大摩：AI 內存短缺將持續數年 三大路徑破局 存儲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內存短缺將貫穿本輪AI產業周期，而AI算力擴張不會等待新晶圓廠建成投產。行業正通過硬件降配、推理架構解耦、CXL內存池化三大技術路徑繞過內存瓶頸，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 內存短缺並非短期擾動，而是算力性能增長遠超內存供給速度的結構性矛盾。前沿大模型規模每 6 個月翻一番，頭部模型上下文窗口年增速達 5-6 倍，疊加推理併發需求持續提升，內存容量與帶寬需求持續爆發。而 DRAM 晶圓廠建設周期長達數年，供給彈性極低，短缺格局將持續數年。英偉達CEO黃仁勛也公開表示，行業需要轉變思路，通過架構創新應對內存約束，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內存規格(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，通過降低內存堆疊高度保障整機出貨量。大摩指出，降配並非消除內存瓶頸，而是將壓力在內存層級間轉移：削減高速本地內存后，KV 緩存等非高頻數據向 NAND 存儲下沉，同時跨 GPU 數據交互增加，帶動對網絡互聯帶寬的需求，本質上是以更高速的網絡互聯、更低成本的存儲資源，補充稀缺的高帶寬內存。

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則高度依賴內存帶寬。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件：算力密集型Prefill由通用GPU承擔，內存帶寬密集型 Decode 則由搭載大容量片上 SRAM 的專用加速芯片處理。

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 的內存帶寬效率。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 技術重構內存體系。CXL(計算高速互聯)通過高速互聯實現內存的擴展、共享與池化，讓內存不再綁定單一處理器，成為突破內存容量約束的核心技術路徑。大摩測算，AI需求將推動 CXL 及相關內存附加芯片市場規模在 2030 年達到約 60 億美元，遠超傳統 CPU 內存擴展市場體量。其核心價值在於構建分層內存架構：最高頻數據保留在HBM，次高頻數據放入 CXL 內存池，低頻冷數據下沉至 NAND，用成本梯度匹配數據訪問頻率。

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內存需求長期向上，供給缺口將持續消化產能；二是佈局 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；內存產能擴張超預期。