摩根士丹利:DRAM內存短缺将贯穿本轮AI产业周期;CXL突破人工智能推理运算内存墙限制
* 来源 : * 作者 : admin * 发表时间 : 2026-10-06
摩根士丹利:DRAM內存短缺将贯穿本轮AI产业周期;
机构预测存储器合约价格上行趋势明显;
CXL突破人工智能推理运算内存墙限制
人工智能算力扩张驱动存储器结构性紧缺 产业界探索架构创新与CXL技术路径以应对数据中心内存墙挑战
随着人工智能技术的快速迭代,全球算力基础设施建设正面临存储器供给与需求节奏错配的结构性挑战。多家专业机构研判,本轮由大模型驱动的存储需求增长具有长期性,行业正通过硬件配置优化、推理架构解耦及CXL互联技术升级等多重路径寻求平衡,推动全球半导体产业生态向更具韧性与效率的方向演进。
摩根士丹利研判AI周期内DRAM结构性紧缺 三大技术路径助力产业绕过供给瓶颈
摩根士丹利在其最新发布的半导体行业研究报告中指出,当前DRAM(动态随机存取存储器)的供应紧张并非短期市场波动,而是贯穿本轮人工智能产业周期的结构性矛盾。该机构分析认为,前沿大模型的参数规模约每六个月翻一番,头部模型的上下文窗口年增速达到5至6倍,叠加推理并发需求的持续提升,使得内存容量与带宽的需求呈现爆发式增长。然而,新建晶圆厂从动工到量产通常需要数年时间,供给端的弹性相对较低,导致算力扩张速度显著快于存储器产能释放速度。摩根士丹利强调,这种供需错配可能在未来数年内持续存在,促使行业从单纯依赖产能扩张转向技术创新与架构优化,以适应不断变化的计算负载需求。
为应对上述挑战,摩根士丹利梳理了当前产业界正在探索的三大技术路径。首先是硬件配置的动态调整,即在供给约束下优先保障整机出货,例如部分新一代机架设计中单GPU搭载的HBM(高带宽存储器)容量有所下调,但这被视为将瓶颈在不同存储层级间转移的策略,而非需求转弱的信号。摩根大通近期亦指出,此类规格调整多属供给约束下的配置优化。其次是推理架构的解耦,即将预填充与解码阶段拆分,分别采用通用图形处理器与专用大容量片上SRAM芯片处理,以提升整体利用率;Cerebras的晶圆级引擎及英伟达通过GroqLPU布局的解码加速方案均被视为异构推理的重要方向。第三是CXL(Compute Express Link)内存池化技术的应用,通过高速互联实现内存的扩展、共享与分级调度,使高频数据留存于HBM、次高频数据进入CXL池、冷数据落入NAND闪存,从而构建成本与性能的最优梯度。摩根士丹利预估,到2030年CXL及相关附加芯片市场规模有望达到约60亿美元,Astera Labs、迈威尔科技等企业已在该领域展开布局。在投资主线方面,该机构重申看好美光、西数等存储龙头企业,同时关注CXL互联与异构推理赛道的增量机遇,但也提示需警惕人工智能资本开支放缓、CXL落地不及预期或DRAM产能扩张超预期等潜在风险因素。
机构预测存储器合约价格上行趋势明显 2027年占云服务商资本支出比重或升至68%
根据第三方机构最新发布的存储器产业研究报告,全球主要云服务提供商(CSP)为加速构建人工智能基础设施,其资本支出预计在2026年将同比增长98%,2027年将进一步增长50%。该机构分析指出,资本支出的大幅增长部分归因于存储器合约价格的显著上行以及采购需求的强劲成长。该机构预估,DRAM与NAND闪存合计在云服务提供商资本支出中的占比,将从2026年的47%进一步扩张至2027年的68%。这一数据变化反映出在当前技术周期中,存储器已成为算力基础设施建设中成本占比提升最快的核心环节之一,其价格走势与供给节奏对整体产业生态产生着深远影响,也促使产业链各方更加重视供应链的稳定性与多元化布局。
