美股投资网获悉，摩根士丹利发布半导体行业研报指出，DRAM内存短缺将贯穿本轮AI产业周期，而AI算力扩张不会等待新晶圆厂建成投产。行业正通过硬件降配、推理架构解耦、CXL内存池化三大技术路径绕过内存瓶颈，在供给约束下持续推进算力建设。该行继续看好美光(MU)、闪迪(SNDK)等存储龙头，同时看好CXL互联、异构推理赛道的增量机遇，推荐Astera Labs(ALAB)、Marvell(MRVL)、Cerebras(CBRS)及英伟达(NVDA)。

大摩强调，当前 AI 内存短缺并非短期扰动，而是算力性能增长远超内存供给速度的结构性矛盾。前沿大模型规模每 6 个月翻一番，头部模型上下文窗口年增速达 5-6 倍，叠加推理并发需求持续提升，内存容量与带宽需求持续爆发。而 DRAM 晶圆厂建设周期长达数年，供给弹性极低，短缺格局将持续数年。英伟达CEO黄仁勋也公开表示，行业需要转变思路，通过架构创新应对内存约束，而非单纯等待产能扩张。

面对 HBM 与主存供给紧张，行业最直接的应对方式是选择性降低单设备内存规格(De-speccing)。以英伟达 Rubin 架构为例，单机架 LPDDR5 容量从原计划 54TB 降至 28TB，单 GPU HBM 容量从 288GB 下调至 192GB，通过降低内存堆叠高度保障整机出货量。大摩指出，降配并非消除内存瓶颈，而是将压力在内存层级间转移：削减高速本地内存后，KV 缓存等非高频数据向 NAND 存储下沉，同时跨 GPU 数据交互增加，带动对网络互联带宽的需求，本质上是以更高速的网络互联、更低成本的存储资源，补充稀缺的高带宽内存。

第二条破局路径是推理架构解耦(Disaggregation)。AI推理包含预填充(Prefill)与解码(Decode)两个差异显著的阶段：Prefill 以算力消耗为主，Decode则高度依赖内存带宽。传统架构用同一加速器兼顾两类任务，资源利用率偏低。当前行业正加速走向异构推理，将两个阶段拆分至不同硬件：算力密集型Prefill由通用GPU承担，内存带宽密集型 Decode 则由搭载大容量片上 SRAM 的专用加速芯片处理。

典型代表包括Cerebras的晶圆级引擎、英伟达收购的 Groq LPU 架构，均能在解码阶段提供远超传统 GPU 的内存带宽效率。大摩认为，异构推理将成为 AI 基础设施的重要演进方向，专精解码环节的算力厂商将获得明确的增量市场。

第三条路径是 CXL 技术重构内存体系。CXL(计算高速互联)通过高速互联实现内存的扩展、共享与池化，让内存不再绑定单一处理器，成为突破内存容量约束的核心技术路径。大摩测算，AI需求将推动 CXL 及相关内存附加芯片市场规模在 2030 年达到约 60 亿美元，远超传统 CPU 内存扩展市场体量。其核心价值在于构建分层内存架构：最高频数据保留在HBM，次高频数据放入 CXL 内存池，低频冷数据下沉至 NAND，用成本梯度匹配数据访问频率。

投资主线方面，大摩重申三大方向：一是继续超配美光、闪迪，降配源于供给短缺而非需求走弱，AI内存需求长期向上，供给缺口将持续消化产能；二是布局 CXL 与 scale-up 互联龙头 Astera Labs、Marvell；三是关注异构推理受益者Cerebras，以及通过收购Groq完善异构布局的英伟达。

风险提示：AI 算力需求增速不及预期；CXL 技术落地进度慢于预期；内存产能扩张超预期。