AI产业链三重奏：模型开源、算力定价与存储短缺

执行摘要：本轮AI产业竞争已从模型层向上游算力与存储延伸。开源RNA基础模型体现大模型向科研垂直领域渗透；数据中心电价与算力定价机制重塑，行业告别无序扩张转向稀缺资源竞争；内存价格持续上涨且供应趋紧，存储环节成为产业链关键瓶颈。本报告梳理三环节格局与联动趋势。

现状：AI产业格局速览

一、三环节景气分化：同一条链上的三种温度

当前AI产业链呈现明显的“冷热不均”：模型层开源浪潮与垂直化转型并行，竞争焦点从通用能力转向落地效率；算力层定价机制进入改革深水区，行业逻辑从“拼增长”切换到“拼稀缺”；存储层则陷入持续性供给紧张，涨价预期看不到尽头。三个环节的景气度分化，正是AI产业从“概念驱动”走向“供给约束”的典型信号。

二、模型层：开源加速，垂直化成主流路径

模型层的显著趋势是开源与垂直化并行推进。开源降低了技术获取门槛，使各行业能够基于通用底座进行领域适配；垂直化则意味着竞争重心从“参数规模”转向“行业Know-how与数据质量”。

近期我国科研团队发布开源核糖核酸（RNA）序列基础模型，是这一趋势的典型注脚：AI基础模型正从通用语言、视觉领域向生命科学等专业纵深延伸。这类科学领域开源模型的价值在于——公开序列建模能力，让生物医药研究者可以在此基础上做下游任务开发，缩短了“基础研究到产业应用”的链路。

可以预期，随着开源生态成熟，模型层的分化将进一步加剧：通用大模型由少数头部玩家持续投入，而大量中小团队将聚集在垂直场景，靠领域数据与工程能力建立壁垒。

三、算力层：定价机制改革，从“拼增长”到“拼稀缺”

算力层正在经历深刻的定价逻辑变革。以数据中心为例，中选机制调整后，行业告别了无序扩张阶段，定价逻辑从“规模增长导向”转向“稀缺资源导向”。

这一转变的产业逻辑并不复杂：在算力需求爆发的背景下，电力、土地、能耗指标等配套资源构成硬约束，算力供给的边际扩张成本快速上升。当“多建多得好”的粗放模式难以为继，定价机制自然向稀缺性倾斜——位置优、能效高、配套完善的数据中心获得溢价，而低效产能则面临出清压力。

对产业链而言，定价机制改革是双刃剑：短期抬升了模型训练与推理的算力成本，挤压中下游利润；长期则倒逼资源向高效玩家集中，提升整体供给质量，也为算力交易、调度等配套市场创造了制度化土壤。

四、存储层：供给紧张看不到头

存储层是当前产业链中最“紧”的一环。受AI服务器对高带宽内存（HBM）及大容量DRAM需求激增的拉动，存储晶圆产能被大幅转向高端品类，传统存储供给被动收缩，涨价呈现持续性、趋势性特征——市场普遍预期“马上就是有钱也买不到”。

供给紧张的本质是结构性错配：存储原厂产能切换需要较长周期，而AI需求增长速度远超扩产节奏。对下游整机厂商而言，存储成本上升直接侵蚀毛利，锁单、备货成为普遍策略，进一步放大了缺货预期。

{"type":"funnel","title":"AI服务器存储供给传导","stages":[{"label":"原厂总产能","pct":100},{"label":"AI/HBM倾斜产能","pct":45},{"label":"传统存储可用供给","pct":30},{"label":"实际可成交订单","pct":22}]}

五、小结：分化格局下的产业链再平衡

三个环节的分化并非孤立现象，而是相互传导的结果：模型开源降低应用门槛→应用爆发推高算力需求→算力扩张叠加需求结构变化→存储供给紧张、价格上行→成本反噬中下游利润，抑制部分需求。产业链正处于“需求牵引、供给约束”的再平衡阶段。

{"type":"dashboard","title":"AI产业链景气速览","cards":[{"icon":"🔓","num":"加速","label":"模型开源化","desc":"开源底座+垂直场景成为主流路径"},{"icon":"⚡","num":"改革","label":"算力定价机制","desc":"从拼增长转向拼稀缺，告别无序扩张"},{"icon":"📦","num":"紧缺","label":"存储供给","desc":"涨价看不到头，有钱也难买到货"},{"icon":"📊","num":"分化","label":"三环节景气度","desc":"模型活跃、算力提价、存储吃紧"}]}

