candywyt
07-16 23:17
这算唱多了吗，带血的算筹码拿好了？
摩根士丹利警示"内存之墙"：GPU决定AI跑多快，内存决定AI走多远
华尔街见闻
紧盯全球金融市场，覆盖股市、外汇、债券、大宗商品等。
免责声明：上述内容仅代表发帖人个人观点，不构成本平台的任何投资建议。
分享至
微信
复制链接
精彩评论
我们需要你的真知灼见来填补这片空白
打开APP，发表看法
APP内打开
发表看法
1
{"i18n":{"language":"zh_CN"},"detailType":1,"isChannel":false,"data":{"magic":2,"id":586480026678024,"tweetId":"586480026678024","gmtCreate":1784215031990,"gmtModify":1784215334507,"author":{"id":4214746600733160,"idStr":"4214746600733160","authorId":4214746600733160,"authorIdStr":"4214746600733160","name":"candywyt","avatar":"https://static.tigerbbs.com/0f5eb768ce3960a3a934f43931a29031","vip":1,"userType":1,"introduction":"","boolIsFan":false,"boolIsHead":false,"crmLevel":1,"crmLevelSwitch":0,"individualDisplayBadges":[],"wearingBadges":[],"fanSize":0,"starInvestorFlag":false},"themes":[{"themeId":"5025dc3c20f14808adebf26909c9e535","categoryId":"2929bb7468f5415f853fd96fb35d7c3b","name":"华尔街见闻","type":2,"rnLink":"https://laohu8.com/RN?name=RNTheme&page=/theme/special/finance&rndata={\"themeId\":5025dc3c20f14808adebf26909c9e535}&rnconfig={\"headerBarHidden\": true}","description":"紧盯全球金融市场，覆盖股市、外汇、债券、大宗商品等。","image":"https://static.tigerbbs.com/38b2d7b10c53afe188a3eead61d9c3e4"}],"images":[],"coverImages":[],"title":"","html":"<html><head></head><body><p>这算唱多了吗，带血的算筹码拿好了？</p></body></html>","htmlText":"<html><head></head><body><p>这算唱多了吗，带血的算筹码拿好了？</p></body></html>","text":"这算唱多了吗，带血的算筹码拿好了？","highlighted":1,"essential":1,"paper":1,"likeSize":1,"commentSize":0,"repostSize":0,"favoriteSize":0,"link":"https://laohu8.com/post/586480026678024","repostId":2651428177,"repostType":2,"repost":{"id":"2651428177","kind":"highlight","weMediaInfo":{"introduction":"追踪全球财经热点，精选影响您财富的资讯，投资理财必备神器！","home_visible":1,"media_name":"华尔街见闻","id":"1084101182","head_image":"https://static.tigerbbs.com/66809d1f5c2e43e2bdf15820c6d6897e"},"pubTimestamp":1784213252,"share":"https://www.laohu8.com/m/news/2651428177?lang=zh_CN&edition=full","pubTime":"2026-07-16 22:47","market":"hk","language":"zh","title":"摩根士丹利警示\"内存之墙\"：GPU决定AI跑多快，内存决定AI走多远","url":"https://stock-news.laohu8.com/highlight/detail?id=2651428177","media":"华尔街见闻","summary":"摩根士丹利指出，AI核心瓶颈正从“算力墙”转向“存储墙”：DDR5带宽两年仅增14%，而推理Token同期激增超320倍，DRAM价格重回近30年高位。