内存告急、关税换厂：AI算力地缘新账本

一、博通爆单：AI资本开支被两条路线分食

背景/上下文：过去业内谈博通，习惯把它放在英伟达的影子里——做定制ASIC、做交换芯片，是云厂商"不想被英伟达拿捏"时的Plan B。但2026年9月2日公布的这个财季，Plan B的叙事讲不下去了。

数据/事实：博通截至2026年8月2日的财季营收296亿美元，同比增长86%；其中AI半导体收入167亿美元，第一次占总营收一半以上。三个数字叠在一起，"备胎"已经上桌主菜。

这背后的结构性原因，藏在英伟达的客户名单里。据SemiAnalysis观察，英伟达真正意义上的核心客户不过七家——超大规模云厂商加头部模型公司，而这七家里除SpaceX外，全都在研发自研芯片，以压缩对英伟达的依赖。云厂商自研的每一颗加速器，量产订单最终都要落在某家定制芯片设计服务商身上，博通正是这条路线最大的承接口。英伟达客户越想多元化，博通越受益——这是一个微妙的跷跷板。

产业逻辑/判断：同一个AI资本开支的池子，正在被两条技术路线分食——通用GPU吃大头，定制ASIC吃增量。167亿美元这个量级说明，增量已经不是零花钱。更值得注意的是需求侧的集中度恶化：以API价格卖前沿模型代币，是单位算力回报率最高的应用场景，这意味着Anthropic和OpenAI将占据越来越大比例的净新增算力需求。黄仁勋此时高调力挺开源AI（几乎所有主要AI公司联署，Anthropic除外），本质是"商品化你的互补品"——开源模型越繁荣，跑模型的算力需求越广，GPU的基本盘越大。

二、主权AI悖论：9190亿美元买回的是什么

背景/上下文：今年7月，韩国政府宣布主权AI投资计划：总规模9190亿美元，到2029年建成8.4吉瓦数据中心算力，2035年扩张至18.4吉瓦。作为参照，一座大型数据中心动辄数百兆瓦——8.4吉瓦意味着韩国要在几年内堆出一个国家级算力省份。同一时期，中国智算规模半年暴涨177%，主权AI成了全球 simultaneously 下注的方向。

数据/事实：钱对应的采购落地极快：SK集团承诺采购2吉瓦英伟达Rubin系统，Naver签下200兆瓦订单。更关键的资金闭环是：英伟达与全球最大资本配置方签署5000亿美元谅解备忘录，把"英伟达AI工厂算力"包装成可投资资产类别，让养老基金、保险资金和私募信贷能够流入大规模算力采购。

SemiAnalysis甚至指出，英伟达可能已与SK海力士就SOCAMM达成长期协议，并锁定了2027年HBM的优惠定价。换句话说，这笔主权资金的相当一部分，会穿过韩国数据中心的机房，最终变成英伟达的营收——外加自家的HBM采购合同。韩国缺乏能够自主生产前沿级AI加速器的本土供应商，这是账本绕不开的一页。

产业逻辑/判断：主权AI的第一重悖论在于——政府追求技术独立的初衷，与实际资源分配逻辑之间存在明显落差。据多位接近供应链的人士私下评价：主权AI听起来是买技术独立，实际执行时买到的常常是设备、芯片和服务。国家掏钱，买回来的往往不是技术，而是订单。对英伟达而言，主权AI是对冲客户集中度的工具：多一个国家建AI工厂，客户名单上就多一行，对Anthropic、OpenAI们的依赖就少一分。

三、产业链深度拆解：钱在AI算力链条上怎么流

背景/上下文：把博通、韩国、华为三条线索叠在一张图上看，AI算力产业链的钱流向和卡点才真正清晰。这一章按上中下游拆。

上游：材料与核心部件——最紧的螺丝是内存

上游的主导者是存储与材料。AI加速器的性能上限越来越取决于高端内存的带宽和容量，这是业内共识。SK海力士、三星电子、美光三家把持HBM供给，美光正在快速向HBM4倾斜：目前其产量以12层HBM3E为主，但12层HBM4占比预计从年初的20%—30%提升至年底最高50%；专配英伟达Vera Rubin平台的HBM4 36GB 12层产品已量产出货，48GB 16层已送样。材料端，日本在光刻胶、高纯气体、特种晶圆材料等核心上游领域依旧掌握全球话语权——2019年限制对韩出口氟化聚酰亚胺、光刻胶、氟化氢那一课，至今仍是所有人的心理阴影。中国侧，上游的卡点同样在内存：华为昇腾950DT今年产量被限制在数十万颗级别，主因就是高端内存等元器件短缺。

中游：设计与制造——设计不是瓶颈，产能才是

中游分化为三条路线：通用GPU（英伟达）、定制ASIC（博通承接云厂商订单）、国产加速器（华为昇腾）。台积电是先进制程的物理瓶颈所在；博通的167亿美元证明定制路线已经能吃到AI开支的增量主力。英伟达在投资者会议上摊牌：FY28同比增长70%不是天花板，若不受供应限制，增速本可超过100%——这句话的潜台词是，产业链的供给侧产能才是全行业的稀释剂。

下游：数据中心与模型公司——需求端互锁

下游是超大规模云厂商、主权数据中心与头部模型公司。DeepSeek计划在内蒙古吉瓦级数据中心部署至少16万颗昇腾950DT，这是已知规模最大的昇腾集群之一；谷歌甚至开始拆退役服务器回收DDR4旧内存——需求端的饥渴程度可见一斑。

