AI基础设施的流行叙事是一场接力赛：先是GPU稀缺，接着内存拖累吞吐，再是CPU承压，最后存储告急。但价格数据显示这场接力真实却缓慢：有些部件先跌后涨，每个瓶颈都会冻结下一个环节的供应链，但滞后以年为单位，每一波都抬高了成本基线。

最初的冲击在2023年初属于GPU。ChatGPT发布后，采购方集中资金抢购GPU，按需租用的Nvidia H100价格一度超过每小时$9。这种单一狂热挤占了传统计算：2023年服务器出货量下降22%，跌回2018年以下水平，买家为了给GPU腾预算推迟了更新周期。内存厂商本已苦于疫情后过剩——行业损失超过$20b，被迫减产晶圆高达40%——又失去了本可吸收库存的服务器需求。

十八个月后，压力转移到内存。为了摆脱低迷并追逐AI利润，制造商将洁净室和光刻工具转向高带宽内存（HBM）。HBM每GB消耗的晶圆容量大约是标准DDR5的三倍，因此每产出一点HBM，就相当于减少三点传统供应。企业级固态硬盘（SSD）合同价在一个季度内上涨80%，美光报告的DRAM价格环比涨幅在60%区间。

到2025年底，智能体挤压了服务器CPU。训练集群的CPU与GPU配比通常是1:8，而智能体工作流倒置：自主系统把周期花在编译代码、调用工具和管理状态上，将配比推向1:1。英特尔报告服务器CPU平均售价同比上涨27%，但销量下降，并称有数十亿美元的Xeon需求未得到满足。

到2026年，短缺蔓延到海量存储。由于高速闪存价格高达每TB $150，云架构师不得不退而求其次，使用传统慢速硬盘（HDD）存储大规模训练数据湖。西部数据和希捷确认其2026年全部近线产能已售罄。

机箱之外，故事更直白：数据中心成本已升至每吉瓦$20b以上，其中电力系统占了预算一半；建造成本翻了三倍，达到每平方英尺$1,033（不含土地）。主变压器（GSU）交货周期接近三年，GE Vernova和西门子能源的涡轮机产量已售罄到2029年，订单排至2031年。

西门子的Barry Powell描述了这个双重困境：“你不建，会因失去市场份额而受损；你建太多，又会因固定成本而受损。”这就是物理硬件中的牛鞭效应：当价值链面临多年制造延迟，下游的突发需求会放大为上游滞后过度的反应。缓解一个瓶颈，压力就按可预测的延迟推向下一个环节。当浪潮最终破灭，长周期资本品将首当其冲，暴露在过剩中。

超过$2b的国内变压器扩建、下一代300层NAND工厂和新的涡轮机产线将在2027、2028年交付。如果终端软件收入跟不上每吉瓦$20b的设施投入，资本开支将面临经典的鞭梢断裂。