苹果沦为“打工仔”

本文来自微信公众号： 经济观察报观察家 ，作者：经观观察家

如果关键环节掌握在别人手里，自己还能不能拥有未来？

最近，消费电子巨头苹果和存储巨头美光之间隔空爆发了一场口水战。

6月25日，苹果宣布上调MacBook、iPad及家居设备价格，涨幅最高达54%。苹果方面解释，此次涨价是为了抵消内存与存储芯片带来的成本压力。苹果CEO库克在接受采访时表示：“在消费者想要设备的时候，上游的供应却变得更少了，而存储厂商又在转嫁巨大的涨价压力。”这一下子就把涨价的“锅”甩给了上游存储厂商。虽然苹果官方和库克均未点明成本压力究竟来自哪家供应商，但由于美光是苹果最主要的存储供应商，且苹果宣布涨价的时间点正好在美光发布史诗级财报的次日，因而美光自然被视为造成苹果涨价的罪魁祸首。不仅媒体评论人士开始将矛头指向美光，一些不满苹果涨价的用户甚至直接跑到美光的社交媒体主页，批评其坐地起价。

对此，美光方面显然很不满意。美光首席商务官苏米特·萨达纳（SumitSadana）在接受《华尔街日报》采访时表示，造成当前存储短缺的原因恰恰在于下游企业的疯狂压价。他表示：“当时我们就提醒过拼命压价的大客户，这种行为不利于行业良性发展。过低的采购价格会打击厂商的资本投资意愿。2023年，受售价低迷、毛利率大幅缩水影响，行业大量产能投资项目被迫终止。”虽然萨达纳并未点名苹果，但谁都知道他所说的那家“拼命压价的大客户”究竟是谁。

一些长期不满苹果控制供应链的网友也表达了类似看法。著名财经网红BluthCapital仿照美光首席执行官的口吻评论：“十多年来，苹果一直以5美元的价格采购我们的芯片，简单封装后，转手就以99美元的价格卖给消费者。对于我们要求提价到7美元的要求，他们报以无情的嘲笑。如今，我们将芯片售价提高到了50美元，他们就反手对自己的客户涨价了250美元。”一番成本与售价的对比下来，可谓将苹果的遮羞布扒了个干净。

苹果和美光之间的隔空互怼并不是一次简单的口水战，它所反映的是AI产业链的矛盾正在从“模型之间的竞争”转向“上下游之间的竞争”。过去，数字经济给人的印象是轻资产、软件化、平台化。谁掌握用户、生态和入口，谁就拥有更大的价值捕获能力。因此，苹果、微软、谷歌、Meta、亚马逊等公司长期站在产业链较高位置，用品牌、操作系统、云平台、广告网络和应用生态组织下游需求，并反向压缩供应商利润。

但AI的出现改变了这一切。AI越向前发展，就越依赖重资产、强工程和长链条供应。一个大模型背后，是GPU、TPU、高带宽内存（High Band－widthMemory，以下简称HBM）、动态随机存取存储器（Dynamic Random Access Memory，简称DRAM）、先进封装、光模块、交换机、服务器、液冷系统、电力供应和数据中心土地。AI不是“云端飘来的智能”，而是一种高度物质化的工业系统。模型看似轻盈，底座却异常沉重。于是，原先被视为“零部件”的上游环节开始获得前所未有的议价权，而原先站在产业链顶端的应用、终端和平台企业，也开始感受到被上游卡住的压力。每一家大型科技公司都开始重新思考一个问题：如果关键环节掌握在别人手里，自己还能不能拥有未来？

瓶颈迁移与租值争夺

AI产业链的一个关键变化是，决定产业链扩张能力的瓶颈正在不断向上游迁移。

在传统互联网时代，最稀缺的资源通常是用户、流量、数据和平台入口。谁掌握搜索入口、社交关系、操作系统、应用商店和广告网络，谁就拥有产业链中的主导权。芯片、存储、服务器等硬件当然重要，但在多数时候，它们只是支撑软件和平台运行的基础设施，很少成为公众讨论的中心。