预计2030年云端存储支出达4180亿美元，存储占云厂商资本开支比重将由12%升至40%。未来竞争关键在于突破容量、带宽与成本制约的存储体系，投资逻辑从GPU向制程、封装、互连、存算一体及新材料等六大方向扩散。","content":"<html><head></head><body><blockquote><p>摩根士丹利指出，AI核心瓶颈正从“算力墙”转向“存储墙”：DDR5带宽两年仅增14%，而推理Token同期激增超320倍，DRAM价格重回近30年高位。预计2030年云端存储支出达4180亿美元，存储占云厂商资本开支比重将由12%升至40%。未来竞争关键在于突破容量、带宽与成本制约的存储体系，投资逻辑从GPU向制程、封装、互连、存算一体及新材料等六大方向扩散。</p></blockquote><p style=\"text-align: left;\">随着大模型参数规模、推理Token和Agentic AI快速增长，存储系统正成为制约AI进一步扩张的核心限制因素。</p><p style=\"text-align: left;\">摩根士丹利在最新发布的全球科技深度报告中提出，<strong>容量不足、带宽受限和成本高企共同构成"存储墙"（Memory Wall），未来AI基础设施的竞争，将越来越取决于谁能突破这一系统性瓶颈。</strong></p><p style=\"text-align: left;\">报告预计，到2030年，Agentic AI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年至2030年复合增速约8%。与此同时，存储在云厂商资本开支中的占比将由2023年的12%提升至2027年的40%，资本投入强度持续攀升。</p><p style=\"text-align: left;\">摩根士丹利认为，<strong>这意味着AI产业链的投资逻辑正从GPU等计算芯片，逐步向整个存储生态扩散。</strong>未来受益的不仅是传统存储厂商，还包括制程、封装、互连、材料、存算一体等多个细分方向。</p><p style=\"text-align: left;\">报告预计，<strong>不含HBM的新型存储技术总市场规模（TAM）将从2025年的12亿美元扩大至2030年的230亿美元；若计入HBM，2030年整体市场规模有望达到2760亿美元。</strong></p><h2 id=\"id_3993437438\" style=\"text-align: left;\">从GPU到存储体系：AI基础设施的“重心迁移”</h2><p style=\"text-align: justify;\">摩根士丹利指出，<strong>AI产业的核心瓶颈正从“算力墙”转向“存储墙”：处理器性能持续攀升，但存储带宽与容量的提升严重滞后。</strong></p><p style=\"text-align: justify;\">数据显示，DDR5单通道带宽预计仅从2024年的44.8GB/s增至2026年的51.2GB/s，两年增幅约14%；而同期全球AI推理Token生成量将从每月约10万亿个激增至3200万亿个，增长超320倍，两者差距急剧拉大。</p><p style=\"text-align: justify;\"><strong>存储成本亦成为AI部署的关键制约。</strong>当前CPU服务器中存储相关BOM成本占比高达73%，DRAM每GB价格更回升至近30年高位。摩根士丹利认为，这已不仅是供给不足，更折射出架构、接口、封装、计算模式与材料体系的系统性挑战。</p><p style=\"text-align: justify;\">由此，AI产业发展重心正发生迁移：过去市场围绕GPU展开竞争，未来决定系统扩展能力的将是整个存储体系。从先进制程、HBM、封装，到CXL、MRDIMM、存算一体及新材料，围绕“内存之墙”的技术创新将成为AI基础设施升级的主要驱动力。</p><p style=\"text-align: justify;\">简言之，G<strong>PU决定AI跑多快，内存系统决定AI走多远。 下一轮AI投资机会，也将从计算芯片延伸至整个存储产业链。</strong></p><h2 id=\"id_4060125191\" style=\"text-align: left;\">六大创新方向打开产业空间</h2><p style=\"text-align: left;\">围绕突破"存储墙"，摩根士丹利将未来技术演进归纳为六大方向。</p><p style=\"text-align: left;\"><strong>第一是先进制程。