摘要速读
覆盖华尔街顶级投行最新研报
AI 投资主线从算力走向内存系统约束
AI 摘要卡
AI 投资主线从算力走向内存系统约束
Morgan Stanley 认为，AI 继续扩张需要突破“内存墙”，受益者将从传统存储厂商扩展到封装、互连、接口、系统设计和材料生态。
- 云端内存支出预计到 2030 年可达 US$418bn，2026 年起 CAGR 约 8%。
- 内存支出可能在 2027 年占云资本开支 40%，高于 2023 年 AI 云资本开支 boom 前的 12%。
- 报告提出设计、制程、封装、外设、集成、材料六条内存创新路径。
- 不含 HBM 的新兴内存技术 TAM 基准情景预计从 2025 年 US$1.2bn 扩大至 2030 年 US$23.0bn；含 HBM 基准情景为 US$276bn。
- 核心受益标的包括 Samsung Electronics、Kioxia、Micron、SanDisk；生态侧关注 Montage Technology、GigaDevice、Winbond、APMemory、Renesas、Marvell 等。
研报解读
概览
本报告围绕下一代内存展开主题研究，核心判断是 AI 已进入从算力扩张转向系统效率约束的新阶段。随着生成式 AI 和智能体 AI 推升 token、上下文窗口和数据访问需求，内存容量、带宽和成本正成为 AI 可扩展性的关键瓶颈。
核心观点
报告认为，“内存墙”不是单纯的供给问题，也不只是增加 DRAM 或 HBM 产能即可解决，而是涉及数据存储、移动、访问、封装、互连、材料和系统协同设计的全栈挑战。投资机会因此不应只看传统内存芯片厂商，还应扩展到接口、连接、先进封装、系统设计及材料设备等更广泛生态。
分析框架
研究通过 AI 需求增长、云资本开支结构、内存价格、带宽提升与 token 增长的错配来论证内存瓶颈，并借鉴 3D NAND 对传统存储架构和供应链的颠覆案例，构建六路径框架来评估下一代内存技术的商业化潜力和投资映射。
方法论与常识提炼
设计、制程、封装、外设、集成、材料
该框架将内存创新从传统节点迁移扩展到系统级创新，用于判断哪些技术路径具备规模化和商业相关性。
算力提升快于内存容量、带宽和成本改善，导致系统性能受限
报告用该概念解释 AI 模型即使拥有更强计算能力，也会受到数据供给速度、容量和经济性的限制。
3D NAND 通过垂直堆叠突破 2D planar NAND 的物理扩展限制
报告用 3D NAND 的产业扩散说明重大内存创新可重塑成本曲线、终端应用和供应链格局。
标的映射与对比
研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。
- Samsung Electronics传统内存龙头和 AI 内存受益者
- 优势
- HBM 量产、3D DRAM、千层级 NAND、混合铜键合、CXL 和定制化内存布局较完整。
- 劣势
- 短期仍受内存周期变化率和供需能见度影响。
- 对比
- 相较更早期生态公司，Samsung 更偏向规模化主流内存受益者。
- 风险
- 若 2026 年底价格同比增速平台化，短期催化可能不足。
- KioxiaAI SSD 和 NAND 体系受益者
- 优势
- 通过 CM、GP、LC 系列覆盖带宽、延迟、IOPS 和容量需求，部分产品可缓解 HBM 容量约束。
- 劣势
- 对 AI 存储需求兑现和产品商业化节奏依赖较高。
- 对比
- 相较 DRAM/HBM 厂商，Kioxia 更强调 NAND 与 SSD 在 AI 数据层级中的上移。
- 风险
- 若 hyperscaler 存储架构采用速度慢于预期，盈利弹性可能延后。
- MicronDRAM、HBM 和 AI 数据中心需求受益者
- 优势
- 报告认为其 HBM 执行被低估，AI 数据中心需求可能推动多年盈利上行周期。
- 劣势
- 估值提升依赖 HBM 份额、毛利率和长期供需紧张的持续性。
- 对比
- 与 Samsung 类似属于主流内存周期和 AI 需求的核心敞口。
- 风险
- 若供需紧张缓解或客户协议兑现不及预期，盈利修正可能放缓。
- SanDiskAI NAND 和大容量存储受益者
- 优势
- 报告认为推理需求将 NAND 拉升到更高内存层级，用于 LLM KV cache 和上下文窗口存储。
- 劣势
- 依赖云端成为 NAND 最大终端市场的结构性转变。
- 对比
- 相较传统 PC/mobile NAND 周期，SanDisk 的投资逻辑更依赖 hyperscaler 需求和新商业模式协议。
- 风险
