达 Rubin Ultra的内存降配方案：HBM显存规格从HBM4E 12-Hi（384GB）降至HBM4 8-Hi（192GB），容量直接腰斩，三星电子正配合开发8层HBM产品。原因是HBM和DRAM价格上涨后，内存已占产品总成本的约40%。

降配之后，HBM成本降低50%以上。即使计入2026年HBM涨价预期，内存成本占总资本成本的比例也将从40%降至28%。

但省下来的钱没有消失，而是被重新分配——流向纵向扩展网络（Scale-up Networking）。从NVL576 NPO SKU来看，随着光模块取代机架间互连，纵向扩展网络成本占机架总支出的比例从4%增至12%，相当于原来的三倍。

一句话：单卡少堆显存，集群多铺网络，用互联规模弥补单卡容量缺口。

这个趋势不止英伟达一家。TrendForce集邦咨询研报指出，自2026年第三季起，英伟达对Rubin Ultra的HBM配置已从HBM4e 12hi，改为并行评估HBM4e 8hi、HBM4 12hi、HBM4 8hi等多种设计，部分云服务商（CSP）也在考虑调降下一代自研ASIC的HBM容量设计。

连锁反应正在向下游材料与互连环节传导。国金证券指出，Rubin Ultra NVL576原定2027年下半年推出，Kyber机架存在制造延期传闻，平台功耗密度与互联复杂度大幅抬升，倒逼底层互连材料升级，PTFE混压成为潜在路线之一；同时NVL576必须突破传统铜线网络在长距离信号传输上的局限，将引入CPO技术，CPO有望加速渗透。华泰证券的判断是：产品代际迭代正把价值创造从单芯片性能外溢至网络、机柜与系统集成，超节点和AI工厂的系统级交付能力将更为关键。

产业判断：这是AI硬件价值重心的一次正式迁移——从“单卡堆料”转向“集群互联”，钱的流向从存储和算力芯片，扩散到光互连、机柜和系统集成。

🧮 博通的账本，被分析师当场拷问

内存荒之下，定制ASIC路线的日子同样微妙。

在2026Q3财报电话会上，博通CEO 陈福阳（Hock Tan）给出了一份激进的指引：在售的Ironwood（TPU v7代际）已获1GW规模部署，2027年Anthropic追加5GW下一代TPU v8订单；AI收入翻倍至1150亿美元，2028年再增10GW，半导体收入达2300亿美元。他强调，每GW算力可创造300亿美元ARR，商业模式强劲。

但电话会上出现了最有意思的一幕——有分析师直接发问：“按照你给的数据，你单价卖得比英伟达便宜那么多，这账到底怎么算出来的？”

这个问题之所以关键，是因为它戳中了当下ASIC叙事的软肋：博通的低单价故事，建立在定制TPU能用更少的通用冗余换更高的有效算力之上。可当HBM和DRAM全面涨价、内存成为所有路线共同的成本刚性项时，“便宜”的空间还剩多少，就要打问号了。

结合前文TrendForce提到的“部分CSP正考虑调降下一代自研ASIC的HBM容量设计”，可以看到一条清晰的传导链：内存涨价→全行业降配或省配→ASIC与GPU的性价比差距被压缩→每GW的ARR模型需要重新校准。

一句话：内存短缺对所有人一视同仁，不分GPU还是TPU。

时间线把这轮变化串起来看会更直观：

• 2026年9月：谷歌公开透露拆解退役服务器回收DDR4
• 2026年Q3：SemiAnalysis发布Rubin Ultra降配拆解报告，同期博通召开财报电话会给出激进指引
• 2026年Q3起：英伟达并行评估多档HBM方案，部分CSP考虑下调自研ASIC内存配置
• 2027年：Anthropic追加5GW TPU v8订单
• 2027年下半年：Rubin Ultra NVL576原定推出窗口（存在Kyber机架延期传闻）
• 2028年：博通指引半导体收入达2300亿美元

产业判断：内存紧缺正在抹平不同技术路线之间的成本差异叙事。谁能在单位内存预算下挤出更多有效算力——靠分层存储、靠KV压缩、靠集群互联——谁就掌握下一阶段的定价权。

🔮 下一波钱，流向哪里

把三条线索放在一起，价值迁移的方向已经很清楚。

第一，存储端是最大的确定性受益方。BOM占比75%、Rubin Ultra内存占成本40%、DRAM和HBM双双涨价——无论下游怎么选型，真金白银都流向了内存。三星配合英伟达开发8层HBM，本身就是话语权的体现。

第二，互连与集成是增量最大的方向。SemiAnalysis数据显示Scale-up网络成本占比从4%到12%，华泰和国金不约而同指向光互连向Scale-up域渗透、PTFE混压、CPO加速。单芯片的价值正在向系统外溢，机柜级交付能力成为新的竞争壁垒。

第三，云巨头的应急动作暴露了真实供需。拆服务器回收DDR4、造转接卡、KV缓存压缩，这些“不体面”的手段，比任何研报都更能说明：内存短缺在2027年前难以根本缓解。

🔍 一个独立视角：捡内存救得了一时，救不了一世

信源之外，有三个值得独立推演的判断。

其一，DDR4回坑是滞后指标，不是解决方案。谷歌拆旧服务器，本质上是在消耗存量资产的一次性余粮。退役服务器本就有限，且DDR4产能近年来被三大原厂持续压缩——原厂早已把晶圆产能让渡给DDR5和HBM。这意味着“捡内存”能续命、不能造血：它掩盖价格信号的时间越长，原厂扩产决策被延后的风险越大，2027年前后一旦存量耗尽而新产能未到位，供需缺口可能以更剧烈的方式补涨。这更像2017-2018年存储超级周期前夜的剧本，而非一次普通的供应波动。

其二，HBM对DRAM产能的挤兑是这轮短缺的结构性根源，却鲜被讨论。每层HBM堆叠都要消耗数倍于同等容量DDR5的晶圆投入，HBM需求爆发等于在DRAM总盘子隐性抽水。英伟达降配HBM、谷歌用DDR4顶替DDR5，看似是两个独立决策，实际是同一枚硬币的两面：下游在为上游产能结构的被动腾挪买单。判断这轮短缺何时缓解，与其盯AI服务器订单，不如盯三大原厂的DRAM/HBM产能配比拐点。

其三，降配的隐性代价被系统性低估了。砍一半HBM容量，模型部署的批处理规模、上下文长度和KV缓存余量都会被压缩，要么牺牲单卡吞吐，要么用更多卡和网络带宽补回来——SemiAnalysis自己也承认网络成本占比翻了两番。换言之，所谓“降本”很大程度是把内存成本转移成了互连成本和功耗成本，全系统未必更便宜，只是价值在产业链内部重新切块。对下游CSP而言，真正的分水岭不是“买GPU还是买TPU”，而是谁的系统架构在低内存冗余下仍能保持高有效算力利用率。

一句话收束：AI的上半场比的是谁卡多，下半场比的是谁内存省、互联强——而下下场的胜负手，可能是谁能影响原厂的产能分配。

小结

谷歌拆旧服务器捡DDR4、英伟达腰斩HBM容量、博通的账本被当场拷问——三件事指向同一个事实：AI的瓶颈已经从算力切到了内存，而价值的分配也随之改道，从存储芯片流向光互连、材料与系统级集成。2027年到2028年，随着Rubin Ultra、TPU v8大批量落地，谁能把每一GB内存和每一瓦互连功耗榨出更多有效算力，谁就赢下下一程。内存荒不是危机，是产业链重新洗牌的发令枪——但枪响之后，存量余粮能撑多久，才是决定这场洗牌节奏的暗线。