OC
AI 抢走内存产能后,便宜手机先消失:印度市场正在替数据中心买单
科技 · 2026-07-19 · 硬件 / 消费科技 · 阅读 16

AI 抢走内存产能后,便宜手机先消失:印度市场正在替数据中心买单

陈墨|OC 产业与资本编辑

陈墨|OC 产业与资本编辑

据 TechCrunch 报道,Counterpoint Research 统计印度智能手机第二季度出货量同比下降 10%,是六年来最差的第二季度。其中低于 1.5 万卢比、约 150 美元的机型出货量下降 45%。分析机构认为,AI 数据中心带动的内存需求和印度卢比走弱共同推高了手机成本。

一句话结论: AI 公司并不是直接把手机用的内存条搬进服务器,而是高利润 HBM 和服务器内存吸引厂商调整产能与投资,普通 DRAM、NAND 供应随之紧张;利润最薄的入门手机无法消化涨价,所以最先缩减配置、涨价或退出市场。

一部手机里的 RAM、闪存,与 Nvidia 加速卡旁边的 HBM 并不是同一种产品。但它们共享三星、SK 海力士、美光等供应商的资本、晶圆厂、封装能力和工程资源。厂商看到 AI 客户愿意为高带宽内存支付更高价格,自然优先扩张利润更高的产品线。

产线不能一夜之间从手机闪存切成 HBM,供应关系也不是简单的一换一。可当未来投资、先进工艺和封装资源向 AI 倾斜,消费电子内存的供给弹性就会下降。手机厂商要么接受更高采购价,要么减少内存和存储容量,要么把价格传给消费者。

为什么印度先感到疼

印度约 60% 的智能手机市场集中在 2 万卢比以下,也就是大约 210 美元以内。这个价位的硬件利润很薄,一次几十美元的组件变化可能决定整机是否还能赚钱。

旗舰机价格更高,内存涨价占整机成本比例较小,厂商还能通过服务收入、品牌溢价或长期分期消化。150 美元手机没有这些空间。Counterpoint 数据显示,低于 1.5 万卢比的机型出货量同比下降 45%,远高于整体市场跌幅。

消费者并没有停止需要手机,而是在延长换机周期。研究人员预计,印度平均换机时间可能从约 3.5 年拉长到 4 年;部分用户转向二手设备,另一些人索性贷款购买更高端、使用寿命更长的产品。

内存涨价如何从晶圆厂传导到手机价格与换机周期

“市场升级”可能只是买不起便宜机

行业报告喜欢把高端机占比增加称为 premiumization,听起来像消费者主动追求更好体验。可如果低价机因为成本上涨减少供应,而高端用户更有能力继续购买,平均售价自然会上升。它并不一定说明所有人都变富了。

第二季度,三星是印度主要品牌中少数实现增长的厂商,出货量同比增加 2%。苹果下降 3%,报道认为更多来自库存和供应限制。依赖入门与中端市场的中国品牌合计份额降至 2020 年以来同期最低水平。

这也会改变品牌结构。大厂可以用更大采购量锁定内存供应,也能在多个价位间调整利润;小品牌和子品牌需要足够销量才能分摊渠道、营销和软件成本。市场萎缩后,一些品牌会减少机型、退出地区,最终让消费者选择更少。

手机会不会一直越来越贵

IDC 与 Counterpoint 都认为内存紧张不会很快结束。IDC 此前指出,AI 基础设施与消费设备正在竞争 DRAM 和 NAND 产能,并预计低端设备受冲击最重。Counterpoint 曾估算,内存价格进一步上涨可能让整机物料成本增加 8% 至 15% 以上。

TechCrunch 引述分析师称,印度手机具体型号涨价幅度从 4% 到 68% 不等。这个区间很大,不能当作所有手机平均上涨 68%。不同机型可能同时经历内存、汇率、促销退出和配置变化。

厂商还会用不容易被标题捕捉的方式应对:基础款重新回到 6GB RAM、存储容量下降、更新周期拉长、摄像头和屏幕规格缩水,或者减少折扣。用户支付的代价不一定全写在标价上。

这和“端侧 AI 手机”还有一处矛盾

手机厂商一边宣传端侧大模型需要更大内存和更高带宽,一边又因内存涨价压缩入门机配置。Counterpoint 认为,中端设备采用高级 NPU 和端侧生成式 AI 的速度可能因此推迟两到三年。

