前些日子在小黄鱼上卖出了一批三星服务器级内存条，每一条定价1050元，实实在在赚了五倍利润。造成这次价格飙升的缘由，众人心里都清楚得很，AI使用需求激增，生产制造跟不上了。不过，你是否琢磨过，英伟达、苹果这些科技领域翘楚，明明知道内存涨价、供应紧张，却只能眼睁睁看着韩国企业掌控话语权？关键信息藏在两个新词中：一个是令无数硬件工程师倍感煎熬的"内存墙"，另一个则是让全球科技企业和普通消费者不得不承受的"内存税"。
关于内存墙的来龙去脉，我们必须先破除一个普遍存在的认知误区。很多人觉得，只要处理器性能强大，AI就能高效运行。这种想法在个人电脑发展初期或许行得通，但在AI应用领域完全站不住脚。不妨将芯片处理器比作饕餮大胃王，它拥有全行业顶尖的消化能力，每秒能处理数百亿数据，而内存则是储存信息的巨型粮仓。表面上看这种组合再合适不过，但真正的问题出在两者之间的衔接环节。大胃王和粮仓之间并非畅通无阻的高速公路，只连接着一条细细的数据通道。大胃王吃得多快又有何用？它每处理完一组数据，都要耐心等待信息从通道中缓缓传输过来。
计算机领域将这种瓶颈现象称为"内存墙"。最新发布的AI行业报告显示，英伟达GPU从A100发展到B200，计算能力提升了约8倍，但内存传输带宽仅增加4倍，容量增长2.4倍。算力与内存带宽之间的速度差距日益扩大，导致大部分时间里GPU都在闲置等待数据传输。内存税的由来又是什么？过去内存涨价时，人们很少提及"内存墙"，为何在AI、ChatGPT爆发后，这堵无形之墙让所有人都叫苦不迭？
关键在于大模型的工作方式与传统应用程序截然不同。以前运行《黑神话悟空》或剪辑4K视频时，显卡主要负责图像计算等复杂操作，虽然需要强大的算力，但每次传输的数据量相对有限。而大模型本质上是一种高级文字游戏，在极短时间内的预测过程中，显卡必须完整读取大模型的所有参数。顶级大模型的参数量可达上万亿个。AI每生成一个字符，显卡就需要将全部参数从内存中调取一遍，再写回去。此时算力强弱已不再重要，只要数据传输通道不够宽敞，显卡在生成文本间隙仍要花费绝大部分时间等待数据。这就是英伟达H200即使算力超群，一旦单卡内存配置不足，就必须堆叠多张显卡才能完成任务的真相。
全球AI服务器都在疯狂增加内存配置，只为让那根数据通道变得更粗。科技企业为突破这堵墙，已探索出三种主要方案，目前只有高带宽内存HBM真正实现商业化应用。既然数据通道太细太长，不如将内存直接堆叠在处理器上方，像建筑群一样垂直安装，通过微米级触点直接连接GPU芯片。这种方案确实解决了传输难题，但HBM生产过程极为耗费晶圆，加工一份HBM需要耗费普通内存三倍的资源。即便三大内存制造商全力扩产，到2026-2027年，HBM产能仍将因长期协议被大型企业预购而不足，这就是为何巨头们还要与普通消费者争夺内存，导致内存条价格居高不下的原因。掌握产能和技术的一方，就掌握了向整个行业甚至全人类征收"内存税"的主动权。这种特殊的定价权控制，正由韩国企业牢牢攥在手中。
英伟达在AI芯片研发领域勇当先锋，而韩国双雄则坐收渔利。英伟达显卡卖得越是火爆，只要海力士或三星调整HBM价格或宣布产能紧张，英伟达就必须将部分利润让渡给内存供应商。在AI芯片成本构成中，除了核心GPU运算单元外，HBM占比最高。随着大模型对带宽需求的不断攀升，显卡上搭载的HBM数量呈现指数级增长，这种不平衡的供应链关系让全球用户都承受着难以言说的负担。
