高盛：AI推理需求快速增长，存储容量不足正成为制约算力效率的重要瓶颈

10月13日，高盛发布研报指出，随着AI推理需求快速增长，存储容量不足正成为制约算力效率的重要瓶颈。高带宽闪存（HBF）等新型NAND技术有望缓解这一“内存墙”问题，并显著降低AI基础设施成本。该行预计，在GPU采用率达到15%至50%的情况下，HBF潜在市场规模可达400亿至1500亿美元。

研报指出，AI模型上下文窗口正从约150万Token向1000万以上扩展，推理任务对存储容量的需求激增。传统HBM虽然具有带宽优势，但容量有限，迫使云厂商增加GPU数量以扩充内存，导致算力利用率偏低。

HBF通过堆叠高密度NAND闪存，可实现单堆栈512GB容量，远高于HBM的16至32GB，同时提供最高约3TB/s的顺序读取带宽，接近HBM水平。

高盛测算，在HBM与HBF混合架构下，单颗GPU可增加约4TB存储容量。对于100万Token上下文任务，采用HBF可将单位推理吞吐成本降低约33%，同时提高GPU利用率。部分场景下，4颗配备HBF的GPU即可实现8颗传统GPU的推理吞吐量，整体能效最高提升约2.7倍，有望为云厂商节省数千亿美元资本开支。

市场规模方面，在乐观情景下，HBF到2028年底可覆盖50%的GPU，占全球NAND位元出货量约4%，但因制造工艺占用更多晶圆面积，可能消耗约9%的全球NAND晶圆产能，从而延长存储行业供需紧张周期。

不过，HBF仍面临读写延迟、耐久性、功耗及散热等挑战，商业化进程存在不确定性。铠侠的XL-Flash和三星的zNAND-O也在探索类似技术路线。

投资方面，高盛看好闪迪和SK海力士的HBF技术领先优势，维持两家公司“买入”评级；三星电子同样有望受益。相比之下，美光因业务重心偏向DRAM和HBM，直接受益程度较低，维持“中性”评级。高盛同时指出，HBF若减少同等推理任务所需GPU数量，可能对部分AI加速器厂商形成压力。