结果可能是 AI 形成新的数字鸿沟:高端手机有足够 RAM 在本地运行模型,低端手机只能依赖云端,承担网络、延迟和隐私成本。数据中心抢走产能后,又通过云服务把 AI 卖回给买不起高端设备的人。

OC 判断

把所有手机下滑都归咎于 AI 也不准确。印度卢比走弱、需求周期、库存和品牌策略都在起作用。但 AI 基础设施对内存投资方向的改变已经从服务器行业传到消费电子,低价市场提供了最清楚的压力测试。

这条新闻最值得记住的不是某个季度少卖了多少台,而是 AI 建设成本并不只出现在云厂商财报里。它会通过电力、内存和供应链,转化成普通人更贵的电脑、更小的手机存储和更长的换机周期。

关键事实

  • 印度第二季度智能手机出货量同比下降 10%。
  • 低于 1.5 万卢比的入门机出货量下降 45%,是受冲击最大的价位。
  • AI 数据中心主要需求是 HBM 和服务器内存,但会影响厂商产能投资及普通 DRAM、NAND 供应。
  • 分析师预计印度换机周期可能从 3.5 年延长到约 4 年。
  • 汇率、库存和消费需求也影响市场,不能把全部跌幅只归因于 AI。

为什么重要

  • 对开发者: 端侧 AI 应用不能假设所有新手机都有更大内存,低端设备配置可能反向缩水。
  • 对企业: 面向新兴市场的产品需要重新评估设备寿命、云端回退和低内存体验。
  • 对用户: 延长换机、选择可长期更新的设备和二手机,可能比追逐当季 AI 功能更划算。

参考来源

相关阅读

基于标题、摘要和正文内容自动匹配。

更多科技

评论

围绕这篇文章补充信息、提出问题或分享观察。

0
暂无评论。

发表评论

继续看看 OC 用户围绕这个话题说了什么、做了什么。

相关帖子

更多

你们的Codex额度提前耗完了没?戒断反应如何?

<p>我在第三天就消耗了只剩1%,忍了一天,然后今天干脆用这最后的1%,开着5.6 Sol 极高 强推我一个提示词笔记本应用的功能落地。最终用时3小时,居然还是跑完了。但是现在还是出现一些戒断反应,感觉啥也做不了,就无精打采的,困。</p> <p>我做了一个Prompt Notebook,专门用来收藏或者记录自己手搓的生图提示词。带Chrome一键收藏插件。支持AI优化提示词。支持提示词中提取常用字段作为提示词百科词汇。也自带生图功能用来测提示词。但是要搭配Cloudflare R2+Worker的图床。</p> <p>今天主要是做一个AI模特的资产库。将常用的AI模特固定下来,进行身份设定,以及模特的一些角色定妆图。之后生图可以直接调用AI模特自动作为垫图。</p> <p>这是AI模特资产库的界面: <img src="/upload/thread/202608/42b5f73e-938f-45de-b74e-da69da9d72a8.webp" alt="1bb0d28b-c7dd-4327-bafa-26b60323cbed" /> 这是主界面的提示词瀑布流,支持关键词或标签搜索: <img src="/upload/thread/202608/3e15b6e7-345f-48b4-aeff-1bbd89afe9d3.webp" alt="ab998e2f-9ccc-4173-832f-223aa6c6fa81" /> 这是提示词笔记的预览界面,可以复制提示词,分享提示词,点击分享还有分享短链:(https://prompt.jintao.co.uk/share/20260806LfsmY) <img src="/upload/thread/202608/bab31972-0468-4582-b873-6309233254a6.webp" alt="20260806-201213" /> 可惜现在没额度了,我又不想换模型折腾。现在还有些界面细节和小功能需要落地完善,可能还要虫子要抓。弄好了,打算放GitHub开源。</p> <p>有朋友想试试的么?</p>

