摩根士丹利：AI瓶颈从算力转向存储
Taylor Wilson
摩根士丹利最新报告指出，AI产业的核心瓶颈正从GPU算力转向存储带宽与容量——存储支出占云厂商资本开支的比重将从12%升至40%，这意味着下一轮AI基建竞赛的主战场已经换道。
算力够了，为什么AI还是跑不动？
处理器性能持续攀升，但存储跟不上：DDR5单通道带宽两年仅增约14%，同期全球AI推理Token生成量却暴增超320倍。
这意味着→ 瓶颈已经不是"算得不够快"，而是"数据喂不进去、搬不出来"——容量不足、带宽受限、成本高企三重卡脖子。
用大白话说＝ GPU是发动机，存储是油管。发动机再猛，油管太细，车还是跑不快。
钱要往哪儿流？市场规模有多大？
摩根士丹利预计到2030年，Agentic AI（能自主执行任务的AI代理）将贡献全球DRAM新增需求的26%至77%。
云端存储支出将增至4180亿美元，2026至2030年复合增速约8%；存储在云厂商资本开支中的占比将从12%升至40%。
不含HBM（高带宽存储器）的新型存储技术市场规模将从2025年的12亿美元扩至2030年的230亿美元；若计入HBM，2030年整体规模有望达2760亿美元。
这意味着→ 投资逻辑正从"买GPU"扩散到"买整条存储生态链"。
六大技术方向，哪些最值得盯？
先进制程：DRAM进入1γ节点（最先进的制造工艺代），三星、SK海力士、美光均已启动量产；NAND迈入200至300层时代，路线图指向2030年前突破1000层。
先进封装：HBM路线图推进至HBM4/HBM4E，预计2027年16层HBM4E量产后单栈带宽达1.5至2TB/s以上；晶圆级堆叠市场预计从2025年的1000万美元增至2030年的98亿美元，年复合增速322%。
存储架构创新：PLC NAND、3D DRAM、高带宽闪存（HBF，SanDisk推出，可提供最高4TB显存容量）等新架构正在涌现，但3D DRAM完整量产仍需时间。
互连和存算一体——为什么被单独拎出来？
外围互连芯片：MRDIMM可将有效带宽提升至DDR5原生频率的两倍；CXL（一种借助PCIe实现内存扩展的协议）市场被大幅上调——2030年CXL MXC芯片规模从9.9亿上调至21亿美元，交换芯片从6.64亿上调至19亿美元。
存算一体（PIM/CIM，把计算直接搬进存储芯片里）：三星HBM-PIM和SK海力士GDDR6-AiM已商业化，实验数据显示平均内存访问延迟降低逾50%，部分场景性能提升最高16倍，能效提升超80%。
这意味着→ 解决存储墙不只是"造更大的内存条"，还要让数据少搬家、搬得快。
摩根士丹利的核心结论是什么？
报告的一句话总结：GPU决定AI跑多快，内存系统决定AI走多远。
下一轮AI基础设施竞争，将越来越取决于谁能率先突破存储这一系统性瓶颈。
这反映出 存储产业链各细分方向的资本开支与技术进展，正在成为衡量AI扩张能力的新核心变量——不再只看谁的GPU最强。
Content is for reference only, not financial advice.