摩根士丹利在最新全球科技深度报告中发出警示：随着大模型参数规模、推理Token消耗和Agentic AI应用急速膨胀，存储系统已成为制约AI进一步扩张的核心瓶颈，一场从“算力墙”向“存储墙”的产业重心迁移正在发生。

报告将当前困境概括为三重压力：容量不足、带宽受限、成本高企。数据对比清晰地揭示了矛盾的尖锐程度——DDR5单通道带宽预计从2024年的44.8GB/s仅增至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。存储带宽的提升远远跟不上AI工作负载的膨胀速度。

成本端同样严峻。报告指出，当前CPU服务器中存储相关BOM成本占比高达73%，DRAM每GB价格已回升至近30年高位。这已不是简单的供给短缺，而是架构、接口、封装、计算模式乃至材料体系共同面临的系统性挑战。

基于此，摩根士丹利给出了几组关键预测数字：到2030年，Agentic AI将贡献全球DRAM新增需求的26%至77%，区间宽度反映了不同应用场景渗透速度的不确定性；云端存储支出将增至4180亿美元，2026年至2030年复合增速约8%；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%，资本投入强度持续攀升。

市场规模方面，不含HBM的新型存储技术总市场规模预计从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。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，受益方不仅包括传统存储巨头，还涵盖制程、封装、互连、材料、存算一体等多个细分方向。

报告将突破“存储墙”的技术路径归纳为六大方向。先进制程方面，DRAM已进入1γ节点，三星、SK海力士和美光均已启动量产或爬坡，但二维DRAM正逼近物理极限；NAND则迈入200层至300层时代，SK海力士已实现321层量产，路线图指向2030年前突破1000层。存储架构创新方面，3D DRAM、PLC NAND等新架构在推进中，但具备完整电容结构的3D DRAM量产仍需时日。

先进封装是另一关键战场。HBM路线图迈向HBM4和HBM4E，预计2027年16层HBM4E将实现量产，单栈带宽达1.5TB/s至2TB/s以上。SanDisk推出的高带宽闪存可提供最高4TB显存容量，容量达到HBM的8至16倍，首批样品预计2026年下半年交付。晶圆级堆叠市场预计由2025年的1000万美元激增至2030年的98亿美元，年复合增速高达322%。

外围互连芯片领域，MRDIMM可将有效带宽提升至DDR5原生频率的两倍，CXL则借助PCIe突破传统DIMM容量限制。摩根士丹利将2030年CXL MXC芯片市场规模预测上调至21亿美元，CXL交换芯片市场规模上调至19亿美元。进入DDR6时代，双路服务器RCD芯片用量预计由24颗增至96颗。

存算一体技术已进入商业化阶段，三星HBM-PIM和SK海力士GDDR6-AiM的实验数据显示，平均内存访问延迟可降低逾50%，部分场景性能提升最高达16倍，能效提升超80%。新材料方面，Si/SiGe超晶格沟道、TiO₂基电容介质、HZO铁电材料及钼金属化等体系正加速导入，为下一代3D DRAM和3D NAND提供支撑。

摩根士丹利的核心判断是：GPU决定AI跑多快，内存系统决定AI走多远。过去市场围绕GPU展开的竞争格局正在被重塑，未来决定AI系统扩展能力的关键，将越来越取决于谁能率先突破存储体系的系统性瓶颈。这一判断若成立，意味着AI基础设施领域的资本配置和产业创新重心，都将向存储产业链发生实质性偏移。