下一章将深入模型层，剖析开源浪潮背后的商业逻辑与竞争格局演变。

上游：存储芯片涨价逻辑

在AI产业链中，存储芯片是最先感受到算力饥渴的环节之一。与本章后续讨论的算力定价问题相呼应，存储市场正经历一轮由AI需求牵引、供给结构调整放大的涨价周期，且市场普遍预期这一趋势短期内难以逆转。

一、内存价格持续上行：周期逻辑正在改写

传统上，DRAM存储行业呈现典型的强周期特征：供给过剩、价格下行、厂商减产、价格回升，周而复始。但本轮行情与历史周期存在本质差异——驱动涨价的力量不仅来自常规的需求复苏，更来自AI服务器对存储的爆发式需求。

AI训练和推理对高带宽内存（HBM）、大容量DDR5、企业级SSD提出了远超以往的要求。以HBM为例，其单位容量价值数倍于传统DRAM，且随着大模型参数规模持续膨胀，单颗AI加速器搭载的HBM容量不断攀升。参考素材中“内存涨价根本看不到头”的判断，反映的正是这种结构性需求的持续性：只要大模型训练和推理规模仍在扩张，存储需求曲线就难以见顶。

从价格信号看，存储现货与合约价格已连续多个季度上行，且涨势从HBM向常规DRAM、NAND逐步传导。“马上就是有钱也买不到”的市场担忧，指向的不仅是价格问题，更是供给保障问题。

二、涨价传导机制：从需求冲击到供给收缩

本轮存储涨价的逻辑链条可以拆解为如下传导路径：

这一机制的核心在于产能挤占效应。HBM采用3D堆叠封装，其晶圆消耗量约为同容量标准DRAM的2-3倍。存储原厂将有限的先进制程产能优先分配给利润率更高的HBM订单，直接导致传统DRAM的有效供给收缩。也就是说，即便AI本身不直接消费传统内存，HBM的扩张也在“抽走”常规市场的供给，形成涨价的双轮驱动。

对下游整机厂商而言，这意味着成本结构的双重压力：一方面AI服务器物料成本高企，另一方面通用PC、手机等传统产品的内存采购成本也在同步抬升。存储成本的上升正在沿产业链向下传导，成为整机厂商2026年定价决策中不可回避的变量。

三、厂商竞争格局：技术门槛决定话语权

存储行业的高度集中性决定了本轮涨价红利与供给压力的分布并不均衡。HBM的技术门槛（堆叠工艺、中介层封装、良率控制）远高于传统DRAM，能够参与的企业稀少，行业话语权进一步向头部集中。

处于第一象限的HBM头部原厂，既掌握了高技术门槛，又站在最高商业价值的风口，是本轮涨价周期的最大受益者；先进DRAM原厂在常规供给收缩中享受量价齐升；而利基型存储厂商技术门槛较低，虽然被动受益于涨价，但缺乏对产能和定价的掌控力，属于典型的存量玩家。

四、“有钱难买”：从价格风险到供给风险

本章引言提到的数据中心定价逻辑转变——从拼增长转向拼稀缺——在存储环节体现得尤为直接。当存储原厂的产能被HBM和长协订单锁死后，现货市场的可交易筹码大幅减少。参考素材中“有钱也买不到”的担忧，实质上是市场对供给保障能力的定价：未来存储竞争的关键变量，正在从“价格高低”转向“能否拿到货”。

如上图所示，从原厂总产能到现货市场可售份额，逐级收缩。对采购方而言，这意味着两点现实影响：一是长协绑定成为大客户的必然选择，没有锁定产能的中小厂商面临断供风险；二是库存策略从“低库存周转”重新转向“战略性备货”，进一步加剧现货市场的紧张。

五、本章小结

存储芯片的涨价逻辑是三重因素叠加的结果：AI需求的结构性扩张、HBM对传统产能的挤占、以及供给收缩引发的“有钱难买”预期。对产业链中下游而言，存储成本已从可优化的采购变量变为刚性的约束条件。这一供给端的稀缺性，正是下一章讨论算力定价逻辑重构的重要背景——当稀缺成为共识，定价权的迁移便不可避免。

中游：数据中心定价重构

过去数年，数据中心行业的核心竞争语言是“增长”——签约规模、上架率、新增机柜数。而随着电力配额与算力资源的中选机制逐步落地，这一套定价逻辑正在被系统性改写。中游环节的角色，正从“ capacity 提供者”转向“稀缺资源运营者”。