</strong> DRAM已进入1γ（1c）节点时代，三星、SK海力士和美光均已启动量产或爬坡。不过，从1β到1γ的线宽缩小幅度已不足10%，二维DRAM正逐渐接近物理极限。NAND方面，行业已迈入200层至300层时代，美光量产276层产品、三星第九代V-NAND达到286层、SK海力士已实现321层量产，路线图则指向2030年前突破1000层。</p><p style=\"text-align: left;\"><strong>第二是存储架构创新。</strong> 包括PLC NAND、3D DRAM、ZAM以及zHBM等新架构正在推进。其中，3D DRAM希望通过垂直堆叠突破密度瓶颈，但具备完整电容结构的量产仍需较长时间。</p><p style=\"text-align: left;\"><strong>第三是先进封装。</strong> HBM路线图正迈向HBM4和HBM4E，预计2027年16层HBM4E将实现量产，单栈带宽达到1.5TB/s至2TB/s以上。SanDisk推出的高带宽闪存（HBF）则通过TSV连接多个3D NAND阵列，可提供最高4TB显存容量，在带宽接近HBM的同时，容量达到其8至16倍，首批样品预计于2026年下半年交付。此外，晶圆级堆叠（WoW）市场预计将由2025年的1000万美元快速增长至2030年的98亿美元，年复合增速高达322%。</p><p style=\"text-align: left;\"><strong>第四是外围互连芯片。</strong> MRDIMM通过集成MRCD和MDB芯片，实现双通道并行访问，可将有效带宽提升至DDR5原生频率的两倍。CXL则借助PCIe实现内存扩展，突破传统DIMM容量限制。摩根士丹利将2030年CXL MXC芯片市场规模预测由9.9亿美元上调至21亿美元，CXL交换芯片市场规模则由6.64亿美元上调至19亿美元。进入DDR6时代，双路服务器RCD芯片用量预计将由24颗增至96颗。</p><p style=\"text-align: left;\"><strong>第五是存算一体（PIM/CIM）。</strong> 三星HBM-PIM（Aquabolt-XL）和SK海力士GDDR6-AiM已进入商业化阶段。实验数据显示，PIM可将平均内存访问延迟降低逾50%，部分场景性能提升最高可达16倍，能效提升超过80%。</p><p style=\"text-align: left;\"><strong>第六是新材料。</strong> 包括Si/SiGe超晶格沟道、TiO₂基电容介质、HZO铁电材料以及钼金属化等新材料体系正加速导入，以降低功耗、提升存储密度并改善制造工艺，为下一代3D DRAM和3D NAND提供支撑。</p></body></html>","collect":0,"html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>摩根士丹利警示\"内存之墙\"：GPU决定AI跑多快，内存决定AI走多远</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n摩根士丹利警示\"内存之墙\"：GPU决定AI跑多快，内存决定AI走多远\n</h2>\n\n<h4 class=\"meta\">\n\n\n<a class=\"head\" href=\"https://laohu8.com/wemedia/1084101182\">\n\n\n<div class=\"h-thumb\" style=\"background-image:url(https://static.tigerbbs.com/66809d1f5c2e43e2bdf15820c6d6897e);background-size:cover;\"></div>\n\n<div class=\"h-content\">\n<p class=\"h-name\">华尔街见闻 </p>\n<p class=\"h-time\">2026-07-16 22:47</p>\n</div>\n\n</a>\n\n\n</h4>\n\n</header>\n<article>\n<html><head></head><body><blockquote><p>摩根士丹利指出，AI核心瓶颈正从“算力墙”转向“存储墙”：DDR5带宽两年仅增14%，而推理Token同期激增超320倍，DRAM价格重回近30年高位。预计2030年云端存储支出达4180亿美元，存储占云厂商资本开支比重将由12%升至40%。未来竞争关键在于突破容量、带宽与成本制约的存储体系，投资逻辑从GPU向制程、封装、互连、存算一体及新材料等六大方向扩散。</p></blockquote><p style=\"text-align: left;\">随着大模型参数规模、推理Token和Agentic AI快速增长，存储系统正成为制约AI进一步扩张的核心限制因素。