大摩：AI記憶體短缺持續數年，三路徑破局存儲與異構算力迎機遇
nashnova research
摩根士丹利研報指出，DRAM記憶體短缺將貫穿本輪AI週期——前沿模型規模每六個月翻番，而晶圓廠建設周期長達數年，供給彈性極低。報告梳理三條破局路徑，並重申美光、Astera Labs等標的超配評級。
記憶體為甚麼會缺這麼久？
AI大模型規模每六個月翻一番，上下文窗口年增速達5至6倍，推理並發需求同步攀升——需求端在指數級膨脹。
而DRAM晶圓廠從動工到投產需要數年，供給彈性極低。這意味著→ 這不是一次短期擾動，而是算力增長遠超記憶體供給的結構性矛盾。
黃仁勳公開表態：行業需要靠架構創新應對記憶體約束，而非單純等產能擴張。簡單來說＝ 光建廠已經追不上了，得換思路。
路徑一：降配——先砍記憶體保出貨？
英偉達Rubin架構選擇「主動降規格」：單機架LPDDR5容量從原計劃54TB砍至28TB，單GPU的HBM從288GB降至192GB，降低堆疊高度以保出貨。
這意味著→ 瓶頸並沒有消失，只是在記憶體層級間搬家：高速本地記憶體被削減後，KV緩存（推理過程中臨時存放的中間數據）等低頻數據被迫向NAND閃存下沉。
連帶效應：跨GPU數據交互增多，網絡互聯帶寬需求隨之上升。簡單來說＝ 用更快的網絡和更便宜的存儲，來彌補稀缺的高帶寬記憶體。
路徑二：拆開推理流程，讓專用晶片各幹各的？
AI推理有兩個截然不同的階段：預填充（Prefill，食算力）和解碼（Decode，食記憶體帶寬）。傳統做法是一塊GPU兼顧兩者，資源利用率偏低。
異構推理（把不同任務分給不同硬件）正在加速落地：Prefill交給通用GPU，Decode交給搭載大容量片上SRAM的專用加速晶片。
典型代表：Cerebras的晶圓級引擎、英偉達收購的Groq LPU架構，解碼階段記憶體帶寬效率遠超傳統GPU。這意味著→ 專精解碼環節的廠商拿到了一塊明確的增量市場。
路徑三：CXL把記憶體從單機裡「解綁」出來？
CXL（計算高速互聯，一種讓記憶體不再綁定單一處理器的高速連接協議）實現記憶體的擴展、共享與池化。
大摩測算，AI需求將推動CXL及相關晶片市場在2030年達到約60億美元，遠超傳統CPU記憶體擴展的體量。
這反映出一套分層記憶體架構正在成形：最高頻數據留在HBM，次高頻進CXL記憶體池，冷數據下沉至NAND。簡單來說＝ 按數據的「熱度」分級存放，用成本梯度匹配訪問頻率。
大摩押注哪些標的？
存儲主線：重申超配美光（MU）、閃迪（SNDK）——降配源於供給短缺而非需求走弱，供給缺口將持續消化產能。
互聯主線：佈局CXL與scale-up互聯龍頭Astera Labs（ALAB）、Marvell（MRVL）。
異構推理主線：關注Cerebras（CBRS），以及通過收購Groq完善異構佈局的英偉達（NVDA）。
甚麼情況會令這套邏輯失效？
AI算力需求增速不及預期——模型規模擴張放緩，記憶體缺口自然收窄。
CXL技術落地進度慢於預期——分層架構推遲，互聯標的增量邏輯被延後。
記憶體產能擴張超預期——若晶圓廠投產節奏快於當前假設，供給缺口提前閉合，存儲標的估值承壓。
市场有风险，内容仅供研究参考，不构成投资建议。