Morgan Stanley: AI-udviklingen støder på en ‘memory wall’ – og det skaber ‘chipflation’

De vigtigste pointer fra Morgan Stanleys rapporter

Kernen: Fra regnekraft til hukommelse som flaskehals

• Morgan Stanleys analytikere (anført af Shawn Kim) fastslår, at den centrale flaskehals i AI er ved at skifte fra en ‘compute wall’ til en ‘memory wall’. Deres ramme: ”GPU’er bestemmer, hvor hurtigt AI kører, mens hukommelse bestemmer, hvor langt AI kan nå” .
• DDR5-hukommelsens båndbredde er kun steget med 14 % i løbet af de sidste to år (2024–2026), mens efterspørgslen på AI-inferens-tokens er eksploderet over 320 gange i samme periode . Den svimlende forskel er den strukturelle rod til flaskehalsen.
• Hukommelse er nu den begrænsende faktor, efterhånden som AI skalerer mod inferenstunge, selvstyrende og langkontekst-arbejdsbyrder .

’Chipflation’: Prisstigninger og omkostningsstruktur

• Morgan Stanley har opfundet udtrykket ‘chipflation’ for at beskrive, at priserne på hukommelseschips stiger kraftigt og forbliver høje, fordi efterspørgslen vedvarende overstiger udbuddet .
• Priserne på hukommelseschips er steget seks gange i løbet af det seneste år . Finvaultas resumé af Morgan Stanleys rapport fra 2. juni 2026 bekræfter ”DRAM prisstigning: 6 gange (seneste år)” .
• Banken noterer, at DRAM-priserne er tilbage på deres højeste niveau i næsten 30 år .
• DRAM-priserne er steget 125 % i 2026 (et specifikt tal citeret i mediedækningen) . Hukommelse udgør nu 73 % af en CPU-servers bill of materials (BOM) .
• Hyperscalers (de store cloud-udbydere) har sikret sig forsyning via langtidsaftaler (LTAs), hvilket skaber et to-delingsmarked, hvor AI-købere prioriteres, og ikke-AI-købere står over for risiko for allokering og endnu højere priser .

Omformning af AI-infrastrukturinvesteringer frem mod 2030

• Forbruget på cloud-lagring forventes at nå 418 milliarder dollars i 2030 .
• Hukommelsens andel af cloud-udbydernes kapitaludgifter vil stige fra 12 % til 40 % i 2027 .
• De fem største hyperscalers kan bruge op til 1,4 billioner dollars i samlede kapitaludgifter i 2028 . Morgan Stanley estimerer næsten 2,9 billioner dollars i globale omkostninger til datacenterbyggeri alene frem til 2028 .
• Banken identificerer et marked på 276 milliarder dollars for nye hukommelsesteknologier – innovationer, der er nødvendige for at overvinde begrænsningerne i kapacitet, båndbredde og omkostninger .

Seks identificerede innovationsområder

Morgan Stanley skitserer seks områder, der vil være afgørende for at bryde gennem hukommelsesvæggen :

1. Avancerede processer – formindskelse af hukommelsescellens geometri
2. Nydesign af hukommelsesarkitektur – fundamentale ændringer i celledesign
3. Avanceret indpakning – 3D-stabling og heterogen integration (f.eks. HBM)
4. CXL (Compute Express Link) – muliggør puljeopdeling og adskillelse af hukommelse
5. Processing-in-memory (PIM) – flytning af beregning ind i hukommelsesarrayet
6. Nye materialer – nye dielektrikere, ledere og switch-materialer

Afsmittende effekter på forbruger-elektronik

Morgan Stanley advarer om, at AI’ens hukommelsesefterspørgsel trænger forsyningen til forbruger-hardware, hvilket skaber et to-delingsmarked :

• Pc’er: En mangel på 15 % i 2027, svarende til 58 millioner pc’er .
• Smartphones: En mangel på 12 % i 2027, svarende til 134 millioner enheder .

Markedsstørrelse og omsætningsprognoser

• Morgan Stanley ser hukommelsesmarkedet vokse fra omkring 220 milliarder dollars i 2025 til omkring 890 milliarder dollars .
• Hukommelsesindustriens overskud forventes at vokse 35–40 % i 2027 .

Topinvesteringsanbefalinger

Morgan Stanleys anbefalede investeringer i hukommelsesflaskehalsen inkluderer :

• Micron – hukommelsesproducent, eksponering mod DRAM og NAND
• Samsung Electronics – dominerende producent med førende position inden for HBM
• SK Hynix – førende HBM-leverandør, fremhævet som vinder af AI-hukommelsessupercyklussen
• SanDisk (tidligere Western Digitals spin-off) – eksponering mod NAND-flash
• ASML – EUV-litografiudstyr, identificeret som den næste flaskehals efter hukommelse

Bankens analytiker Shawn Kim understregede, at ”hukommelse er AI’ens nye flaskehals”, og at investeringsmuligheden udvides ud over GPU’er til CPU’er og hukommelse i takt med, at selvstyrende AI-arbejdsbyrder skalerer .