</p><p style=\"text-align: left;\">摩根士丹利在最新发布的全球科技深度报告中提出，<strong>容量不足、带宽受限和成本高企共同构成"存储墙"（Memory Wall），未来AI基础设施的竞争，将越来越取决于谁能突破这一系统性瓶颈。</strong></p><p style=\"text-align: left;\">报告预计，到2030年，Agentic AI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年至2030年复合增速约8%。与此同时，存储在云厂商资本开支中的占比将由2023年的12%提升至2027年的40%，资本投入强度持续攀升。</p><p style=\"text-align: left;\">摩根士丹利认为，<strong>这意味着AI产业链的投资逻辑正从GPU等计算芯片，逐步向整个存储生态扩散。</strong>未来受益的不仅是传统存储厂商，还包括制程、封装、互连、材料、存算一体等多个细分方向。</p><p style=\"text-align: left;\">报告预计，<strong>不含HBM的新型存储技术总市场规模（TAM）将从2025年的12亿美元扩大至2030年的230亿美元；若计入HBM，2030年整体市场规模有望达到2760亿美元。</strong></p><h2 id=\"id_3993437438\" style=\"text-align: left;\">从GPU到存储体系：AI基础设施的“重心迁移”</h2><p style=\"text-align: justify;\">摩根士丹利指出，<strong>AI产业的核心瓶颈正从“算力墙”转向“存储墙”：处理器性能持续攀升，但存储带宽与容量的提升严重滞后。</strong></p><p style=\"text-align: justify;\">数据显示，DDR5单通道带宽预计仅从2024年的44.8GB/s增至2026年的51.2GB/s，两年增幅约14%；而同期全球AI推理Token生成量将从每月约10万亿个激增至3200万亿个，增长超320倍，两者差距急剧拉大。</p><p style=\"text-align: justify;\"><strong>存储成本亦成为AI部署的关键制约。</strong>当前CPU服务器中存储相关BOM成本占比高达73%，DRAM每GB价格更回升至近30年高位。摩根士丹利认为，这已不仅是供给不足，更折射出架构、接口、封装、计算模式与材料体系的系统性挑战。</p><p style=\"text-align: justify;\">由此，AI产业发展重心正发生迁移：过去市场围绕GPU展开竞争，未来决定系统扩展能力的将是整个存储体系。从先进制程、HBM、封装，到CXL、MRDIMM、存算一体及新材料，围绕“内存之墙”的技术创新将成为AI基础设施升级的主要驱动力。</p><p style=\"text-align: justify;\">简言之，G<strong>PU决定AI跑多快，内存系统决定AI走多远。 下一轮AI投资机会，也将从计算芯片延伸至整个存储产业链。</strong></p><h2 id=\"id_4060125191\" style=\"text-align: left;\">六大创新方向打开产业空间</h2><p style=\"text-align: left;\">围绕突破"存储墙"，摩根士丹利将未来技术演进归纳为六大方向。</p><p style=\"text-align: left;\"><strong>第一是先进制程。</strong> DRAM已进入1γ（1c）节点时代，三星、SK海力士和美光均已启动量产或爬坡。不过，从1β到1γ的线宽缩小幅度已不足10%，二维DRAM正逐渐接近物理极限。NAND方面，行业已迈入200层至300层时代，美光量产276层产品、三星第九代V-NAND达到286层、SK海力士已实现321层量产，路线图则指向2030年前突破1000层。</p><p style=\"text-align: left;\"><strong>第二是存储架构创新。</strong> 包括PLC NAND、3D DRAM、ZAM以及zHBM等新架构正在推进。其中，3D DRAM希望通过垂直堆叠突破密度瓶颈，但具备完整电容结构的量产仍需较长时间。</p><p style=\"text-align: left;\"><strong>第三是先进封装。</strong> HBM路线图正迈向HBM4和HBM4E，预计2027年16层HBM4E将实现量产，单栈带宽达到1.5TB/s至2TB/s以上。SanDisk推出的高带宽闪存（HBF）则通过TSV连接多个3D NAND阵列，可提供最高4TB显存容量，在带宽接近HBM的同时，容量达到其8至16倍，首批样品预计于2026年下半年交付。