大摩：AI内存短缺持续数年，三路径破局存储与异构算力迎机遇
nashnova research
摩根士丹利研报指出，DRAM内存短缺将贯穿本轮AI周期——前沿模型规模每六个月翻番，而晶圆厂建设周期长达数年，供给弹性极低。报告梳理三条破局路径，并重申美光、Astera Labs等标的超配评级。
内存为什么会缺这么久？
AI大模型规模每六个月翻一番，上下文窗口年增速达5至6倍，推理并发需求同步攀升——需求端在指数级膨胀。
而DRAM晶圆厂从动工到投产需要数年，供给弹性极低。这意味着→ 这不是一次短期扰动，而是算力增长远超内存供给的结构性矛盾。
黄仁勋公开表态：行业需要靠架构创新应对内存约束，而非单纯等产能扩张。用大白话说＝ 光建厂已经追不上了，得换思路。
路径一：降配——先砍内存保出货？
英伟达Rubin架构选择"主动降规格"：单机架LPDDR5容量从原计划54TB砍至28TB，单GPU的HBM从288GB降至192GB，降低堆叠高度以保出货。
这意味着→ 瓶颈并没有消失，只是在内存层级间搬家：高速本地内存被削减后，KV缓存（推理过程中临时存放的中间数据）等低频数据被迫向NAND闪存下沉。
连带效应：跨GPU数据交互增多，网络互联带宽需求随之上升。用大白话说＝ 用更快的网络和更便宜的存储，来弥补稀缺的高带宽内存。
路径二：拆开推理流程，让专用芯片各干各的？
AI推理有两个截然不同的阶段：预填充（Prefill，吃算力）和解码（Decode，吃内存带宽）。传统做法是一块GPU兼顾两者，资源利用率偏低。
异构推理（把不同任务分给不同硬件）正在加速落地：Prefill交给通用GPU，Decode交给搭载大容量片上SRAM的专用加速芯片。
典型代表：Cerebras的晶圆级引擎、英伟达收购的Groq LPU架构，解码阶段内存带宽效率远超传统GPU。这意味着→ 专精解码环节的厂商拿到了一块明确的增量市场。
路径三：CXL把内存从单机里"解绑"出来？
CXL（计算高速互联，一种让内存不再绑定单一处理器的高速连接协议）实现内存的扩展、共享与池化。
大摩测算，AI需求将推动CXL及相关芯片市场在2030年达到约60亿美元，远超传统CPU内存扩展的体量。
这反映出一套分层内存架构正在成形：最高频数据留在HBM，次高频进CXL内存池，冷数据下沉至NAND。用大白话说＝ 按数据的"热度"分级存放，用成本梯度匹配访问频率。
大摩押注哪些标的？
存储主线：重申超配美光（MU）、闪迪（SNDK）——降配源于供给短缺而非需求走弱，供给缺口将持续消化产能。
互联主线：布局CXL与scale-up互联龙头Astera Labs（ALAB）、Marvell（MRVL）。
异构推理主线：关注Cerebras（CBRS），以及通过收购Groq完善异构布局的英伟达（NVDA）。
什么情况会让这套逻辑失效？
AI算力需求增速不及预期——模型规模扩张放缓，内存缺口自然收窄。
CXL技术落地进度慢于预期——分层架构推迟，互联标的的增量逻辑被延后。
内存产能扩张超预期——若晶圆厂投产节奏快于当前假设，供给缺口提前闭合，存储标的估值承压。
市场有风险，内容仅供研究参考，不构成投资建议。