随着AI模型规模激增，算力之外的内存瓶颈日益凸显。此视角揭示了提升AI效率的关键在于解决内存问题，而非单纯堆砌GPU，为理解行业下一步投资重心提供了全新思路。
智能速览
AI模型规模增长远超内存发展速度。
GPU利用率因内存瓶颈受限，仅约25%。
提升内存容量是提升AI算力效率的关键。
科技巨头正为GPU部署更多HBM和闪存。
行业支出正从计算能力转向内存。
精华内容
2022年市场聚焦GPU，但真正的瓶颈早已潜伏，如今它终于浮出水面。
内存瓶颈浮现
AI模型大小呈指数级增长，而内存容量的发展曲线却近乎停滞。这种不匹配导致GPU因缺乏数据而饥饿，其利用率普遍被压制在25%左右。如果能解决数据供给问题，将利用率提升至50%，等于在不增加硬件的情况下，将AI算力产出翻倍，这凸显了内存问题的严重性。
投资重心转移
过去两年，投资者将目光集中在英伟达（NVDA）主导的算力上，视其为唯一瓶颈。然而，自2019年以来，内存问题就已存在，只是直到模型规模足够庞大时才彻底暴露。现在，谷歌、亚马逊等巨头正积极为每个加速器配置更多的高速内存和闪存，确保其庞大AI集群的稳定运行。
受益公司分析
在这一轮投资转向中，美光科技（MU）和闪迪（SNDK）被视为核心受益者。美光是高速GPU所需HBM和先进DRAM的关键供应商，直接参与解决内存带宽问题。而闪迪则专注于提供AI数据中心用于模型检查点和快速读写的海量闪存存储，解决了数据本地化的需求。
AI基础设施的建设已进入新阶段，优化现有算力成为比单纯扩张更重要的议题。内存作为性能倍增器的价值将被重估，这是否预示着科技投资逻辑的又一次范式转移？
