摩根士丹利最新發布的行業研究報告引發市場對存儲產業鏈的激烈討論。該機構分析師Joseph Moore指出，谷歌近期推出的TurboQuant算法雖在特定場景下實現內存占用優化，但長期來看可能成為推動AI算力需求升級的關鍵因素，而非如部分市場觀點認為的將削弱存儲市場整體需求。
針對業界廣泛關注的"內存使用效率提升6倍"說法，報告明確指出這一優化僅針對AI模型推理過程中的KV Cache內存模塊，而非全鏈路內存需求。分析師認為，市場對技術細節的誤讀直接導致存儲板塊股價波動，部分企業近期股價下跌與實際供需關系存在偏差。
研究團隊通過追蹤谷歌AI模型發展路徑發現，從Gemini 1.5 Pro測試版支持1000萬token上下文窗口，到現役Gemini 3與2.5 Pro的100萬token標準配置，模型復雜度呈現指數級增長趨勢。盡管高參數模型因推理成本問題尚未全面商用，但TurboQuant等成本優化技術的突破，正在為更大規模模型部署創造條件。
報告特別強調DRAM內存市場的結構性矛盾。隨著數據中心對高帶寬內存（HBM）和DDR5需求激增，傳統消費電子領域的內存供應已出現明顯擠壓。產業鏈調研數據顯示，當前AI訓練集群的內存配置強度較兩年前提升超過300%，這種增長態勢尚未出現放緩跡象。
基于上述分析，摩根士丹利維持對美光科技、閃迪等存儲龍頭企業的"增持"評級。分析師指出，盡管終端消費市場存在周期性波動，但AI算力競賽引發的內存需求升級已成為確定性趨勢，特別是在訓練側對超大規模參數模型的支持需求，將持續推動存儲行業技術迭代與產能擴張。
