東方證券（HK3958）發(fā)布研報稱，CXL內(nèi)存池化方案能顯著優(yōu)化存儲系統(tǒng)效率，未來AI算力設施中的內(nèi)存硬件構(gòu)成有望重塑。該行認為，目前CXL內(nèi)存池化相關(guān)軟硬件已逐步完善，頭部大廠正加速推進布局。各大廠商持續(xù)推動以內(nèi)存池化方案優(yōu)化AI推理效能，CXL內(nèi)存池化方案有望隨著AI推理需求提升持續(xù)打開空間，產(chǎn)業(yè)鏈有望深度受益。CXL方案優(yōu)化AI存儲架構(gòu)，頭部廠商有望加速應用。
東方證券（HK3958）主要觀點如下：
CXL方案可優(yōu)化存儲系統(tǒng)效率，未來AI存儲架構(gòu)有望重塑
部分投資者仍然低估了AI推理對內(nèi)存容量擴展及存儲架構(gòu)優(yōu)化的需求。該行認為，CXL內(nèi)存池化方案能顯著優(yōu)化存儲系統(tǒng)效率，未來AI算力設施中的內(nèi)存硬件構(gòu)成有望重塑。CXL(Compute Express Link)內(nèi)存池化方案支持跨CPU、GPU及其他計算加速器的內(nèi)存資源進行統(tǒng)一尋址、統(tǒng)一調(diào)度與透明訪問，實現(xiàn)內(nèi)存資源的整合與統(tǒng)一調(diào)度，從而支撐更大規(guī)模、更高并發(fā)的大模型訓練與推理任務。從容量需求來看，AI推理過程中上下文緩存、模型權(quán)重等數(shù)據(jù)存儲需求不斷提升，而當前服務器內(nèi)存提升受到插槽數(shù)量與單根內(nèi)存條的容量制約。此外，當前存儲架構(gòu)存在調(diào)度低效等問題，模型參數(shù)和激活值需要頻繁從HBM遷移到DRAM再到SSD，由于帶寬差異顯著且缺乏統(tǒng)一內(nèi)存語義的底層直連協(xié)議，容易導致延遲放大、鏈路帶寬浪費以及吞吐率下降;不同任務對計算資源與內(nèi)存資源的側(cè)重差異大，現(xiàn)有靜態(tài)分配資源的方案也可能會導致算力浪費或內(nèi)存瓶頸問題。針對現(xiàn)有存儲架構(gòu)的問題，CXL內(nèi)存池化方案有望為AI算力設施拓展內(nèi)存空間并提供更靈活的資源分配方案，從而提升Al模型訓練和推理能力;同時CXL技術(shù)通過優(yōu)化內(nèi)存配置，有望顯著降低數(shù)據(jù)中心系統(tǒng)總擁有成本(TCO)。
CXL方案相關(guān)軟硬件逐步完善，頭部廠商推進應用
部分投資者認為內(nèi)存池化方案成熟度有限。該行認為，目前CXL內(nèi)存池化相關(guān)軟硬件已逐步完善，頭部大廠正加速推進布局。在互聯(lián)協(xié)議方面，CXL4.0規(guī)范在25年11月發(fā)布，數(shù)據(jù)速率達到了128GT/s，較CXL3.0翻倍。英偉達（NVDA）未來有望持續(xù)推動CXL技術(shù)生態(tài)布局，于2025年9月收購Enfabrica的核心團隊和技術(shù)授權(quán)布局相關(guān)方案;根據(jù)英偉達（NVDA）官網(wǎng)信息，英偉達（NVDA）Vera CPU支持CXL協(xié)議。國內(nèi)服務器廠商已推出CXL內(nèi)存池化相關(guān)方案，2025年阿里云于云棲大會上宣布推出全球首款基于CXL2.0Switch技術(shù)的PolarDB數(shù)據(jù)庫專用服務器;浪潮信息（000977）于2025年12月推出元腦服務器CXL內(nèi)存擴展方案，基于元腦服務器NF5280G7，在24條本地DRAM內(nèi)存的基本配置下內(nèi)置CXL內(nèi)存擴展卡。隨著相關(guān)軟硬件逐步完善及頭部廠商推進應用，CXL技術(shù)滲透率有望快速提升。根據(jù)Techinsight的預測，CXL在服務器DRAM中的總份額將從2024年的近乎為零，快速增長至2030年的約15%。支持CXL功能有望逐步成為服務器標配，產(chǎn)業(yè)生態(tài)有望加速成熟。
CXL方案持續(xù)創(chuàng)新，進一步適配AI推理需求
各大廠商正在持續(xù)推進內(nèi)存池化方案創(chuàng)新，以適配AI推理需求。2026年3月，浪潮元腦服務器操作系統(tǒng)KOS基于CXL內(nèi)存池化技術(shù)，推出“存?zhèn)饕惑w”的KVCache管理系統(tǒng)MantaKV，將P節(jié)點產(chǎn)生的海量KVCache集中存儲在CXL池化共享內(nèi)存中，既直接供D節(jié)點解碼使用(無需再次傳輸)，又自然成為全局可用的持久緩存(無需卸載至P節(jié)點本地SSD)，將兩次獨立搬運合并為單次寫入，以解決傳輸冗余問題，提升模型推理效率。2026年3月，北京大學聯(lián)合阿里云等首次提出使用CXL內(nèi)存池來存儲Engram，將基于CXL的Engram內(nèi)存池集成到SGLang框架中，實現(xiàn)了接近本地DRAM的端到端性能，為集成Engram的大型語言模型提供了一種可擴展且具有成本效益的存儲解決方案。該行認為，各大廠商持續(xù)推動以內(nèi)存池化方案優(yōu)化AI推理效能，CXL內(nèi)存池化方案有望隨著AI推理需求提升持續(xù)打開空間，產(chǎn)業(yè)鏈有望深度受益。
風險提示
AI落地不及預期，技術(shù)迭代速度不及預期，國產(chǎn)化進展不及預期。
