社区

近两年，AI硬体市场从「有钱难买GPU」的短缺时代，迅速走向产能爬坡、玩家增多、价格博弈加剧的新阶段。从上游晶片设计与制造商，到中游伺服器与整机厂，再到下游云端服务与AI算力平台，各环节都感受到毛利率被挤压的压力。表面看是「卷价格」，本质却是谁来承担成本、谁掌握议价权的博弈：云厂商希望把成本压回上游芯片商，芯片商则试图把议价优势牢牢握在自己手中，在高研发投入与产能扩张之间寻找平衡。

AI大模型浪潮初起时，高性能GPU和AI加速卡属于稀缺资产，头部芯片商凭借技术与生态优势，几乎可以开出「卖方市场」的条件。云厂商与大模型公司为了抢算力，愿意接受较高的采购价格，并将成本转嫁到最终租用云端算力的客户身上，那是一段「价格谈不下来也得买」的日子。然而，随著制程成熟、产能逐步释放，以及越来越多竞争对手推出自研或替代方案，供需关系开始微妙地转变：不再是单一供应商掌控一切，云厂商手里也有了更多选项。

在这样的拐点上，价格战几乎是必然结果。一方面，芯片商为了巩固市占率，会针对大客户给出更具吸引力的折扣和配套方案，例如绑定多代产品采购、搭售软体工具和生态服务；另一方面，云厂商之间的竞争也异常激烈，每家都希望用更便宜的算力单价、更多的免费试用和补贴，来锁定AI创业公司和企业客户。于是，从上游到下游，价格开始一层层往外扩散，而毛利率的压力，也同步一层层向内传导。

对云厂商而言，AI算力既是招牌，也是烧钱的战场。一方面，它们必须不断「卷价格」：推出更低的按时计费、更便宜的包年包月，甚至搞出「算力券」「模型训练补贴」等促销手段，以防优质客户流向竞争对手；另一方面，云业务又往往被视为公司整体增长与盈利的重要引擎，管理层在财报上也要向资本市场交代毛利率和ROIC，这就形成了天然的拉扯。

在价格传导的链条上，云厂商处在中游的位置，既要承接上游芯片商的采购成本，又要面对下游客户「只认最低价」的残酷现实。于是，它们会采取几种典型策略：其一，通过规模采购与长单协议向上游压价，用「我帮你锁定多年需求」换取更低单价；其二，通过产品打包与分层定价，把最顶规的GPU算力产品维持较高毛利，同时用中端或混合算力方案打价格战；其三，强调「总拥有成本」（TCO），把自家在网路、存储、开发工具、代训服务上的优势一起捆绑，弱化客户对单纯硬体单价的关注度。

芯片商的研发成本与议价权

与云厂商相比，上游芯片商在技术和产品上的壁垒更高，但在价格博弈中并非永远居于不败之地。一颗高端AI芯片背后，是巨额研发开支、长周期设计验证以及先进制程成本，这意味著芯片商对毛利率的敏感程度极高：一旦为了抢单而无底线降价，短期或许能稳住出货量，长期则可能拖累新一代产品的研发投入，甚至削弱自身的技术领先优势。因此，芯片商在面对云厂商压价时，更多会选择「精细区分」而不是「全面妥协」。

具体来看，它们会把握几条防线。第一，对于巿场最前沿、供给仍然偏紧的旗舰产品，坚持相对稳定的定价，以技术性能与能效优势作为支撑，避免陷入低价竞争；第二，对于成熟一代或中端产品，主动下调价格、推出大客户项目折扣，用「楼梯式」价格体系拓展巿场深度；第三，透过软硬一体化方案、开发者生态与专有软体工具，提升客户的转换成本，让议价不再只围绕「每颗芯片多少钱」展开，而是围绕整体解决方案的价值展开。

在与云厂商的博弈中，芯片商也会试图把部分价格压力再向更上游的晶圆代工与封测环节转移，要求产能合作伙伴给出更具竞争力的价格，以维持自身毛利率水准。但这一传导链条并非单向，当整个行业对高端产能的需求依然旺盛时，上游代工厂同样具备议价能力，芯片商便不得不在「维持供应稳定」与「压低制造成本」之间做艰难平衡。

义合控股投资者关系部

(芯片与算力系列之31)

‌$Advanced Micro Devices(AMD)$  ‌‌$Intel(INTC)$  ‌‌$NVIDIA(NVDA)$  ‌‌$Taiwan Semiconductor Manufacturing(TSM)$  ‌‌$Metax Integrated Circuits (Shanghai) Co., Ltd.(688802)$  ‌‌$Gd Power Development Co.,Ltd.(600795)$  ‌