AI算力之后，记忆体创新成为下一波焦点

摩根士丹利在GMIF2026释放的信号

据新浪网报道，摩根士丹利代表颜志天在GMIF2026上发表观点，提出AI的下一波创新将从算力转向记忆体。这一判断出现在全球AI基础设施投资持续扩张、HBM（高带宽内存）供应紧张的大背景下，值得产业界关注。需要说明的是，本次新闻标题与摘要仅确认了“AI下一波，从算力到记忆体创新”这一核心判断，未披露具体技术路线、产品参数或财务数据。 过去两年，AI训练与推理需求推动GPU和加速器算力快速迭代，但内存带宽与容量逐渐成为系统性能的瓶颈之一。摩根士丹利此时将目光投向记忆体环节，可能反映出市场对AI产业链价值分配的一次重新审视。存储与HBM作为本次新闻的大分类，正是这一趋势的关键落点。

为什么“内存墙”再次成为焦点

在AI计算系统中，处理器算力增长长期快于内存带宽增长，这一差距常被业界称为“内存墙”。当大模型参数规模扩大、推理请求密度提升时，数据在处理器与内存之间的搬运效率直接影响整体吞吐和能耗。HBM通过堆叠DRAM并采用更宽接口，部分缓解了带宽压力，但其产能、良率与成本仍是供给侧的约束。 从产业背景看，HBM已成为AI加速器的关键配套器件。集邦咨询（TrendForce）在2024年的估算显示，HBM在DRAM行业营收中的占比持续上升，并预计到2025年前后仍将保持较高增速。SEMI在2024年的报告中也指出，先进封装与存储相关设备的资本开支是半导体设备市场的重要支撑方向之一。这些背景数据说明，记忆体创新并非孤立话题，而是与AI算力投资紧密联动。

对半导体产业链的可能影响

若“从算力到记忆体”的判断成立，产业链关注点可能从单纯的GPU出货量，扩展到HBM堆叠层数、先进封装产能以及存储厂商的资本开支节奏。存储原厂与逻辑代工厂在先进封装环节的合作可能进一步加深，设备与材料供应商也可能受益于工艺复杂度提升。 不过，这一转向的节奏和幅度仍有待进一步确认。AI芯片厂商是否会调整内存架构、存储原厂扩产能否匹配需求、以及替代性存储技术是否进入规模化商用，均存在不确定性。投资者与产业观察者值得关注后续财报、行业展会披露以及监管文件中的产能与资本开支信息，而非仅依据单一会议观点做出判断。

数据参考

• 集邦咨询（TrendForce），2024年：HBM在DRAM行业营收中占比上升，并预计后续仍保持较高增速（公开估算，非本次新闻发布数据）。
• SEMI，2024年：先进封装与存储相关设备资本开支是半导体设备市场的重要支撑方向之一（行业背景参考）。
• 本次新闻（新浪网，2026年10月9日）：仅确认摩根士丹利颜志天在GMIF2026提出“AI下一波，从算力到记忆体创新”，未披露具体数字、金额、日期或技术参数。
• 其他涉及市场规模、出货量与份额的精确数据：暂缺可核验的本次新闻来源，故不引用。 #AI #HBM #存储芯片 #摩根士丹利