- 若 AI 推理存储需求不及预期，结构性重估可能受限。
- Montage Technology内存接口、连接和 AI 服务器内容量扩张受益者
- 优势
- 具备 CXL、MRDIMM、DDR6 等下一代内存系统“管道”敞口。
- 劣势
- 部分技术仍处早期采用阶段，商业化节奏不确定。
- 对比
- 相较传统内存厂，Montage 更代表生态侧、接口侧的差异化 alpha。
- 风险
- 标准落地、客户导入和系统部署进度低于预期。
- GigaDevice, Winbond, APMemory先进封装、3D 堆叠和边缘 AI 专用内存生态受益者
- 优势
- 有望受益于 wafer-on-wafer stacking、特殊内存应用、带宽提升、功耗改善和形态优化。
- 劣势
- 规模化和客户采用仍需验证。
- 对比
- 较主流 DRAM/NAND 厂商更偏早期和细分应用。
- 风险
- 技术量产难度、成本和终端需求不确定。
- Renesas, Marvell下一代互连和连接生态相关标的
- 优势
- 报告将其列为 next-generation interconnects 相关示例。
- 劣势
- 报告节选未提供详细财务估值或单独评级论证。
- 对比
- 属于内存瓶颈解决方案的系统连接层，而非存储芯片本体。
- 风险
- 互连标准竞争和系统架构路线变化可能影响受益程度。
关键数据
- 云端内存支出预测US$418bn by 2030基于当前预测，隐含自 2026 年起约 8% CAGR。
- 智能体 AI 对 DRAM 增量需求贡献26-77% by 2030报告认为 agentic AI 将显著增加内存需求。
- 内存占云资本开支比例40% in 2027e vs 12% in 2023显示内存从外围成本项转为 AI 基础设施核心支出。
- DDR5 单通道带宽提升+14%, from 44.8GB/s in 2024 to 51.2GB/s in 2026带宽改善明显落后于 token 增长。
- GCP token 增长10T/month in Apr 2024 to 3,200T in Jun 2026报告用超过 320x 的 token 增长说明系统级压力。
- 新兴内存技术 TAM，不含 HBMUS$23.0bn base case by 2030; bull/bear US$41.4bn/US$16.9bn主要由封装和外设相关路径驱动。
- 新兴内存技术 TAM，含 HBMUS$276bn base case by 2030; bull/bear US$342bn/US$160bnHBM 纳入后显著扩大潜在市场规模。
- Micron 目标价US$1,200报告维持 Overweight，以 30x through-cycle earnings power of US$40 估值。
- SanDisk 目标价US$1,750报告维持 Overweight，以 28x through-cycle EPS of US$62.50 估值。
- Montage Technology 目标价调整6809.HK: HK$310 to HK$432; 688008.SS: Rmb274 to Rmb377反映 CXL、MRDIMM、DDR6 和 AI 服务器内容量扩张机会。
影响与含义
投资含义是 AI 半导体主线可能从“谁拥有最快 GPU”转向“谁能更高效地移动、存储和访问数据”。传统内存龙头仍是直接受益者，但更差异化的 alpha 可能来自先进封装、接口、互连、CXL 扩展、MRDIMM 带宽提升、PIM/CIM 架构和专用存储方案等尚未被充分定价的环节。
风险
- 软件层优化可能降低新增硬件强度需求。
- AI 需求若因商业化或变现不及预期而放缓，将削弱内存需求假设。
- 下一代内存技术复杂，许多方案尚未完成大规模验证，存在执行风险。
- 内存股短期仍受价格变化率、供给纪律和周期催化影响。
- CXL、MRDIMM、DDR6、PIM/CIM、先进封装等生态技术的标准化和客户采用节奏存在不确定性。
后续跟踪
- 下一代内存标准的采用进度。
- CXL 等新连接方案的推出和客户导入。
- 3D DRAM、先进 HBM、wafer-on-wafer、MRDIMM、DDR6 等架构的商业化证据。
- AI 系统级部署是否显示内存瓶颈被缓解。
- DRAM、NAND、HBM 的价格走势、供需紧张程度和云资本开支结构变化。
- Samsung、Kioxia、Micron、SanDisk、Montage Technology 等重点标的的盈利修正和订单能见度。