同一天发生的两件事，放在一起看最有意思。
9月10日，路透社援引消息人士报道：华为、寒武纪、沐曦、天数智芯集体上调AI芯片报价，最高涨幅50%。知乎寒武纪官方回应"未发布涨价公告"，但报价单已经改了。
也是9月10日，DeepSeek正式发布V4.1-Flash：552B参数的MoE主干，外加196B参数的Engram"条件记忆"，实测生成速度300~440 tokens/s，综合表现全面反超自家刚被路由下架的旗舰V4 Pro。知乎知乎
一边说"卡更贵了"，一边说"模型不用把那么多东西塞进显存了"——看似矛盾，共同点只有一行字：算力的定价权和瓶颈，正在从计算核心转移到内存端。还在跑模型、看卡市、学GPU并行编程的人，这三本账值得按顺序算完。
第一本账：算力的钱，换地方流了
旗舰这一代硬件里，GPU已经不是最贵的那部分。摩根士丹利的BOM拆解报告显示，一台Vera Rubin VR200 NVL72机柜（72颗GPU）从ODM处的采购价约780万美元、约合人民币5300万元，上一代GB300 NVL72约400万美元。知乎 Bernstein的测算则显示：由于HBM4和LPDDR5X价格持续上涨，单柜造价已从780万美元拉高至910万美元、约6100万人民币。
拆开看更刺眼：机柜里存储部分的成本较GB300时代暴涨435%，从约37.4万美元飙到200万美元以上，占整机BOM比重从9%升到26%；GPU在全机成本中的占比，则从GB200时代的约65%降到51%。知乎英伟达已向微软、谷歌、甲骨文等核心客户发出调价通知：2027年初出货起，搭载AI芯片的服务器价格普遍上涨超15%。微博
涨价的钱最终花在哪？先看物理约束：NVL72已进入单柜200kW级功耗区间、满载约190–230kW，Rubin单芯片约1800–2300W，直接进入45°C温水单相直液冷时代——供电、散热、存储这些"周边"，正在吃掉过去属于计算芯片的预算。知乎
国产卡这边的传导更直接。华为半导体首席科学家廖恒在公开访谈里给过一个比例：HBM占AI芯片成本约80%，逻辑芯片仅占约10%。知乎 全球能量产HBM的只有SK海力士、三星、美光三家；海力士CEO在7月表示，2027年可能成为存储芯片行业供应最紧张的一年，需求超过产能的情况甚至可能持续到2030年以后。TrendForce的报道显示：三星截至2031年的内存生产能力约70%已分配给英伟达、微软、谷歌等客户的长期供应协议。微博 HBM4良率承压、长协锁产挤压现货，有平台统计其现货价飙至长协5倍。财联社 一张卡的价格上限，不再由流片决定，而由几叠内存堆栈决定。
消费端的体感同步：站内价签上，耕升RTX 5070到手价6979元，金邦DDR5 32G内存到了1429元档。知乎上"内存条什么时候降价"的问题浏览量冲到数百万级——"按显存收钱"这件事，连装机党都感知到了。
第二本账：性能的天花板，从"算得出"搬到"搬得动"
为什么内存敢卡算力的脖子？被称作"HBM之父"的金正浩在专访里给过一个狠判断：“GPU装100万台，真正工作的时间只有10%”，他的解释是：大模型每输出一个词，系统都要从HBM读数、计算、写回，读写几乎占满时间，GPU在旁边干等；即便算法优化，利用率也很难突破30%。知乎数字是他的单方判断，不必全信——但方向，任何跑过推理的人都摸得到：LLM的decode阶段是教科书式的memory-bound，每生成一个token都要把主干权重完整过一遍，算力涨得越快，等数据的时间占比越高。
架构层面也在印证这一点：新型HBM方案把逻辑基片（Base Die）与存储堆栈的布局重新设计，就是为了在同样高的算力下把"搬运通道"加宽——瓶颈已经公认在数据移动，而不是矩阵乘法本身。
英伟达自己的数据讲了故事的另一半：单颗Rubin搭载8组12-Hi HBM4堆栈，288GB容量、22TB/s带宽；整机72颗GPU合计20.7TB HBM4，加54TB LPDDR5X，总计74.7TB内存。知乎
CoreWeave基于DeepSeek R1的实测显示，Vera Rubin NVL72相比GB200 NVL72每兆瓦Token吞吐量提升约10倍。知乎 官方基于AgentX工作负载的测试则称，相比GB300 NVL72吞吐量最高提升30倍、Token成本降低35倍——性能倍数，是用内存成本涨435%买回来的。