一、中选机制如何改变定价逻辑

所谓中选机制，本质是将数据中心项目所需的电力指标、能耗指标与算力资源纳入统一评审与配置框架。项目不再是“先建后找需求”，而是“先中选、后建设”。这一变化带来三重影响：

1. 定价锚点变化：过去数据中心定价主要锚定建设成本与机柜租金，竞争手段以压价换取上架率；中选机制下，能否获得电力与能耗指标成为前置条件，指标的稀缺性被计入定价，电力成本传导能力显著增强。

2. 收入结构变化：中选项目往往与AI算力需求直接绑定，客户从传统互联网租赁方转向大模型厂商与云厂商，算力服务定价参考GPU供给紧张程度，而非单纯的机柜单位成本。

3. 扩张节奏变化：无序扩张时代“先占资源、再谈客户”的模式结束，项目投产节奏与中选配额挂钩，行业进入“配额驱动”阶段。

这一传导链条可以概括如下：

二、从拼增长到拼稀缺：资源端的双重挤压

中游定价重构的背后，是两类资源同时走向稀缺。

电价稀缺。电力供给与能耗指标在多地上行约束趋紧，数据中心作为高耗能产业，获取低成本、绿色电力的难度上升。电价在数据中心运营成本中占比高，电价获取能力的差异，直接拉开了不同项目在中选评审与定价谈判中的位次。

算力与存储稀缺。AI训练与推理需求爆发，使高性能算力与配套内存、HBM资源持续紧张。参考3所揭示的行业现实是——内存涨价“看不到头”，甚至可能出现“有钱也买不到”的局面。存储短缺沿产业链向上传导：服务器整机成本抬升，单机柜算力服务定价中枢上移，数据中心议价能力被动增强。

二者的叠加，使中游定价从“成本加成”逻辑切换为“资源稀缺溢价”逻辑：

三、定价重构的分层结构

新定价逻辑下，数据中心价值呈现清晰的层级：底层是电力与能耗指标的获取，中层是算力配额与中选资格，顶层是面向AI客户的算力服务溢价。越靠近底层，稀缺性越强、定价权越稳固。

四、产业影响展望

中选机制与资源稀缺的重叠，正在重塑中游竞争的三个维度：

• 行业集中度提升。具备电力资源、指标获取与客户绑定能力的头部企业，将在中选竞争中持续胜出；缺乏资源禀赋的中小项目面临出清或被整合。
• 定价波动性上升。算力、内存与电价的周期错位，使数据中心服务价格短期波动加大，长协与预付模式的重要性提升。
• 无序扩张时代结束。从“拼增长”到“拼稀缺”的转变，意味着行业增长由需求单轮驱动，转为“需求×资源配额”双轮约束。参考3所述的存储短缺若延续，将进一步强化这一约束，中游定价权向资源掌控者集中的趋势难以逆转。

总体而言，中游正在经历从规模竞赛到稀缺资源运营的范式切换。中选机制确立了新的游戏规则，电价与算力、存储的稀缺性则成为新规则下定价的核心变量。理解这一重构，是判断下游算力成本与上游AI需求传导的关键一环。

下游：开源模型垂直落地

4.1 开源RNA基础模型：国产团队的生命科学突破

近期，我国科研团队发布了开源的核糖核酸（RNA）序列基础模型，这是国产大模型向生命科学等科研场景渗透的标志性事件。RNA序列基础模型以海量核酸序列数据为训练语料，通过大规模预训练学习序列的结构与功能规律，可在 RNA 结构预测、功能位点识别、mRNA 疫苗与药物设计等任务中提供通用底座能力。

选择开源路径具有双重意义。其一，生命科学研究高度依赖学术共同体的协作与验证，开源能够快速吸引全球科研用户、积累真实场景反馈，形成“模型—数据—应用”的正向循环；其二，在通用大模型竞争格局相对固化的背景下，垂直科研领域为国产团队提供了差异化突围的窗口，模型权重开源降低了高校、医院与生物医药企业的使用门槛，加速了从论文到实验的转化链条。

4.2 大模型向科研场景渗透的产业逻辑

生命科学是大模型垂直化落地的典型场景。相比通用对话与内容生成，科研场景有三大特征：数据专业性强、验证周期长、对准确性与可解释性要求高。这决定了科研大模型难以靠“百模大战”式的参数竞赛取胜，而更依赖领域数据积累、专家标注体系与实验闭环。