产业逻辑/判断：这条产业链的权力结构已经反转——上游存储和制造产能握有定价权，中游设计公司内卷路线之争，下游需求方用真金白银排队。用一位设备厂商朋友的话说："现在不是谁有设计谁赢，是谁有wafer谁赢。"

四、关税换工厂：华盛顿把罚则改成了入门票

背景/上下文：在1.2万亿美元已承诺投资美国半导体之后，华盛顿还要加税。当地时间周三，美国商务部长霍华德·卢特尼克接受CNBC采访时放话：正在考虑对进口半导体征收新一轮关税，可能进一步提高外国芯片税率，核心目标是推动更多半导体制造业回流美国。

数据/事实：这不是突然袭击。今年1月，美国商务部完成半导体贸易调查后，特朗普已下令对部分先进半导体征收25%的进口关税。真正值得行业警惕的是射程的扩展——新一轮措施的影响范围可能不再局限于半导体本身，预计扩大至消费电子、数据中心服务器等进口产品。芯片征税，受伤的是晶圆厂和封测厂；整机征税，受伤的是所有在美国市场卖设备的公司。关税一旦按整机口径计算，税基从几美元的裸片变成几千美元的成品，这是量级跃迁。卢特尼克还给出了关键细节：对在美国建厂的企业推出关税减免，模式参考制药行业——"如果你在美国建厂，我们就给你关税减免；如果你不在美国建厂，就要缴纳关税。"

对台积电、美光这类已经在美设厂的玩家，这不全是坏消息——已建厂、在建厂的企业，恰恰是这套豁免机制的第一批受益者。据多位接近产业链人士的说法，几家大厂的选址模型最近都被推翻重跑过。

产业逻辑/判断：这套政策本质是用美国消费市场的准入权，置换制造产能的地理迁移。关税不是终点，豁免才是交易；加税是开价，建厂是成交。但链条上每个环节都有摩擦力：批评者的担忧很直接——进一步加税会推高在美国建设数据中心的成本，而数据中心恰恰是AI时代美国最不能涨成本的东西。卢特尼克的回应是，对在美生产晶片的企业给予关税减免，本身就能缓解成本压力。账要重新算的是存储和逻辑芯片大厂：在美建厂的成本劣势与绕开关税的收益孰高孰低，取决于税率定多高、豁免口径定多宽。

五、存储竞合时代：对手变队友与HBM窄门

背景/上下文：七年前被日本一纸禁令掐住脖子的是韩国存储，七年后主动飞到东京谈合作的还是韩国存储。SK集团会长崔泰源近日访问东京期间明确表态：SK海力士正考虑与铠侠联合生产NAND闪存，并计划在日本建设芯片工厂。而这两家，在全球NAND市场一个以22%份额排第二，一个以14%列第三，是货真价实的直接对手。

数据/事实：这对"塑料兄弟"早有资本纽带。2018年，贝恩资本牵头的特殊目的公司（SPC）收购东芝存储器业务，SK海力士通过该SPC参与其中；2025年8月，该SPC以14.19%的持股比例成为铠侠最大股东，SK海力士持有可转换为SPC大部分投票权的证券。但婚约有"婚前协议"：现行协议规定，未经铠侠同意，SK海力士在2028年前不得直接或间接持有铠侠15%或以上的投票权。

崔泰源给出的理由是，日本在风险管控和文化契合方面"极具吸引力"，SK集团已收到多个日本地方政府的招商提案。这步棋在圈内并不意外——焦虑才是主旋律。海力士即便在韩国砸下1000万亿韩元的投资规划，依然无法满足未来的需求。牵手铠侠是一石二鸟：第一只鸟是产能，直接利用铠侠现成的产线和成熟团队，省去从零建厂的爬坡周期——在AI订单不等人的时候，时间是比钱更稀缺的资源；第二只鸟是供应链，在日本建厂意味着深度绑定日本上游，从源头规避材料断供风险。海力士不是去买铠侠的对手席位，是去买一份上游保险。

另一边，HBM这条窄门正在加宽：美光计划在2026年底前新增最多每月6万片HBM晶圆产能，在原有每月4至5万片基础上，总产能推高至约10万片。新设备正在中国台湾铜锣厂和新加坡兀兰厂安装，日本广岛工厂的投资也在筹备。AI加速器对堆叠存储的消耗量持续攀升，HBM可用产能已成为制约各大供应商出货与变现能力的核心因素。

产业逻辑/判断：存储行业进入竞合新常态——白天在终端市场拼刺刀，晚上在标准会议室碰杯。资本纽带加产能合作，这层关系只会越绑越紧。对中国存储玩家而言，这给出两道考题：一是如何在被标签化（1260H清单）的环境下维持全球客户信任，二是如何在HBM军备竞赛中挤进牌桌。

六、中国双线突围：备胎转正与司法硬刚

背景/上下文：中国算力的故事，最近在两条战线上同时展开：产业线上，国产芯片第一次被头部AI公司押上身家；司法线上，中国最大的DRAM厂商决定不忍了。

数据/事实一：DeepSeek的16万颗下注。 9月4日，彭博社援引知情人士报道，DeepSeek计划在内蒙古一座吉瓦级数据中心部署至少16万颗华为昇腾950DT。更耐人寻味的是：昇腾950DT本为训练而设计，但DeepSeek目前并不打算用来训练，而是运行模型——训练可以精打细算，推理却要用真金白银的算力堆出来。过去国产算力在头部AI公司那里多扮演"测试集群"