2025年内存涨价风波/原因/由来/逻辑/内存分类

一蓑烟雨任萍生

1158人浏览 · 2026-01-20 17:09:28

一蓑烟雨任萍生 · 2026-01-20 17:09:28 发布

根据市场数据，2025年底服务器内存市场价相比2024年底同比上涨约1800%。需要说明的是，这一涨幅主要基于DDR4 16Gb内存模块的现货价格数据（从约3.2美元涨至62美元以上），不同规格、不同时期的价格波动存在差异，实际采购价格可能因品牌、容量、采购渠道等因素有所不同。
主要原因是由于AI产业兴起，HBM高带宽内存是AI推理卡和训练卡必备的芯片。三巨头（海力士、三星、镁光），这三家产能占全球DRAM市场的90%，100%垄断HBM生产。他们都去生产HBM了，导致其他内存产量降低，市场断供的一系列连锁反应。
初步预测，内存（DRAM）价格涨势预计将持续至2026年第三季度，之后可能进入高位震荡或涨幅收窄阶段，但年内出现明显回落的可能性较低。
在这里插入图片描述
接下来，各位发烧老爷们，一起回顾下目前计算机存储技术栈！

计算机存储技术分类表（含HDD及相关类别）

存储层级	具体技术	全称/说明	易失性	读写特性	主要应用场景	技术特点
RAM（内存）	SRAM	静态随机存取存储器	✅ 易失	高速读写	CPU缓存	6晶体管/bit，速度快、成本高
	DRAM	动态随机存取存储器	✅ 易失	可读写	主内存	1晶体管+1电容/bit，需刷新
	DDR SDRAM	双倍数据速率SDRAM	✅ 易失	可读写	PC/服务器内存	DDR4/DDR5等标准
	LPDDR	低功耗DDR	✅ 易失	可读写	移动设备	低功耗版本
	GDDR	图形DDR	✅ 易失	可读写	显卡显存	高带宽图形优化
	HBM	高带宽内存	✅ 易失	可读写	AI/超算芯片	3D堆叠，TB级带宽主要用于H100等专业卡
ROM（固件存储）	Mask ROM	掩膜只读存储器	❌ 非易失	只读（制造固化）	早期固件	完全不可改写
	PROM	可编程ROM	❌ 非易失	一次性写入	定制产品	用户可编程一次
	EPROM	可擦除PROM	❌ 非易失	紫外线擦除	早期BIOS	需紫外线照射
	EEPROM	电可擦除PROM	❌ 非易失	电擦写	配置信息	可字节级擦写
	NOR Flash	NOR闪存	❌ 非易失	随机读快	固件/启动代码	可执行代码
	NAND Flash	NAND闪存	❌ 非易失	块擦除	SSD/U盘/存储卡	容量大、成本低，M2也属于此类（物理接口不同）
外部存储设备	HDD	机械硬盘	❌ 非易失	机械寻道	数据存储/备份	磁记录，容量大、速度慢
	SSD	固态硬盘	❌ 非易失	电信号读写	系统盘/数据盘	NAND闪存，速度快
	光盘	光盘存储器	❌ 非易失	光学读写	软件分发/备份	CD/DVD/蓝光
	磁带	磁带存储	❌ 非易失	顺序读写	冷数据归档	容量极大、速度极慢
	U盘/存储卡	闪存盘	❌ 非易失	可读写	便携存储	NAND闪存移动版

关键说明

新增"外部存储设备"类别：HDD、SSD、光盘、磁带等虽然都是非易失性存储，但技术原理、物理结构、应用定位与RAM/ROM（半导体存储器）完全不同，因此单独归类。其中：

HDD：机械磁记录技术，属于传统外部存储
SSD：虽然使用NAND闪存（半导体技术），但作为完整存储设备，应用层面与HDD同属外部存储
光盘/磁带：光学/磁记录技术，属于离线或归档存储

技术归属关系：

NAND Flash（芯片）属于ROM技术范畴
SSD（设备）使用NAND Flash芯片，但作为存储设备归入外部存储
类似地，DRAM芯片是内存，内存条是模组，但都归入RAM类别

为什么这样分类：从技术原理看，RAM/ROM是半导体存储芯片技术，HDD是机械存储技术，两者属于不同技术分支；从应用层级看，RAM是内存，HDD是外部存储，在计算机存储体系中处于不同层级。

这样分类后，表格既覆盖了您之前讨论的RAM/ROM技术，也包含了HDD及相关存储设备，体系更完整。如果您需要了解某个具体技术的细节或应用案例，可以进一步说明。

2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

5分钟，我用claude code做了一个用例图生成器

2048 AI社区

Python 8天极速入门笔记（大模型工程师专用）：第三篇-列表与字典（Python核心数据结构，大模型必备）

对话历史：chat_history = [{"role": "user", "content": "你好"}, {"role": "assistant", "content": "你好！示例：prompts = ["a", "b", "c"]，print(prompts[0]) → 输出"a"，print(prompts[2]) → 输出"c"模型配置：model_config = {"model