shynloc 2 4

奉劝大家不要移民了

<p>对于大多数人而言,移民就是悲剧。实在看不下去了,大家不要往火坑里面跳。 国内发展那么快,你出国去慢车道,消费又高,又存不下钱,又要拼命适应当地环境,何苦? 老老实实在大城市找工作,根据收入买房子上车就好。</p> <p>补充:大城市觉得房价太高太辛苦,就好好学好英语,美国远程回老家省会城市,拿同比一线的收入,三线城市的开销,岂不美哉?</p> <p>转文章: <a href="https://mp.weixin.qq.com/s?__biz=MzAxNTMxMTc0MA==&amp;mid=2651016481&amp;idx=1&amp;sn=6bde227438ea02e3da3673295821692e&amp;chksm=80721b32b705922448a9f8645e8d1a8450e57151b71e58beb64e0addf9485ad0b256a431d68b&amp;mpshare=1&amp;scene=1&amp;srcid=0530QgwbtdDlMP4ZG7Nkonpo&amp;pass_ticket=bz%2FdHaz2YWQrgwhgQlVVXt866SMnyXU53Dd0OzDmMc1uZeu0PqND%2FjdQ6fQk8Bdl#rd"> 中产阶级的地雷阵 #D03 </a></p> <p>更多文章:<a href="https://mp.weixin.qq.com/s?__biz=MzAxNTMxMTc0MA==&amp;mid=503532389&amp;idx=1&amp;sn=84ff5eefb88e1b17f9ec0efb0238140d&amp;chksm=00721d76370594601903172e49477ce0ed149a3ba1bdcb88a300b55c8c552a79ea31134216ae&amp;mpshare=1&amp;scene=1&amp;srcid=0719VQx1dNX5rlraUqjWtCFm&amp;pass_ticket=bz%2FdHaz2YWQrgwhgQlVVXt866SMnyXU53Dd0OzDmMc1uZeu0PqND%2FjdQ6fQk8Bdl#rd">列表</a></p>

halida 198 9

做 AI 语音产品时,授权、撤回和审计日志应该怎么落地?

<p>最近看到越来越多关于声音授权的讨论。对开发者来说,真正麻烦的往往不是“模型能不能模仿”,而是授权如何进入系统、生成结果如何追溯,以及授权撤回后该怎么办。</p> <p>我们在做 FlowSpeech 时也碰到过类似问题。我的体会是,不要把“用户勾选过同意”当成一个布尔字段,而应该把它做成一组可以审计的业务对象。</p> <h2>1. 把声音资产和授权分开</h2> <p>声音文件只描述技术属性,例如哈希、上传者、存储位置和创建时间。授权记录则至少要包含授权主体、用途范围、地域、有效期、来源证据和当前状态。这样同一份声音用于个人试听、商业广告、公开播客时,可以绑定不同的授权,而不是共用一个模糊的 consent=true。</p> <h2>2. 每次生成都保存授权快照</h2> <p>生成任务不要只引用当前授权 ID。授权内容以后可能变更,如果任务只查最新状态,历史结果就无法解释。更稳妥的做法是在任务创建时保存授权版本、文本哈希、声音版本、模型版本和操作者。生成出的音频再记录 artifact_id,并反向关联任务。</p> <p>我会把最小链路设计成:</p> <ol> <li>voice_asset:原始声音及版本;</li> <li>consent_grant:授权范围与证据;</li> <li>generation_job:请求参数和授权快照;</li> <li>audio_artifact:输出文件、校验值和公开状态;</li> <li>audit_event:谁在什么时候创建、下载、公开或撤回了内容。</li> </ol> <h2>3. 撤回不是简单删除一行</h2> <p>授权撤回后,系统至少要阻止新任务,并把相关公开音频进入下架队列。已经交付给客户的文件是否能删除,要按照合同和产品能力区分,不能在界面上承诺技术上做不到的“全球删除”。更现实的状态机是 active、suspended、revoked、expired,并明确每个状态允许哪些动作。</p> <h2>4. 对外展示也要可验证</h2> <p>除了后台日志,公开音频最好带上来源标记或可查询的生成记录。水印不是万能方案,但“可识别的音频 + 可验证的元数据 + 清晰的举报入口”组合起来,比一句“AI 生成”更有用。</p> <p>我们现在做的 <a href="https://flowspeech.io/zh">FlowSpeech</a> 主要解决上下文感知、情绪和停顿控制。越往产品化走,越觉得声音效果只是前半程,权限边界和可追溯性才决定这类工具能不能长期使用。</p> <p>大家在实际项目里会把授权证据放在业务数据库、对象存储,还是单独的审计系统?如果授权撤回,你们通常怎么处理已经生成并交付的音频?</p>

FlowSpeech 0 1