2026年9月AI算力大地震：内存荒成头号瓶颈，存储与芯片赛道迎来价值重估

2026年9月中旬，AI基础设施峰会在硅谷落幕，一个共识被反复提起：制约AI发展的头号瓶颈已经不是GPU，而是内存。


为什么说内存成了AI的"卡脖子"环节？


在峰会现场，Google图灵奖得主帕特森给出了一个直白判断："我们确实可能进入以内存为中心的時代。"这句话背后是残酷的产业现实。过去两年，全球资本疯狂堆叠GPU算力，英伟达的H系列芯片一度一卡难求，但越来越多的从业者发现，即便买到了卡，数据在内存与计算单元之间的搬运速度，已经成为真正的天花板。


英特尔的表态更为直接。其CEO陈立武公开表示，明年的情况会更加严峻。这不是危言耸听。根据行业测算，一台用于大模型训练的高端服务器，其内存成本占比已从两年前的两成左右攀升至接近四成，而单机HBM容量需求的年增速仍在翻倍。AI基础设施峰会上，HBF（高带宽闪存）与HBC等新技术成为焦点，多家厂商押注用闪存堆叠来缓解内存缺口。


资本正在往哪里跑？


钱的流向最能说明问题。9月上旬，总部位于杭州的存算一体芯片公司微纳核芯完成C1轮10亿元融资，投资方包括优势资本、元昊投资、金浦投资、阳光人寿等十余家机构。这家成立于2021年的公司，全球首创三维存算一体3D-CIM架构，实测数据显示其SRAM存算一体方案相比传统冯·诺依曼架构，算力密度提升4到6倍，能效比提升5到10倍。公司计划在年内完成多场景客户送样测试，并实现规模商业化。


值得注意的是，这不是孤例。东方算芯发布了软件定义近存计算3D AI芯片DF1000，采用DRAM-Logic晶圆级混合键合封装，访存带宽达到6.4TB每秒。光本位科技则首次流片256×256矩阵规模的光子存内计算芯片，宣称是目前世界上算力密度与算力精度最大的光计算芯片。一条围绕"存算一体"的国产替代路径正在成形。


这对普通人和企业意味着什么？


第一个影响是成本。当内存成为稀缺资源，云端推理的单价短期内很难大幅下降，企业调用大模型的账单压力仍然存在。但中长期看，存算一体技术一旦规模商用，端侧设备的算力会显著提升。微纳核芯已经与多家手机、PC、存储厂商合作，瞄准AI手机、AI PC、AI NAS等场景。也就是说，未来两三年，你手里那台设备本地跑大模型的能力，可能会比现在强一个量级。


第二个影响是投资逻辑。2026年第二季度，公募基金通信行业持仓市值占比达到11.56%，创下历史新高，主要配置方向集中在光通信产业链；北美四大云厂商第二季度资本开支同比增长78.6%。资金正在从"只买GPU"转向"买带宽、买存储、买互联"。中科曙光在服贸会上发布的Token加速技术体系，首次在国内实现IBGDA技术的规模化落地，并在十万卡级集群完成全流程验证，正是为了打通算力互联这一环。


第三个影响是能耗。联合国欧洲经济委员会已经发出警告，AI数据中心的使用增速超过了电力基础设施的承载能力。谷歌斥资48亿美元收购电力生产商Intersect，微软则通过提高电价补贴电网扩建。算力竞赛的下半场，其实是能源竞赛。


写在最后


AI行业正在经历一次底层逻辑的切换：从"堆算力"走向"提效率"。谁能让数据搬运更快、让能效比更高、让每一度电产出更多Token，谁就能拿到下一轮的入场券。对中国的芯片与存储企业而言，这既是压力，也是一次难得的结构性机会。2026年剩下的三个月，存算一体芯片的商业化落地进度，值得持续关注。