比带宽更狠的约束是容量。一个700亿参数模型处理100万token上下文，仅加载模型就需要约140GB显存，保存对话历史还要再占用约130GB。知乎 Agent时代多路推理、工具调用状态再往上叠——KV Cache随上下文翻上百倍。2026年，"装不下"第一次比"算不动"更常见。
第三本账：翻墙的三条路，每条都有代价
第一条：堆。 美光放出消息，计划年内翻倍扩产HBM。微博 国产这边，长鑫存储已小批量量产HBM3E，但自给率仍极低、绝大部分依赖进口。知乎 而三家大厂2027年的产能基本售罄——这是一条赌产能的慢路。
第二条：砍。 英伟达自己开始精算：Rubin Ultra被讨论的HBM方案包括192GB HBM4、256GB HBM4E和384GB HBM4E。知乎 市场传闻其拟将HBM由12层改为8层、单卡显存从288GB降至192GB，总带宽不降。微博 专为百万级token长上下文预填充设计的RubinCPX，8月中旬一度被传搁置，9月1日郭明錤的最新产业调查又称其已重启、预计2027年Q1开始生产。微博 当最强的算力公司开始按层砍内存，"堆叠层数竞赛"就算到头了。砍的代价也直白：容量缩水，长上下文上限被压，等于逼所有人把"上下文外移"变成必修课。
第三条：换架构。 DeepSeek V4.1-Flash给出了样本：那张196B参数的Engram条件记忆表，像一本巨大词典，每个token只读取几十行、地址还能提前算出——所以它不必常驻显存。技术报告明确提到，Engram可以从主机内存通过后台RDMA预取，让数据传输和计算同时进行。知乎
社区已经在相似结构的Qwen3.8-Flash-Next上实测：约75.9GB计算权重常驻统一内存、约47.7GB n-gram表通过NVMe提供，最终跑到了约33 token/s，每token从SSD只读约73KB、约2ms。知乎
更反直觉的是：缓存比例从1.3%提高到79%、重大缺页次数减少约六倍，decode速度也只从21.05提高到22.40 token/s。知乎
SSD路线证明了"内存可以慢"，但真正限速的依然是主干权重读取和内存带宽。
英伟达也在同方向动手：CMX（Context Memory Storage）由BlueField 4 STX存储机架支持、通过Spectrum-X交换机连接NVL72计算机架，存储机架最高配置约1.2PB高速eSSD，专门承接KV Cache。知乎 华为走的是系统级路线：灵衢全光协议把数千颗芯片用光纤连成一台机器，再加自研HiBL/HiZQ替代HBM现货。知乎 名字不同，逻辑一致：别再让存储迁就算力，让架构迁就存储。
三本账算完，各拨各的下一步
跑模型、准备买卡的：这轮涨价的底层驱动是内存端的结构性缺口，不是往年那种"英伟达提价"周期，别指望价格三个月回到2025年。选卡优先级要重排：显存容量与带宽 > 核心算力。Engram、n-gram查表类稀疏结构会把本地部署门槛明显拉低，但"SSD放表"路线目前只在社区实测里跑通，官方精度的复现（逐token logits对比）还没交卷，别拿量化版成绩对标官方榜单。
学GPU并行编程的：技能重心该换层了——从"写算得快一点"的kernel，转向"让数据少动、动得早"的调度：HBM/DRAM/SSD分层、异步预取与计算重叠、KV Cache管理、稀疏与量化取舍。roofline里算术强度那条曲线描述的墙，如今是按HBM堆数和现货价格收费的墙；AI能生成kernel，但生成不了你机器里缺的那几TB/s带宽。
继续观察的：盯四个信号——Rubin Ultra Q4流片版本最终砍不砍HBM层数；三星、海力士、美光2027长约的履约和扩产节奏；长鑫HBM良率能否跨过量产线；以及Engram/SSD方案的社区复现能否保住官方精度。这四个里任何一个转向，"等、买、换"的答案都会重写。
一句话收束：存储墙不是哪家厂商使坏，而是算力增速与内存增速的剪刀差终于被标出了价格。墙立在那，但堆、砍、换三条路同时开工——下一轮GPU并行计算的主战场，已经不在计算核心上，而在数据流向计算核心的路上。
