大摩：AI 記憶體短缺將持續數年 三大路徑破局 儲存與異構算力迎結構性機會

智通財經APP獲悉，摩根士丹利發佈半導體行業研報指出，DRAM記憶體短缺將貫穿本輪AI產業週期，而AI算力擴張不會等待新晶圓廠建成投產。行業正通過硬體降配、推理架構解耦、CXL記憶體池化三大技術路徑繞過記憶體瓶頸，在供給約束下持續推進算力建設。該行繼續看好美光(MU.US)、閃迪(SNDK.US)等存儲龍頭，同時看好CXL互聯、異構推理賽道的增量機遇，推薦Astera Labs(ALAB.US)、Marvell(MRVL.US)、Cerebras(CBRS.US)及英偉達(NVDA.US)。

大摩強調，當前AI記憶體短缺並非短期擾動，而是算力性能增長遠超記憶體供給速度的結構性矛盾。前沿大模型規模每6個月翻一番，頭部模型上下文視窗年增速達5-6倍，疊加推理並發需求持續提升，記憶體容量與頻寬需求持續爆發。而DRAM晶圓廠建設週期長達數年，供給彈性極低，短缺格局將持續數年。英偉達CEO黃仁勳也公開表示，行業需要轉變思路，通過架構創新應對記憶體約束，而非單純等待產能擴張。

面對HBM與主存供給緊張，行業最直接的應對方式是選擇性降低單設備記憶體規格(De-speccing)。以英偉達Rubin架構為例，單機架LPDDR5容量從原計劃54TB降至28TB，單GPU HBM容量從288GB下調至192GB，通過降低記憶體堆疊高度保障整機出貨量。大摩指出，降配並非消除記憶體瓶頸，而是將壓力在記憶體層級間轉移：削減高速本地記憶體後，KV快取等非高頻數據向NAND存儲下沉，同時跨GPU數據交互增加，帶動對網路互聯頻寬的需求，本質上是以更高速的網路互聯、更低成本的存儲資源，補充稀缺的高頻寬記憶體。

第二條破局路徑是推理架構解耦(Disaggregation)。AI推理包含預填充(Prefill)與解碼(Decode)兩個差異顯著的階段：Prefill以算力消耗為主，Decode則高度依賴記憶體頻寬。傳統架構用同一加速器兼顧兩類任務，資源利用率偏低。當前行業正加速走向異構推理，將兩個階段拆分至不同硬體：算力密集型Prefill由通用GPU承擔，記憶體頻寬密集型Decode則由搭載大容量片上SRAM的專用加速晶片處理。

典型代表包括Cerebras的晶圓級引擎、英偉達收購的Groq LPU架構，均能在解碼階段提供遠超傳統GPU的記憶體頻寬效率。大摩認為，異構推理將成為AI基礎設施的重要演進方向，專精解碼環節的算力廠商將獲得明確的增量市場。

第三條路徑是CXL技術重構記憶體體系。CXL(計算高速互聯)通過高速互聯實現記憶體的擴展、共享與池化，讓記憶體不再綁定單一處理器，成為突破記憶體容量約束的核心技術路徑。大摩測算，AI需求將推動CXL及相關記憶體附加晶片市場規模在2030年達到約60億美元，遠超傳統CPU記憶體擴展市場體量。其核心價值在於構建分層記憶體架構：最高頻數據保留在HBM，次高頻數據放入CXL記憶體池，低頻冷數據下沉至NAND，用成本梯度匹配數據存取頻率。

投資主線方面，大摩重申三大方向：一是繼續超配美光、閃迪，降配源於供給短缺而非需求走弱，AI記憶體需求長期向上，供給缺口將持續消化產能；二是布局CXL與scale-up互聯龍頭Astera Labs、Marvell；三是關注異構推理受益者Cerebras，以及通過收購Groq完善異構佈局的英偉達。

風險提示：AI算力需求增速不及預期；CXL技術落地進度慢於預期；記憶體產能擴張超預期。