蘋果為AI放出了通脹壓力

過去幾十年，硅谷最成功的敘事之一，是向世界兜售一個豐裕的未來。

摩爾定律是這則信條的物理化身，消費電子行業充當了這場“技術通縮”最忠實的布道者。美中不足的是，專業服務領域仍然長期受到“鮑莫爾成本病”的約束。于是，人們期盼這一輪AI將其一并拉入技術通縮的軌道。

然而，現實卻率先走向了另一個令人不安的方向。技術通縮的預期尚未兌現，資產通脹和生產要素通脹卻率先到來。

這個夏天，蘋果漲價了。Mac、iPad、HomePod乃至Vision Pro陸續調整售價，漲幅達20%；iPhone雖然暫時保持不變，但市場普遍預計，這只是時間問題。新一代iPhone為了支持完整Apple Intelligence體驗，需要12G以上的運行內存。它要與AI服務器爭奪產能。彭博預測，今年iPhone的平均售價，預計將上漲12%。

過去幾十年，蘋果擁有全球消費電子產業最強大的供應鏈管理能力，也是利潤率最高的終端廠商之一。當雷軍與余承東先后面對鏡頭大吐苦水的時候，市場相信蘋果會選擇吸收成本，占住市場。但現在蘋果公開宣稱，自己也頂不住了。

即將離任CEO的庫克，將這場成本沖擊形容為“百年一遇的洪水”。這位供應鏈大師感嘆，在四十多年的職業生涯中，從未見過如此迅猛的價格跳漲。另一位供應鏈管理大師馬斯克，也隨即附和稱，這是他見過的最猛烈的價格暴動。

這向整個消費電子行業釋放了信號。咨詢機構Counterpoint預計，其他品牌也將效仿蘋果，上調部分產品價格、縮減入門機型折扣，或將產品重心進一步向高端傾斜。

成本海嘯的源頭，在于AI數據中心那條近乎貪婪的需求曲線。過去幾十年，消費電子決定了半導體產業的發展節奏。整個產業鏈圍繞幾十億消費者運轉。最先進的工藝制程，往往最先裝進蘋果的手機里。如今，AI基建的巨額資本開支，正在吃掉消費電子賴以生存的生產要素，將成本壓力一路傳導到普通消費者的口袋。

蘋果正在尋找臺積電以外的代工備選，已經與英特爾談判了超過一年；但英特爾又被馬斯克的TeraFab項目“纏住”了。

現在，一切都得為AI讓路。將DRAM與NAND封裝成HBM與HBF，賣給算力饑渴的超大規模云廠商，以及大模型廠商，更具市場想象空間。越來越多的DDR5，都被拿去堆疊成了HBM；即便DDR5本身，也在AI推理的預填充階段找到了新場景。

市場研究公司TechInsights統計稱，DRAM內存和NAND存儲芯片的價格，在過去12個月內翻了四倍。這體現在美光最新的財報上，就是季度營收同比增長了346%，毛利率從39%狂飆至84.9%。

美光高管判斷，供應緊張的局面會一直持續到2027年以后。摩根士丹利預測，在這段時間里，消費電子產品被迫面對最高可能達15%的晶圓供應缺口。

算力繁榮已經從GPU全面擴散到內存、硬盤、CPU。緊缺與價格也是。無論是美國、韓國、日本還是中國，資本市場上的熱點，正在從芯片傳遞到半導體設備與能源設備，繼而傳導至關鍵材料、組件甚至組裝；其他資產已然失寵。

更大的沖擊還沒到來。美國已宣布用于數據中心的支出中，僅有很小一部分已經落實。而OpenAI和Anthropic預計在即將進行的IPO中籌集的資金，可能將進一步推動AI基建的浪潮。科技巨頭的們的現金流，正在迅速萎縮；SpaceX就算是發債，也要把AI基建繼續下去；就連財大氣粗的英偉達與谷歌都開始巨額債務融資。到2032年，美國AI基建的投入，預計將達到約8萬億美元，這筆錢能夠將紐約市所有的房地產買下5遍。