但在AI时代，这一切都改变了。不同于普通软件，AI大模型对资源的消耗极大。在训练大模型时，人们不仅需要投入成千上万颗高端加速芯片，通过高带宽内存向计算单元输送数据，通过高速网络在服务器之间传输参数和梯度，通过先进封装把计算芯片和内存紧密连接起来，还需要数据中心、电力、散热、存储系统和运维工程共同支撑。到了推理阶段，随着用户规模扩大、上下文窗口变长、AI智能体调用频次增加，算力消耗更是成了无底洞。在这种情况下，AI越被广泛使用，竞争就越不再只是模型问题，而成为基础设施承载能力的比拼。

产业链瓶颈也由此不断迁移。最初，人们看到的是GPU短缺。谁能拿到英伟达的高端GPU，谁就能更快训练模型、部署服务。随后，瓶颈转向先进封装。如果没有足够的封装能力，高端GPU和HBM就无法及时交付。再往后，瓶颈又转向HBM和高性能DRAM。AI芯片本身再强，如果内存带宽不足，计算单元就会等待数据，无法充分发挥性能。随着数据中心规模继续扩大，瓶颈还会转向光模块、交换机、PCB、电力设备、液冷系统，甚至数据中心土地、电网接入和水资源。AI产业链的瓶颈不是固定在某一个环节，而是会随着规模扩大，不断向更底层、更基础、更难快速扩产的环节移动。

这正是上游供应商变得越来越重要的根本原因。过去，许多上游硬件企业被视为周期性供应商，价格受供需波动影响，下游大客户拥有较强议价权。可是AI需求爆发后，上游硬件不再是可轻易替代的部件，而成为整条产业链能否运行的约束条件。下游企业可以拥有用户、品牌和模型，但如果拿不到足够的芯片、内存、封装、存储和电力，这些优势就无法转化为现实服务能力。

英伟达的强势正是这种瓶颈迁移的集中体现。英伟达首先是一家GPU公司，但它的地位并不只来自单个芯片的性能。更重要的是，它掌握了AI计算的系统性入口：GPU、CUDA软件生态、高速互连、网络设备、服务器参考架构、开发工具和数据中心解决方案共同构成一个完整体系。对AI企业而言，购买英伟达的产品，不只是购买一块芯片，而是进入一套已经被开发者、云厂商、模型公司和数据中心广泛采用的计算体系。这种体系一旦形成，替代就不只是换一个供应商，而是要改写软件栈、训练框架、运维体系和工程习惯。因此，英伟达的强势不是传统意义上的“卖方涨价”，而是系统标准、开发生态和物理瓶颈叠加之后形成的强势。

美光、三星、SK海力士等存储企业的地位上升也来自类似逻辑。过去，DRAM和NAND常被看作典型周期品，价格涨跌剧烈，下游厂商习惯于在低谷时压价。但AI服务器改变了存储需求的性质，HBM不只是更贵的内存，而是AI计算系统中决定数据吞吐能力的关键部件。没有足够的高带宽内存，GPU和AI加速器的计算能力就会被浪费。更重要的是，HBM生产会占用先进DRAM产能，先进封装和良率爬坡也需要时间。这样一来，AI数据中心对HBM和高端DRAM的需求，不仅会推高自身价格，也会挤压传统消费电子所需的存储供应。存储企业就此从周期低谷中的被动供应商，变成AI基础设施中的战略节点。

与下游相比，上游供给的刚性通常要强得多。AI模型的迭代周期几乎已经可以按天计算，AI应用上线也越来越快，但芯片厂、存储产线、封装能力、数据中心和电网容量不可能同样快速增长。建设晶圆厂需要数年，提升良率需要长期经验积累，先进封装产能需要设备和工艺配套，数据中心则需要土地、电力审批和长期建设周期。这些因素决定了，AI需求呈指数式增长，但与之匹配的上游供给只能阶梯式扩张。在这种时间错配中，上游自然获得了强势地位。