此外，晶圆级堆叠（WoW）市场预计将由2025年的1000万美元快速增长至2030年的98亿美元，年复合增速高达322%。</p><p style=\"text-align: left;\"><strong>第四是外围互连芯片。</strong> MRDIMM通过集成MRCD和MDB芯片，实现双通道并行访问，可将有效带宽提升至DDR5原生频率的两倍。CXL则借助PCIe实现内存扩展，突破传统DIMM容量限制。摩根士丹利将2030年CXL MXC芯片市场规模预测由9.9亿美元上调至21亿美元，CXL交换芯片市场规模则由6.64亿美元上调至19亿美元。进入DDR6时代，双路服务器RCD芯片用量预计将由24颗增至96颗。</p><p style=\"text-align: left;\"><strong>第五是存算一体（PIM/CIM）。</strong> 三星HBM-PIM（Aquabolt-XL）和SK海力士GDDR6-AiM已进入商业化阶段。实验数据显示，PIM可将平均内存访问延迟降低逾50%，部分场景性能提升最高可达16倍，能效提升超过80%。</p><p style=\"text-align: left;\"><strong>第六是新材料。</strong> 包括Si/SiGe超晶格沟道、TiO₂基电容介质、HZO铁电材料以及钼金属化等新材料体系正加速导入，以降低功耗、提升存储密度并改善制造工艺，为下一代3D DRAM和3D NAND提供支撑。</p></body></html>\n\n</article>\n</div>\n</body>\n</html>\n","type":0,"thumbnail":"https://static.tigerbbs.com/03e38a3a3c63bd5a9d8d8ca2d384d1c5","relate_stocks":{"LU0053666078.USD":"摩根大通基金-美国股票A（离岸）美元","LU1074936037.SGD":"JPMorgan Funds - US Value A (acc) SGD","BK4585":"ETF&股票定投概念","LU2023251221.USD":"ALLIANZ GLOBAL SUSTAINABILITY \"AM\" (USD) INC","BK4534":"瑞士信贷持仓","LU2111349929.HKD":"ALLIANZ GLOBAL SUSTAINABILITY \"AM\" (HKD) INC","IE00BKVL7J92.USD":"Legg Mason ClearBridge - US Equity Sustainability Leaders A Acc USD","BK4127":"投资银行业与经纪业","VTHR":"Vanguard Russell 3000 ETF","LU0795875169.SGD":"JPMorgan Investment Funds - Global Income A (div) SGD-H","LU0098860793.USD":"FRANKLIN INCOME \"A\" INC","LU1732800096.USD":"摩根大通环球收益基金A (irc)","CHAT":"ROUNDHILL GENERATIVE AI & TECHNOLOGY ETF","LU0006306889.USD":"SCHRODER ISF US LARGE CAP \"A\" (USD) INC AV","QTOC":"Innovator Growth Accelerated Plus ETF - October","KBWB":"银行ETF-PowerShares","LU0557290698.USD":"施罗德环球可持续增长基金","LU2028103732.USD":"ALLIANZ GLOBAL SUSTAINABILITY \"AMG\" (USD) INC","LU1720051108.HKD":"ALLIANZ GLOBAL ARTIFICIAL INTELLIGENCE \"AT\" (HKD) ACC","RAM":"2倍做多DRAM ETF-T-REX","IAI":"iShares Dow Jones U.S. Broker De","LU1720051017.SGD":"Allianz Global Artificial Intelligence AT Acc H2-SGD","LU0158827781.USD":" ALLIANZ GLOBAL SUSTAINABILITY \"AT\" (USD) ACC","BK4504":"桥水持仓","LU2089283258.USD":"安联环球可持续基金Cl AM Dis","LU0234570918.USD":"高盛全球核心股票组合Acc Close","LU0210528500.USD":"JPM AMERICA EQUITY \"A\" ACC","LU1244550221.USD":"FRANKLIN