从产业链视角看，这一渗透呈现出清晰的传导结构：上游算力与存储资源的供给变化（如数据中心从拼增长转向拼稀缺的定价逻辑转变、内存价格持续上行），决定了垂直模型的训练与推理成本；中游基础模型团队通过开源降低分发成本；下游科研机构与药企以场景数据完成最后一公里的价值兑现。垂直模型由此成为大模型应用落地的新路径——它以更小的模型规模、更聚焦的任务边界，换取更高的准确率与更低的部署成本，规避了与头部通用模型的正面竞争。

4.3 垂直落地的支撑与约束

垂直模型的商业化落地，离不开上游资源的稳定供给。当前数据中心电力与算力资源的定价正告别无序扩张阶段，从“拼增长”转向“拼稀缺”，稀缺算力将优先向高附加值场景倾斜；生命科学这类高价值垂直场景，恰恰具备承担稀缺算力成本的支付能力，成为算力分配格局中的受益方。

与此同时，约束条件同样清晰。存储与内存价格持续上行且短期看不到尽头，“有钱也买不到”的局面可能推高垂直模型的数据存储与推理部署成本；科研数据的合规与隐私要求，也对模型训练数据的获取构成制度性边界。综合来看，开源加垂直的组合正在成为国产大模型应用落地最具确定性的路径之一，其成色最终取决于领域数据、算力成本与实验验证闭环三者的持续匹配。

数据与竞争态势

一、三条线索，一个产业

观察AI产业链的竞争强度，可以从三条相互印证的数据线索入手：存储厂商的资本开支反映上游供给意愿，数据中心的上架率与电价反映中游算力消化能力，开源模型的下载与生态指标则反映下游应用的繁荣程度。三条线索共同勾勒出当前产业链“上游紧、中热、下活”的整体格局。

二、存储：涨价周期中的资本开支博弈

存储环节正处于典型的供给约束阶段。从行业动态看，内存价格持续上行，“有钱也买不到”的预期开始在产业链流传，反映出原厂产能向HBM等AI相关品类倾斜后，传统DRAM与NAND供给被压缩的结构性现实。

在此背景下，存储厂商的资本开支决策成为关键变量。历史经验表明，存储是强周期行业：涨价刺激资本开支扩张，扩产落地又往往导致供给过剩与价格反转。但本轮周期有所不同——HBM对先进制程与封装能力要求极高，产能爬坡周期长，且大量产出被头部云厂商以长约锁定，这意味着即便厂商加大投入，短期内也难以缓解现货市场紧缺。竞争强度因此呈现两极：在HBM等高端品类，竞争是技术壁垒与客户绑定之争；在常规品类，竞争则是存量产能分配之争。对下游整机与服务器厂商而言，成本压力正在向上传导受阻后转为自身利润挤压。

三、数据中心：从拼增长到拼稀缺

中游算力环节的竞争逻辑正在发生质变。随着数据中心相关定价机制的规范化调整，行业告别了过去无序扩张、“跑马圈地”式的增长模式，转向以资源稀缺性为核心的竞争格局。

这一转变体现在三个数据维度：

上架率：核心区域优质机柜资源持续紧俏，头部数据中心上架率维持高位，而部分偏远地区项目则面临上架缓慢的压力，区域分化明显。

电价：电力成本占数据中心运营成本的比重持续上升，能耗指标成为新建项目的硬约束。能够获取低成本绿电与稳定电力供应的运营商，在竞争中占据显著优势；PUE（电能利用效率）监管趋严，进一步抬高了竞争门槛。

定价机制：中选机制的引入使数据中心项目获取从“关系驱动”转向“指标驱动”，价格发现更加透明，行业集中度有望提升。具备能效、技术、资金综合优势的头部厂商将获得更多份额，中小运营商则面临转型或退出压力。

四、开源模型：生态指标成为竞争新维度

下游大模型环节，开源已成为主流竞争策略。开源不等于免费奉献，而是一种以生态换影响力的商业选择：模型厂商通过开放权重获取开发者心智，再以API服务、企业版、工具链等实现商业化。

衡量开源竞争强度，可关注三类生态指标：

• 下载量：反映模型的触达广度。开源模型发布后下载量快速攀升，已成为开发者获取基础能力的首选路径。国内科研团队亦持续发布开源基础模型，覆盖蛋白质序列等垂直科学领域，显示开源范式正从通用语言模型向专业学科模型延伸。
• 衍生模型数量：基于开源基座微调出的下游模型越多，说明其作为“生态底座”的地位越稳固，网络效应越强。
• 开发者活跃度：社区讨论、问题修复速度、工具链完善程度，决定了模型能否从“下载热”转化为“使用黏性”。