AI系统内部的强互补性，也会抬高瓶颈环节的价值。在普通消费电子中，某个零部件性能不足，可能只是让产品体验稍差；但在AI数据中心中，一个关键环节短缺，可能使整套系统无法扩张。GPU需要HBM，HBM需要先进封装，服务器需要高速网络，高速网络需要光模块，数据中心需要电力和散热。只要其中一个环节成为短板，其他环节的投资回报都会下降。

如果读者熟悉古典政治经济学，就会发现，现在AI上下游的关系与工业革命时期地主和资本家之间的关系十分相似。资本家通过使用先进机器，可以在短时间内大幅提升产能，但他们的生产必须用到土地及重要矿产资源，而这些资源的供给很难在短期内增加。这时，拥有土地和矿产的地主就会成为受益者，向资本家收取高昂租金。随着下游产能扩张，土地和矿产越来越值钱，资本家赚到的利润也会源源不断地以级差地租的形式转入地主的钱包。

太阳底下没有新鲜事。如今，200年前的故事又在当代重演。所不同的是，当年的资本家变成了现在的微软、谷歌、OpenAI，而地主则换成了英伟达和美光。

保卫租值

用古典经济学的观点重新审视AI上下游关系，就会发现，上游生产商的很多行为都与当年地主阶层维护地租收益的行为十分相似。

第一种行为是产能纪律。在过去，地主为了保证租值水平，通常会限定出租土地的数量，握住一部分土地不予出租。对应到AI产业链，就是上游供应商面对供不应求，并不急于扩产，而是在权衡后把产量维持在一定水平。这种现象在存储行业尤其典型。DRAM和NAND过去长期受周期波动困扰，景气时大举扩产，随后供给过剩、价格暴跌。经历多轮惨烈周期后，三星、SK海力士、美光等企业开始越来越重视“供给纪律”，即在低谷时削减产量和资本开支，在高景气时也避免过快释放产能，以免亲手摧毁价格。

从去年以来，DRAM和NAND价格持续大涨，这固然与需求有关，但高价格之所以能够维持，在很大程度上也是企业执行供给纪律的结果。近期，美国已经出现针对三星、SK海力士和美光的集体诉讼，指控三家公司协调限制DRAM供应、转向HBM并推高价格。虽然这些指控尚未得到司法确认，当事企业也否认存在不当行为，但诉讼本身已说明，市场开始意识到，存储企业可能通过控制供给节奏维护自身“租值”。

第二种行为是产品升级与产能转移。地主可以把“普通土地”改造成“优等土地”，以获得级差地租。与此类似，存储厂商正在把更多资源从普通DRAM、NAND和消费级产品转向HBM、DDR5、企业级SSD等高利润产品。这样做在技术和商业上都是合理的。相比需要普通存储设备的消费电子制造商，AI数据中心愿意为高端存储支付更高价格，存储厂商自然会把更多产能用于高端产品。

近期，受高端存储产品价格上涨影响，大批存储厂商选择将产能从普通存储转向高端存储，由此使短缺从高端产品向普通产品传导，同时助推普通存储设备价格上涨。从这个意义上看，美光存储价格大涨未必是刻意针对苹果，而只是其产能调整政策的一个副产品。

第三种行为是长期合约和产能优先权。地主为了获得长期稳定的租值，经常要求租户签订长期合同。AI产业链中，上游供应商在供不应求时，通常也会要求下游签订长期协议、支付预付款，或作出采购承诺。这样做一方面锁定未来现金流，降低周期下行风险；另一方面可以对客户分层，优先向愿意支付更高价格、承担更长期承诺的客户供货。通过这种做法，上游不仅可以把短期租值长期化，还可以提高租值收入。