GLOBAL MULTI-ASSET INCOME \"A\" (USDHEDGED) INC (M)","LU0971096721.USD":"富达环球金融服务 A","MS":"摩根士丹利","LU1548497426.USD":"安联环球人工智能AT Acc","LU0320765646.SGD":"FTIF - Franklin Income A MDIS SGD-H1","LU1791710582.SGD":"Fidelity Global Demographics A-ACC-SGD (SGD/USD hedged)","DRAL":"2倍做多DRAM ETF-Defiance","AIPO":"Defiance AI and Power Infrastructure ETF","LU0912757837.SGD":"JPMorgan Investment Funds - Global Income A (mth) SGD-H","LU2264538146.SGD":"Fullerton Lux Funds - Global Absolute Alpha A Acc SGD","LU1791710400.SGD":"Fidelity Global Demographics A-ACC-SGD","LU2133065610.SGD":"JPMorgan Investment Funds - Global Dividend A (mth) SGD","DRAM":"Roundhill Memory ETF","LU0390134368.USD":"FRANKLIN GLOBAL GROWTH \"A\" (USD) ACC","LU1162221912.USD":"FRANKLIN INCOME \"A\" (USD) ACC","ARTY":"ISHARES FUTURE AI & TECH ETF","LU2089284900.SGD":"Allianz Global Sustainability Cl AM Dis H2-SGD","AGIX":"通用人工智能 ETF-AGIX","BK4581":"高盛持仓","LU0225283273.USD":"SCHRODER ISF GLOBAL EQUITY ALPHA \"A\" (USD) ACC","LU2271345857.HKD":"ALLIANZ GLOBAL SUSTAINABILITY \"AT\" (HKD) ACC","LU1064131342.USD":"Fullerton Lux Funds - Global Absolute Alpha A Acc USD","LU1988902786.USD":"FULLERTON LUX FUNDS GLOBAL ABSOLUTE ALPHA \"I\" (USD) ACC"},"source_url":"https://wallstreetcn.com/articles/3777129","is_english":false,"share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","article_id":"2651428177","content_text":"摩根士丹利指出，AI核心瓶颈正从“算力墙”转向“存储墙”：DDR5带宽两年仅增14%，而推理Token同期激增超320倍，DRAM价格重回近30年高位。预计2030年云端存储支出达4180亿美元，存储占云厂商资本开支比重将由12%升至40%。未来竞争关键在于突破容量、带宽与成本制约的存储体系，投资逻辑从GPU向制程、封装、互连、存算一体及新材料等六大方向扩散。随着大模型参数规模、推理Token和Agentic AI快速增长，存储系统正成为制约AI进一步扩张的核心限制因素。摩根士丹利在最新发布的全球科技深度报告中提出，容量不足、带宽受限和成本高企共同构成\"存储墙\"（Memory Wall），未来AI基础设施的竞争，将越来越取决于谁能突破这一系统性瓶颈。报告预计，到2030年，Agentic AI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年至2030年复合增速约8%。与此同时，存储在云厂商资本开支中的占比将由2023年的12%提升至2027年的40%，资本投入强度持续攀升。摩根士丹利认为，这意味着AI产业链的投资逻辑正从GPU等计算芯片，逐步向整个存储生态扩散。未来受益的不仅是传统存储厂商，还包括制程、封装、互连、材料、存算一体等多个细分方向。报告预计，不含HBM的新型存储技术总市场规模（TAM）将从2025年的12亿美元扩大至2030年的230亿美元；若计入HBM，2030年整体市场规模有望达到2760亿美元。从GPU到存储体系：AI基础设施的“重心迁移”摩根士丹利指出，AI产业的核心瓶颈正从“算力墙”转向“存储墙”：处理器性能持续攀升，但存储带宽与容量的提升严重滞后。