五、竞争格局定位

将产业链主要环节置于“技术门槛—商业价值”坐标系中，可以直观呈现各环节的竞争位置：

六、小结

综合来看，产业链各环节的竞争强度均处于历史高位，但竞争的“货币”已经改变：上游比拼产能与技术卡位，中游比拼能耗指标与电力资源，下游比拼开发者生态。数据——无论是存储价格、上架率电价，还是下载量衍生数——正成为判断竞争态势最可靠的标尺。对产业参与者而言，理解这些数据背后的结构逻辑，比追逐单点热点更为重要。

趋势判断与建议

6.1 三线并行的产业格局

综合前几章的分析，AI产业链正呈现“上游稀缺化、中游规范化、下游开源化”三线并行的演进格局。三条主线相互牵引：上游算力与存储资源的稀缺性抬高了进入门槛，中游定价与监管的规范化重塑了竞争规则，下游开源生态的繁荣则降低了应用侧的创新成本，三者共同决定了未来2-3年产业价值的分配方向。

上游层面，资源稀缺是最确定的中期趋势。参考素材显示，数据中心定价逻辑已发生根本转变——中选机制落地后，行业从“拼增长”转向“拼稀缺”，告别无序扩张时代；与此同时，内存涨价“根本看不到头”，市场甚至可能出现“有钱也买不到”的局面。这表明上游供给约束将在相当长时期内成为产业链的定价锚点。

中游层面，规范化进程加速。算力资源通过中选机制统一配置，定价从粗放式增长转向精细化稀缺定价，数据中心建设从规模竞赛转向效率与合规竞赛。

下游层面，开源化趋势明确。我国科研团队发布开源核糖核酸序列基础模型，标志着开源范式正从通用语言模型向生物科学等垂直领域纵深渗透，垂直模型商业化路径日益清晰。

6.2 关键变量的研判

存储扩产节奏：本轮存储涨价的核心逻辑是AI服务器对高带宽内存（HBM）需求的爆发性增长，叠加传统产能向HBM迁移带来的结构性缺口。从产业周期看，存储扩产存在12-18个月以上的建设滞后，短期内供给弹性有限。判断：涨价周期尚未见顶，2026年上半年供需仍将偏紧；对采购方而言，锁定长协产能比等待价格回落更符合现实。

算力定价政策：中选机制的推广意味着算力作为新型基础设施被纳入统一规划，定价将更多反映资源稀缺度与能效水平。判断：政策导向是“总量可控、结构优化”，头部智算中心将获得稀缺溢价，低效产能面临出清；算力价格不会单边下行，区域与算力类型间的价差将持续扩大。

垂直模型商业化：开源基础模型在RNA序列等科学领域的落地，验证了“通用底座+垂直微调”路线的可行性。判断：垂直模型将是未来两年商业化确定性最高的方向，其价值在于领域数据壁垒与场景闭环能力，而非模型参数规模。

6.3 产业生态定位

从技术门槛与商业价值两个维度看，产业链各环节的竞争位置正在分化：

产业链价值正从“看得见的模型层”向“看不见的资源层”迁移：

6.5 建议

对产业投资者：优先关注上游稀缺环节（HBM产业链、中选算力资源），存储供需缺口在扩产落地前难以缓解，是确定性最高的配置方向；同时警惕存储涨价对整机与终端成本的传导风险。

对模型与应用企业：押注垂直场景，以领域数据与开源底座构建差异化能力，避免与通用大模型正面竞争；提前锁定算力与存储资源，将供应链成本纳入模型商业化测算。

对政策与园区运营方：顺应“拼稀缺”的定价逻辑，引导数据中心从规模扩张转向能效与利用率考核；支持开源垂直模型在科学、医疗等领域的合规试点，培育本地数据要素生态。

风险提示：需持续跟踪存储扩产超预期、算力定价政策调整、开源模型商业化不及预期三类变量，三者任一发生变化都可能改变产业链价值分配的既有判断。

总体而言，AI产业链正在完成一次从“应用驱动”到“资源约束下的应用驱动”的范式切换。理解稀缺、规范、开源三线交汇处的结构性机会，是把握下一阶段产业红利的关键。