第四种行为是系统捆绑和生态锁定。地主如果只出租土地，租值会受到竞争约束；如果同时控制道路、水源、仓储和市场入口，租值就更难被压低。这种现象正在AI产业链中重现。以英伟达为例，它并不只卖GPU，而是提供从GPU、CPU、网络、存储、软件到数据中心参考架构的全栈方案。英伟达官方对AIFactory的描述，强调经过验证的全栈设计，覆盖计算、网络、存储和企业AI软件。这意味着，下游客户买到的不再是单一芯片，而是一整套“生产智能”的工厂方案。

英伟达还在努力将CUDA打造为通用平台，吸引开发者围绕CUDA建立生态。根据英伟达官方公布的资料，2025年，CUDA生态已有超过600万名开发者和4万家公司。这个生态一旦形成，下游更换硬件供应商就不只是买另一块芯片，而是要迁移代码、重写内核、调整训练框架、重建调试流程、重新培训工程团队。通过系统捆绑和生态锁定，上游供应商大幅增加了自身被替代的难度，其租值也从单个GPU扩展到与之捆绑的各种产品及其生态。

第五种行为是路线图控制和代际节奏管理。在传统经济中，地主会通过掌握种什么、何时改种、怎样改良土地等决策权，控制地租调整节奏。在AI产业链中，上游供应商则会通过路线图控制和代际节奏管理影响利润。高端芯片、HBM、先进封装和数据中心系统都存在明显的代际更新。上游企业通过持续推出新一代产品、定义性能指标、引导客户提前适配新架构，让下游不断进入自己的升级节奏。例如，英伟达从A100到H100、B200，再到后续平台，不只是产品更新，也是在引导客户围绕自身路线图安排模型训练、推理优化和数据中心规划。存储企业围绕HBM3E、HBM4等路线布局，也有类似效果。下游企业一旦按照某家厂商的路线图规划未来，就会在技术、采购和工程组织上形成长期依赖。

第六种行为是向下游延伸，分享更靠近应用端的价值。历史上，很多地主为了获得更高收入，会自己创办工厂，成为资本家。在AI产业链中，也有不少上游供应商不满足于一次性销售硬件，而是进入更靠近生产和应用的环节。英伟达从芯片业务延伸至云服务、企业AI软件、数据中心方案和行业平台，美光、三星等存储企业则从标准内存延伸至AI服务器存储解决方案。其逻辑很简单：既然AI企业必须使用我的资源，那么我不仅要卖资源，还要参与定义资源的使用方式。由此，它们的收入来源就从“资源租”拓展到“系统租”和“生态租”。

成为“地主”

在上游供应商努力确保并提升自身租值的同时，下游AI企业也没有坐以待毙。作为产业链中处于劣势的一方，它们的策略很简单：直接占领上游，让自己成为“地主”。具体来说，就是推行一体化策略，从自身业务出发，由下而上，把上游重要环节逐步收入囊中。

谷歌的TPU路线就是这种策略的早期典型。早在十多年前，谷歌就开始探索自行研发TPU。当时，谷歌这么做并不是为了成为芯片公司，而是想用TPU与既有业务形成互补，提升搜索等业务的质量。但在算力日趋紧张、AI企业日益受制于英伟达等算力供应商的情况下，谷歌当年走出的这一步反倒成为其突破算力瓶颈的关键。如今，谷歌的TPU经过多代演进，已经可以支撑大规模训练和推理。除了支持Gemini、搜索、YouTube等内部业务，谷歌还通过云服务向包括Anthropic在内的外部客户提供TPU算力。谷歌的角色也由此开始从下游租户向上游地主过渡。

另一个例子是Meta。Meta原本不是云计算公司，其核心商业模式长期依赖社交网络和广告。在AI热潮中，Meta没有像谷歌一样选择自研芯片，而是预先购置了大量芯片。但随着AI基础设施投资规模越来越大，Meta开始发现，相比在下游比拼AI产品，出租AI算力的收益反而更高。因此，近期它开始考虑将内部算力外部化。这一事件曾被外界误读为Meta认为算力已经过剩，一度拖累芯片企业股价。但抛开这些误解，它其实只是Meta努力向上游发展、争夺租值的一个标志。

