Jefferies 阐述了 2027 年 AI 资本支出激增背后的数学逻辑。

共识预期，五家主要非中国内存厂商将在 2026 年实现 8010 亿美元收入，2027 年达到 1.234 万亿美元。

这意味着 54% 的跃升。

在方法 A 下，使用共识假设：- 内存收入中 AI 占比从 2026 年的 40% 上升至 2027 年的 80%- AI 在内存上的支出从 3200 亿美元增至 9870 亿美元- 内存占总 AI 资本支出的比例从 35% 升至 50%- 隐含美国 AI 资本支出：2026 年 9150 亿美元，至 2027 年接近 2 万亿美元

这相当于 AI 基础设施支出在一年内翻倍。

Jefferies 指出显而易见的风险：如果 AI 实验室的经济模型无法带来预期回报，那么如此规模的资本支出将变得极具挑战性。

方法 B 更为保守。应用 Jefferies 自身的 2027 年 50% 年同比价格上涨假设：- 隐含 AI 内存支出降至 4810 亿美元- 假设内存占 AI 资本支出的 40%- 隐含美国 AI 资本支出降至仍高达 1.2 万亿美元

无论哪种方式，当前的共识内存预测都嵌入了非常激进的 AI 支出假设。

内存价格和供应已迫使市场进行调整。据报道，NVIDIA 在 Vera Rubin NVL72 上将 SOCAMM 从 192 GB 降至 96 GB，以避免支付高企的 DRAM 价格。

高端云需求依然强劲，但消费电子领域正在抵制。价格似乎更接近于 2027 年上半年某个时点达到峰值。

该表格是对 AI 繁荣有多少已计入内存收入预测的有用现实检验。