現任美聯儲主席沃什，曾在就任前撰文稱，“AI將成為一股顯著的通縮力量”。但現實數據狠狠地打了臉。美國5月整體通脹率重返4%以上。更多的生產要素正在通脹。高盛經濟學家預計，消費者電價將每年上漲約6%。局部的勞動力短缺，也在推高其他行業的用工成本。

也許，美聯儲與硅谷都沒有錯。作為一項通用技術，AI天然具有通縮屬性。但是，真正的問題在于時間，以及通往這一目的地的路徑如何跨越。

人們擔心，如果智能密度最高的token，其API價格繼續整體上漲；完成任務需要越來越多的token去反復推理、控制、校驗與修正，那么，AI相對專業服務人員的優勢就會消失，“鮑莫爾病”也就不會自行消失。瑞銀的經濟學家不得不修正預期，即使以最快時間表推進，AI也要至少兩三年后才能開始幫助降低通脹。

市場的機制，已經開始自行小幅修正。SK海力士計劃將部分HBM產能轉向標準的DRAM，因為目前兩者的毛利率已經出現了倒掛；硅谷巨頭也在更理性地看待tokenmaxxing競賽。

但是，稀缺的問題并沒有真正得以解決，漲價仍然會不斷以新的形式回到價格體系中。

一方面，AI的稀缺，不僅是技術性的稀缺，而且是制度化的稀缺。這一輪AI革命發生在一個供應鏈高度碎片化、全球制造產能無法高效流動的時代。

在黃仁勛提出的“五層蛋糕”理論里，能源、芯片與基礎設施是物理意義的稀缺，這也導致了最前沿的模型能力的稀缺。為此，Anthropic向SpaceX開出了高溢價的算力訂單，讓馬斯克打起了在太空大興土木的念頭。

另一方面，在很多開源模型的擁護者看來，相比不斷壓榨算力效率的中國AI公司，美國的AI發展模式更為“粗放”，毫不珍惜昂貴的GPU資源與HBM資源。這又導致了資本越來越密集。

不過，更準確地說，美國采取的是一種資本驅動、時間優先的發展模式。在資本充裕、融資能力強、領先者收益巨大的環境下，寧可投入更多GPU和HBM來縮短研發周期，也不愿為了提高資源利用率而犧牲速度。對OpenAI和Anthropic而言，模型發布時間本身就是競爭優勢的一部分。只要邊際效應仍然存在，那么為了進一步壓榨存量算力而放慢研發節奏，其機會成本可能遠高于新增采購成本。

閉源競爭進一步強化了這種資本投入模式。由于競爭對手的模型能力、訓練進度和下一代產品發布時間幾乎都處于保密狀態，沒有任何一家企業愿意率先放緩資本開支。一旦誤判競爭對手的進展，失去的可能不是幾個百分點的利潤，而是整個市場的領先地位。

中國開源模型的快速追趕，又進一步強化了美國搶占時間窗口的邏輯。從DeepSeek-R1到GLM-5.2，中國開源模型一次次打破了中美模型能力差距將持續擴大的預期。對于OpenAI和Anthropic而言，如果領先優勢不足以形成代際差距，就難以在開源模型面前，憑有限的性能優勢維持自己的商業定價能力。

幾乎所有通用技術革命，都伴隨著一次資本過度配置。鐵路如此，互聯網如此，今天的AI也未必例外。

資本往往先于生產率抵達未來，稀缺如今又先于豐裕到來。資本與生產要素的通脹，或許正是提前建設未來基礎設施必須支付的成本。

正如彼得·蒂爾的擔憂，真正令人不安，或許是AI幾乎成了唯一仍在高速前進的技術方向。過去由多個技術方向共同分享的資源，資本、人才、先進制造能力以及能源基礎設施，正在越來越多地圍繞這一項通用技術重新組織。這是一種不平衡的創新結構。

蘋果的這次漲價，或許會成為讓市場重新思考的契機：它愿意為這樣的未來，支付多高的價格。