23
0🔥【核心洞察】
AI瓶颈从“算力墙”转向“存储墙”：摩根士丹利2026年7月重磅报告提出标志性论断——“GPU决定AI跑多快，内存系统决定AI走多远” 。容量不足、带宽受限和成本高企三大矛盾，共同构成制约AI进一步扩张的“存储墙”（Memory Wall）。
需求增长320倍，带宽仅增14%：全球AI推理Token生成量从2024年每月约10万亿个激增至2026年3200万亿个，增幅超320倍；而DDR5单通道带宽两年仅从44.8GB/s增至51.2GB/s，增幅仅14%。这组数据是“存储墙”最直观的数学表达。
DRAM价格重回近30年高位，存储占服务器BOM已达73%：当前CPU服务器中存储相关BOM成本占比已高达73%。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。
到2030年云端存储支出将达4180亿美元：存储在云厂商资本开支中的占比将从2023年的12% 提升至2027年的40% 。到2030年，云端存储支出预计将达4180亿美元，2026-2030年复合增速约8%。不含HBM的新型存储技术TAM将从2025年12亿美元扩大至2030年230亿美元；计入HBM后整体市场可达2760亿美元。
投资逻辑从GPU向六大创新方向扩散：大摩认为，AI产业链的投资重心正从GPU等计算芯片，向先进制程、存储架构、先进封装、互连与外设、存内计算、新材料六大方向扩散。三星、SK海力士、美光凭借HBM与先进制程维持定价权；澜起科技（接口芯片）、华邦电、兆易创新等“赋能者”迎来确定性增长。
🔍【章节索引】
一、核心论断：从“算力墙”到“存储墙”
过去两年市场高度聚焦于GPU算力竞赛，但随着大模型参数规模的膨胀和推理Token数量的指数级增长，数据供给能力已成为比计算能力更紧迫的瓶颈。摩根士丹利在2026年7月发布的全球科技深度报告中指出：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。
这一判断的底层逻辑很简单：再强的GPU，如果数据喂不进去、算完的结果存不下来，整个系统就只能“空转”。内存，已经从AI系统里的“配角”变成了“主角”。
二、数据论证：错配有多严重？
大摩用一组对比数据量化了“存储墙”的严峻程度：
需求端：全球AI推理Token生成量将从2024年的每月约10万亿个，激增至2026年的3200万亿个，增幅超过320倍。
供给端：DDR5单通道带宽预计仅从2024年的44.8GB/s增至2026年的51.2GB/s，两年增幅仅约14%。
需求增长320倍与带宽提升14%之间的巨大落差，构成了“存储墙”最直观的数学表达。报告进一步指出，当前CPU服务器中存储相关BOM成本占比已高达73%，DRAM每GB价格回升至近30年高位。
三、市场规模与影响边界
大摩给出了几项关键预测：
云端存储支出：到2030年将达到4180亿美元，2026年至2030年复合增速约8%。
存储资本开支占比：存储在云厂商资本开支中的占比将从2023年的12% 提升至2027年的40%。
新型存储TAM：不含HBM的新型存储技术总市场规模将从2025年的12亿美元扩大至2030年的230亿美元；若计入HBM，2030年整体市场可达2760亿美元。
HBM单独看：HBM市场有望从2025年的350亿美元增长至2030年的2460亿美元。
四、六大创新方向：如何突破“存储墙”？
围绕突破“存储墙”，摩根士丹利将未来技术演进归纳为六大创新方向：
方向一：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。但从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、三星第九代V-NAND达286层、SK海力士已实现321层量产，路线图指向2030年前突破1000层。
方向二：存储架构创新
包括PLC NAND（每单元存储5比特）、3D DRAM（垂直堆叠突破密度瓶颈）、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。
方向三：先进封装
HBM路线图正朝HBM4和HBM4E演进，16层HBM4E预计2027年量产，单堆栈带宽可达1.5-2 TB/s。晶圆对晶圆（WoW）堆叠市场预计从2025年的1000万美元增长至2030年的98亿美元，复合年增长率高达322%。
方向四：互连与外设
MRDIMM：通过多路复用控制器实现双通道并行，使DDR5有效带宽翻倍。
CXL：开放行业标准，实现CPU、加速器和内存扩展器之间的高速、低延迟通信。
DDR6：预计带来更高的内存接口内容和复杂度。
SanDisk的HBF（高带宽闪存） ：利用TSV互联多个3D NAND阵列，提供高达4TB的内存容量，是HBM的8-16倍，首批样品预计2026年下半年推出。
方向五：存内计算（PIM/CIM）
将计算单元植入内存芯片，减少数据搬运的能耗与延迟。三星的HBM-PIM、SK海力士的AiM是典型代表。这被视为颠覆冯·诺依曼架构的终极解法。
方向六：新材料
3D DRAM通道采用Si/SiGe超晶格；电容器介质转向TiO₂和HZO铁电薄膜；NAND闪存通过钼替代钨改善互连。
五、软件优化：算法也能“省内存”
硬件之外，软件层面的优化同样关键：
DeepSeek Engram：通过可扩展查找的条件内存，最小化HBM需求。
TurboQuant：通过KV缓存压缩，提高AI推理速度8倍，内存使用减少6倍。
算法压缩虽然可能降低部分硬件需求，但也说明“存储墙”的突破需要软硬件协同。
六、投资机会与主要标的
传统内存供应商：三星电子、SK海力士、美光、铠侠、闪迪等，受益于DRAM、NAND和HBM供应紧张及价格上涨。
生态系统赋能者：
澜起科技：受益于CXL、MRDIMM和DDR6带来的接口芯片需求增长。
华邦电子、兆易创新：受益于先进封装和3D堆叠技术。
大摩明确表示，AI投资的第一阶段（GPU扩张）已接近尾声，第二阶段由系统效率驱动的内存超级周期正在开启。
⚠️【风险提示】
算法优化风险：DeepSeek等软件优化可能降低对硬件的依赖，压缩部分内存需求。
AI盈利不及预期：若AI商业化进度放缓，可能导致云厂商削减资本开支。
技术执行风险：3D DRAM、HBM4E等下一代技术仍面临量产良率和规模化挑战。
产能扩张风险：若头部厂商扩产超预期，可能打破供需平衡。