除了这些行业巨头，很多AI初创企业也已经开始上游化。例如，Ope－nAI、Anthropic都在尝试自研芯片，希望从纯AI公司变成兼具芯片研发能力的公司。

彼得·蒂尔（Peter Thiel）曾说过，纵向一体化是一种被低估的技术进步方式，也是复杂技术公司获得垄断利润的重要路径。在他的语境里，一体化是一种科技巨头的进攻策略。但有趣的是，在上下游关系逆转的今天，促使科技巨头大幅推进纵向一体化的，却是来自上游的租值侵蚀压力。这一点可能是蒂尔很难想到的。

上下游之争的影响

当AI产业链的上下游逐渐从合作伙伴变成竞争对手，并且各自想尽办法制造和抢夺“租值”时，这种竞争会对市场产生怎样的影响？

从积极方面看，上下游之间的争夺会推动技术替代和效率提升。上游供应商为了保住租值，必须不断提高芯片、存储和系统能力；下游AI企业为了减少向上游“交租”，也会推动模型压缩、推理优化、自研芯片和多云部署。竞争压力可能降低单位算力成本，改善系统效率，加速AI基础设施建设。尤其是在高度复杂的AI系统中，上下游出于争夺租值而推进的一体化，还能降低协调成本，让芯片、模型、软件和应用更好地适配。

但这种竞争的负面影响也不容忽视。

第一，它可能推高相关产品的成本和价格。上游收取高额瓶颈租，下游为了维持利润，又把成本转嫁给企业客户和消费者，最终用户必须支付更高价格。本文开头提到的苹果产品涨价，就是一个例子。

第二，纵向体系竞争会提高进入门槛。小模型公司和应用创业公司既没有自研芯片，也没有稳定算力，更没有终端入口，容易受到上游成本和下游平台的双重挤压。这会使新企业更难进入，并在相当程度上阻碍创新。

第三，生态锁定会削弱开放竞争。无论是CUDA、云平台、模型接口，还是企业软件和终端系统，一旦形成封闭组合，开发者和用户的迁移成本就会显著上升。市场可能由此从技术竞争滑向围墙竞争，开发者和用户也会越来越成为生态主导者的附庸。

第四，过度一体化可能造成重复建设。当每个巨头都自建芯片、自建云、自建模型、自建应用时，它们虽然提升了安全感和战略自由度，但也可能降低全行业的资源配置效率，造成巨大浪费。

除此之外，上下游之争还会带来一个更值得重视的风险：泡沫化。当AI企业围绕基础设施展开的竞争越来越激烈时，上游会认为稀缺将持续，于是通过扩大产能、签订长期协议、推高估值争夺收入；下游则会因害怕被“卡脖子”，提前锁定GPU、HBM、云容量和数据中心资源，甚至不惜自建基础设施。每家企业从自身角度看都是理性的，但全行业合在一起，可能形成“预期越高、投资越大、成本越高、越需要讲更大故事”的循环。

如果下游AI企业的营业收入足以覆盖基础设施建设费用，整个循环就可以持续。然而，一旦终端应用收入兑现慢于资本开支，或者模型效率提升导致部分算力过剩，或者企业客户发现AI投入回报不及预期，那么长期合约、高价芯片、闲置数据中心和高估值模型公司就会同时承压，市场预期也会随之崩塌。

因此，AI产业链上下游的争夺既可能推动真正的工业升级，也可能制造新的租值泡沫。如果上游只忙于保证租金，下游只忙于压低租金和转嫁成本，而最终用户缺乏足够的支付能力，那么AI繁荣就可能从技术革命变成租值竞赛，再从租值竞赛滑向资本泡沫。未来AI行业能否健康发展，取决于能否在开放标准、替代技术、市场竞争和必要监管之间保持平衡，使产业租值不至于吞噬创新红利。