数据显示，DDR5单通道带宽预计仅从2024年的44.8GB/s增至2026年的51.2GB/s，两年增幅约14%；而同期全球AI推理Token生成量将从每月约10万亿个激增至3200万亿个，增长超320倍，两者差距急剧拉大。存储成本亦成为AI部署的关键制约。当前CPU服务器中存储相关BOM成本占比高达73%，DRAM每GB价格更回升至近30年高位。摩根士丹利认为，这已不仅是供给不足，更折射出架构、接口、封装、计算模式与材料体系的系统性挑战。由此，AI产业发展重心正发生迁移：过去市场围绕GPU展开竞争，未来决定系统扩展能力的将是整个存储体系。从先进制程、HBM、封装，到CXL、MRDIMM、存算一体及新材料，围绕“内存之墙”的技术创新将成为AI基础设施升级的主要驱动力。简言之，GPU决定AI跑多快，内存系统决定AI走多远。 下一轮AI投资机会，也将从计算芯片延伸至整个存储产业链。六大创新方向打开产业空间围绕突破\"存储墙\"，摩根士丹利将未来技术演进归纳为六大方向。第一是先进制程。 DRAM已进入1γ（1c）节点时代，三星、SK海力士和美光均已启动量产或爬坡。不过，从1β到1γ的线宽缩小幅度已不足10%，二维DRAM正逐渐接近物理极限。NAND方面，行业已迈入200层至300层时代，美光量产276层产品、三星第九代V-NAND达到286层、SK海力士已实现321层量产，路线图则指向2030年前突破1000层。第二是存储架构创新。 包括PLC NAND、3D DRAM、ZAM以及zHBM等新架构正在推进。其中，3D DRAM希望通过垂直堆叠突破密度瓶颈，但具备完整电容结构的量产仍需较长时间。第三是先进封装。 HBM路线图正迈向HBM4和HBM4E，预计2027年16层HBM4E将实现量产，单栈带宽达到1.5TB/s至2TB/s以上。SanDisk推出的高带宽闪存（HBF）则通过TSV连接多个3D NAND阵列，可提供最高4TB显存容量，在带宽接近HBM的同时，容量达到其8至16倍，首批样品预计于2026年下半年交付。此外，晶圆级堆叠（WoW）市场预计将由2025年的1000万美元快速增长至2030年的98亿美元，年复合增速高达322%。第四是外围互连芯片。 MRDIMM通过集成MRCD和MDB芯片，实现双通道并行访问，可将有效带宽提升至DDR5原生频率的两倍。CXL则借助PCIe实现内存扩展，突破传统DIMM容量限制。摩根士丹利将2030年CXL MXC芯片市场规模预测由9.9亿美元上调至21亿美元，CXL交换芯片市场规模则由6.64亿美元上调至19亿美元。进入DDR6时代，双路服务器RCD芯片用量预计将由24颗增至96颗。第五是存算一体（PIM/CIM）。 三星HBM-PIM（Aquabolt-XL）和SK海力士GDDR6-AiM已进入商业化阶段。实验数据显示，PIM可将平均内存访问延迟降低逾50%，部分场景性能提升最高可达16倍，能效提升超过80%。第六是新材料。 包括Si/SiGe超晶格沟道、TiO₂基电容介质、HZO铁电材料以及钼金属化等新材料体系正加速导入，以降低功耗、提升存储密度并改善制造工艺，为下一代3D DRAM和3D NAND提供支撑。","news_type":1,"symbols_score_info":{"KBWB":0.6,"CHAT":1.5,"IAI":0.6,"AGIX":1.5,"MS":1.5,"DRAL":0.6,"AIPO":1.5,"QTOC":1.5,"VTHR":1.5,"ARTY":1.5,"RAM":0.6,"DRAM":1.5}},"isVote":1,"tweetType":1,"viewCount":296,"commentLimit":10,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"symbols":[],"verified":2,"subType":0,"readableState":1,"langContent":"CN","currentLanguage":"CN","warmUpFlag":false,"orderFlag":false,"shareable":true,"causeOfNotShareable":"","featuresForAnalytics":[],"commentAndTweetFlag":false,"andRepostAutoSelectedFlag":false,"upFlag":false,"length":32,"optionInvolvedFlag":false,"xxTargetLangEnum":"ZH_CN"},"commentList":[],"isCommentEnd":true,"isTiger":false,"isWeiXinMini":false,"url":"/m/post/586480026678024"}
精彩评论