在具体价格趋势方面,数据显示自2025年下半年起存储器合约价格已进入上升通道,其中服务器DRAM合约价累计上涨约64%,预计2026年将再上涨约270%;企业级SSD所用的NAND闪存合约价同期累计涨幅约35%,预期2026年累计涨幅将达235%。尽管部分长约条款设定了价格上限以平抑波动,但考虑到2027年HBM合约价仍可能上涨70%至140%,整体价格水平或在高位维持较长时间。在供给端,原厂正将有限产能集中投向服务器相关应用,该机构预估2026年HBM与RDIMM合计将占据51%的DRAM供给位元,2027年在制程演进与新厂放量带动下,服务器DRAM与HBM供给位元增长率有望达到27%。高昂的存储器成本一方面为英伟达等芯片厂商提供了产品定价的调整空间,另一方面也促使云服务提供商更积极地优化系统架构,包括调整RDIMM规格、优化HBM搭载量以及探索将模型架构固化于芯片的ASIC方案等,以在成本与供货配额之间寻求平衡。
突破人工智能推理运算内存墙限制 可组合式CXL存储器重构数据中心资源分配范式
随着生成式人工智能、代理式人工智能及检索增强生成(RAG)技术在金融、医疗、制造等领域的广泛渗透,企业级服务器正面临严峻的“内存墙”挑战。行业观察显示,多数企业级服务器的DRAM容量上限仅为1-2TB,而下一代人工智能模型及海量数据集的运行往往需要数十甚至数百TB的内存支持。当模型参数量每年以10倍速度增长、上下文窗口扩展至百万Token级别时,传统的以服务器为中心的本地内存架构已难以满足需求。GPU等高性能计算单元若无法获得充足且低延迟的内存数据供给,其算力效能将大打折扣,进而导致服务延迟增加、吞吐量下降及总体拥有成本攀升。这一系统性瓶颈不仅限制了人工智能应用的部署效率,也对企业的运营韧性提出了新的考验,推动行业加速寻找突破物理限制的解决方案。
作为应对“内存墙”的关键技术方案,可组合式(Composable)CXL存储器正在重新定义数据中心的资源分配模式。该技术通过CXL高速互联协议,实现了DRAM资源的解耦、池化与跨服务器共享,使人工智能团队能够按需动态分配内存,无需对现有应用程序进行重写或对服务器进行大规模硬件更换。据技术分析,可组合式CXL存储器可在集群内实现亚微秒级延迟的内存访问,确保GPU始终获得充足的数据供给,同时将DRAM利用率提升至接近100%。此外,该架构还能显著降低服务器采购数量、软件授权费用及电力冷却成本,延长现有设备使用寿命,为企业带来显著的总体拥有成本效益。业内观点认为,能够以最高效方式扩展内存的组织将在下一波人工智能浪潮中占据先机,而维持算力与“记忆力”的均衡弹性,正是人工智能基础设施走向成熟的关键基石。
随着人工智能技术的快速迭代,全球算力基础设施建设正面临存储器供给与需求节奏错配的结构性挑战。多家专业机构研判,本轮由大模型驱动的存储需求增长具有长期性,行业正通过硬件配置优化、推理架构解耦及CXL互联技术升级等多重路径寻求平衡,推动全球半导体产业生态向更具韧性与效率的方向演进。
摩根士丹利研判AI周期内DRAM结构性紧缺 三大技术路径助力产业绕过供给瓶颈
摩根士丹利在其最新发布的半导体行业研究报告中指出,当前DRAM(动态随机存取存储器)的供应紧张并非短期市场波动,而是贯穿本轮人工智能产业周期的结构性矛盾。该机构分析认为,前沿大模型的参数规模约每六个月翻一番,头部模型的上下文窗口年增速达到5至6倍,叠加推理并发需求的持续提升,使得内存容量与带宽的需求呈现爆发式增长。然而,新建晶圆厂从动工到量产通常需要数年时间,供给端的弹性相对较低,导致算力扩张速度显著快于存储器产能释放速度。摩根士丹利强调,这种供需错配可能在未来数年内持续存在,促使行业从单纯依赖产能扩张转向技术创新与架构优化,以适应不断变化的计算负载需求。
为应对上述挑战,摩根士丹利梳理了当前产业界正在探索的三大技术路径。首先是硬件配置的动态调整,即在供给约束下优先保障整机出货,例如部分新一代机架设计中单GPU搭载的HBM(高带宽存储器)容量有所下调,但这被视为将瓶颈在不同存储层级间转移的策略,而非需求转弱的信号。摩根大通近期亦指出,此类规格调整多属供给约束下的配置优化。其次是推理架构的解耦,即将预填充与解码阶段拆分,分别采用通用图形处理器与专用大容量片上SRAM芯片处理,以提升整体利用率;Cerebras的晶圆级引擎及英伟达通过GroqLPU布局的解码加速方案均被视为异构推理的重要方向。第三是CXL(Compute Express Link)内存池化技术的应用,通过高速互联实现内存的扩展、共享与分级调度,使高频数据留存于HBM、次高频数据进入CXL池、冷数据落入NAND闪存,从而构建成本与性能的最优梯度。摩根士丹利预估,到2030年CXL及相关附加芯片市场规模有望达到约60亿美元,Astera Labs、迈威尔科技等企业已在该领域展开布局。在投资主线方面,该机构重申看好美光、西数等存储龙头企业,同时关注CXL互联与异构推理赛道的增量机遇,但也提示需警惕人工智能资本开支放缓、CXL落地不及预期或DRAM产能扩张超预期等潜在风险因素。
