摩根士丹利：AI瓶頸從算力轉向存儲
Taylor Wilson
摩根士丹利最新報告指出，AI產業的核心瓶頸正從GPU算力轉向存儲帶寬與容量——存儲支出佔雲廠商資本開支的比重將從12%升至40%，這意味着下一輪AI基建競賽的主戰場已經換道。
算力夠了，為甚麼AI還是跑不動？
處理器性能持續攀升，但存儲跟不上：DDR5單通道帶寬兩年僅增約14%，同期全球AI推理Token生成量卻暴增超320倍。
這意味着→ 瓶頸已不是「算得不夠快」，而是「數據餵不進去、搬不出來」——容量不足、帶寬受限、成本高企三重卡脖子。
用大白話說＝ GPU是引擎，存儲是油管。引擎再猛，油管太細，車還是跑不快。
錢要往哪裡流？市場規模有多大？
摩根士丹利預計到2030年，Agentic AI（能自主執行任務的AI代理）將貢獻全球DRAM新增需求的26%至77%。
雲端存儲支出將增至4180億美元，2026至2030年複合增速約8%；存儲在雲廠商資本開支中的佔比將從12%升至40%。
不含HBM（高帶寬存儲器）的新型存儲技術市場規模將從2025年的12億美元擴至2030年的230億美元；若計入HBM，2030年整體規模有望達2760億美元。
這意味着→ 投資邏輯正從「買GPU」擴散到「買整條存儲生態鏈」。
六大技術方向，哪些最值得盯？
先進製程：DRAM進入1γ節點（最先進的製造工藝代），三星、SK海力士、美光均已啟動量產；NAND邁入200至300層時代，路線圖指向2030年前突破1000層。
先進封裝：HBM路線圖推進至HBM4/HBM4E，預計2027年16層HBM4E量產後單棧帶寬達1.5至2TB/s以上；晶圓級堆疊市場預計從2025年的1000萬美元增至2030年的98億美元，年複合增速322%。
存儲架構創新：PLC NAND、3D DRAM、高帶寬閃存（HBF，SanDisk推出，可提供最高4TB顯存容量）等新架構正在湧現，但3D DRAM完整量產仍需時間。
互連和存算一體——為甚麼被單獨拎出來？
外圍互連晶片：MRDIMM可將有效帶寬提升至DDR5原生頻率的兩倍；CXL（一種借助PCIe實現內存擴展的協議）市場被大幅上調——2030年CXL MXC晶片規模從9.9億上調至21億美元，交換晶片從6.64億上調至19億美元。
存算一體（PIM/CIM，把計算直接搬進存儲晶片裡）：三星HBM-PIM和SK海力士GDDR6-AiM已商業化，實驗數據顯示平均內存訪問延遲降低逾50%，部分場景性能提升最高16倍，能效提升超80%。
這意味着→ 解決存儲墻不只是「造更大的記憶體」，還要讓數據少搬家、搬得快。
摩根士丹利的核心結論是甚麼？
報告的一句話總結：GPU決定AI跑多快，內存系統決定AI走多遠。
下一輪AI基礎設施競爭，將越來越取決於誰能率先突破存儲這一系統性瓶頸。
這反映出 存儲產業鏈各細分方向的資本開支與技術進展，正在成為衡量AI擴張能力的新核心變量——不再只看誰的GPU最強。
Content is for reference only, not financial advice.