机构预测存储器合约价格上行趋势明显 2027年占云服务商资本支出比重或升至68%
根据第三方机构最新发布的存储器产业研究报告,全球主要云服务提供商(CSP)为加速构建人工智能基础设施,其资本支出预计在2026年将同比增长98%,2027年将进一步增长50%。该机构分析指出,资本支出的大幅增长部分归因于存储器合约价格的显著上行以及采购需求的强劲成长。该机构预估,DRAM与NAND闪存合计在云服务提供商资本支出中的占比,将从2026年的47%进一步扩张至2027年的68%。这一数据变化反映出在当前技术周期中,存储器已成为算力基础设施建设中成本占比提升最快的核心环节之一,其价格走势与供给节奏对整体产业生态产生着深远影响,也促使产业链各方更加重视供应链的稳定性与多元化布局。
在具体价格趋势方面,数据显示自2025年下半年起存储器合约价格已进入上升通道,其中服务器DRAM合约价累计上涨约64%,预计2026年将再上涨约270%;企业级SSD所用的NAND闪存合约价同期累计涨幅约35%,预期2026年累计涨幅将达235%。尽管部分长约条款设定了价格上限以平抑波动,但考虑到2027年HBM合约价仍可能上涨70%至140%,整体价格水平或在高位维持较长时间。在供给端,原厂正将有限产能集中投向服务器相关应用,该机构预估2026年HBM与RDIMM合计将占据51%的DRAM供给位元,2027年在制程演进与新厂放量带动下,服务器DRAM与HBM供给位元增长率有望达到27%。高昂的存储器成本一方面为英伟达等芯片厂商提供了产品定价的调整空间,另一方面也促使云服务提供商更积极地优化系统架构,包括调整RDIMM规格、优化HBM搭载量以及探索将模型架构固化于芯片的ASIC方案等,以在成本与供货配额之间寻求平衡。
突破人工智能推理运算内存墙限制 可组合式CXL存储器重构数据中心资源分配范式
随着生成式人工智能、代理式人工智能及检索增强生成(RAG)技术在金融、医疗、制造等领域的广泛渗透,企业级服务器正面临严峻的“内存墙”挑战。行业观察显示,多数企业级服务器的DRAM容量上限仅为1-2TB,而下一代人工智能模型及海量数据集的运行往往需要数十甚至数百TB的内存支持。当模型参数量每年以10倍速度增长、上下文窗口扩展至百万Token级别时,传统的以服务器为中心的本地内存架构已难以满足需求。GPU等高性能计算单元若无法获得充足且低延迟的内存数据供给,其算力效能将大打折扣,进而导致服务延迟增加、吞吐量下降及总体拥有成本攀升。这一系统性瓶颈不仅限制了人工智能应用的部署效率,也对企业的运营韧性提出了新的考验,推动行业加速寻找突破物理限制的解决方案。
作为应对“内存墙”的关键技术方案,可组合式(Composable)CXL存储器正在重新定义数据中心的资源分配模式。该技术通过CXL高速互联协议,实现了DRAM资源的解耦、池化与跨服务器共享,使人工智能团队能够按需动态分配内存,无需对现有应用程序进行重写或对服务器进行大规模硬件更换。据技术分析,可组合式CXL存储器可在集群内实现亚微秒级延迟的内存访问,确保GPU始终获得充足的数据供给,同时将DRAM利用率提升至接近100%。此外,该架构还能显著降低服务器采购数量、软件授权费用及电力冷却成本,延长现有设备使用寿命,为企业带来显著的总体拥有成本效益。业内观点认为,能够以最高效方式扩展内存的组织将在下一波人工智能浪潮中占据先机,而维持算力与“记忆力”的均衡弹性,正是人工智能基础设施走向成熟的关键基石。






关闭返回