电子行业：CXL方案优化AI存储架构，头部厂商有望加速应用
核心观点 ⚫CXL方案可优化存储系统效率，未来AI存储架构有望重塑。部分投资者仍然低估了AI推理对内存容量扩展及存储架构优化的需求。我们认为，CXL内存池化方案能显著 优 化 存 储 系 统 效 率 ， 未 来AI算 力 设 施 中 的 内 存 硬 件 构 成 有 望 重 塑 。CXL（Compute Express Link）内存池化方案支持跨CPU、GPU及其他计算加速器的内存资源进行统一寻址、统一调度与透明访问，实现内存资源的整合与统一调度，从而支撑更大规模、更高并发的大模型训练与推理任务。从容量需求来看，AI推理过程中上下文缓存、模型权重等数据存储需求不断提升，而当前服务器内存提升受到插槽数量与单根内存条的容量制约。此外，当前存储架构存在调度低效等问题，模型参数和激活值需要频繁从HBM迁移到DRAM再到SSD，由于带宽差异显著且缺乏统一内存语义的底层直连协议，容易导致延迟放大、链路带宽浪费以及吞吐率下降；不同任务对计算资源与内存资源的侧重差异大，现有静态分配资源的方案也可能会导致算力浪费或内存瓶颈问题。针对现有存储架构的问题，CXL内存池化方案有望为AI算力设施拓展内存空间并提供更灵活的资源分配方案，从而提升Al模型训练和推理能力；同时CXL技术通过优化内存配置，有望显著降低数据中心系统总拥有成本（TCO）。 薛宏伟执业证书编号：S0860524110001xuehongwei@orientsec.com.cn021-63326320 蒯剑执业证书编号：S0860514050005香港证监会牌照：BPT856kuaijian@orientsec.com.cn021-63326320 李晋杰执业证书编号：S0860125070012lijinjie@orientsec.com.cn021-63326320 ⚫CXL方案相关软硬件逐步完善，头部厂商推进应用。部分投资者认为内存池化方案成熟度有限。我们认为，目前CXL内存池化相关软硬件已逐步完善，头部大厂正加速推进布局。在互联协议方面，CXL 4.0规范在25年11月发布，数据速率达到了128 GT/s，较CXL 3.0翻倍。英伟达未来有望持续推动CXL技术生态布局，于2025年9月收购Enfabrica的核心团队和技术授权布局相关方案；根据英伟达官网信息，英伟达Vera CPU支持CXL协议。国内服务器厂商已推出CXL内存池化相关方案，2025年阿里云于云栖大会上宣布推出全球首款基于CXL 2.0 Switch技术的PolarDB数据库专用服务器；浪潮信息于2025年12月推出元脑服务器CXL内存扩展方案，基于元脑服务器NF5280G7，在24条本地DRAM内存的基本配置下内置CXL内存扩展卡。随着相关软硬件逐步完善及头部厂商推进应用，CXL技术渗透率有望快速提升。根据Techinsight的预测，CXL在服务器DRAM中的总份额将从2024年的近乎为零，快速增长至2030年的约15%。支持CXL功能有望逐步成为服务器标配，产业生态有望加速成熟。 雷星宇执业证书编号：S0860126030013leixingyu@orientsec.com.cn021-63326320 产业链重视CXL技术，英伟达有望推进2026-03-14SRAM在AI推理中拓展应用，堆叠方案可助力容量扩充2026-03-07AI需求引领，NAND紧缺持续2026-03-04 ⚫CXL方案持续创新，进一步适配AI推理需求。各大厂商正在持续推进内存池化方案创新，以适配AI推理需求。2026年3月，浪潮元脑服务器操作系统KOS基于CXL内存池化技术，推出“存传一体”的KVCache管理系统MantaKV，将P节点产生的海量KVCache集中存储在CXL池化共享内存中，既直接供D节点解码使用（无需再次传输），又自然成为全局可用的持久缓存（无需卸载至P节点本地SSD），将两次独立搬运合并为单次写入，以解决传输冗余问题，提升模型推理效率。2026年3月，北京大学联合阿里云等首次提出使用CXL内存池来存储Engram，将基于CXL的Engram内存池集成到SGLang框架中，实现了接近本地DRAM的端到端性能，为集成Engram的大型语言模型提供了一种可扩展且具有成本效益的存储解决方案。我们认为，各大厂商持续推动以内存池化方案优化AI推理效能，CXL内存池化方案有望随着AI推理需求提升持续打开空间，产业链有望深度受益。 投资建议与投资标的 ⚫CXL方案优化AI存储架构，头部厂商有望加速应用。相关标的：澜起科技、聚辰股份、江波龙、佰维存储等。 风险提示 AI落地不及预期，技术迭代速度不及预期，国产化进展不及预期。 重大投资要素 我们区别于市场的观点 部分投资者认为CXL方案在AI算力硬件架构中的应用前景可能有限。一方面，部分投资者仍然低估了AI推理对于内存需求的拉动情况，对内存扩展及存储架构优化的需求认知有限；另一方面，目前英伟达等海外头部厂商还未大规模使用CXL方案，部分投资者认为CXL方案成熟度不足。基于以上原因，部分投资者认为CXL方案在AI算力硬件架构中的应用前景可能有限。 我们认为，CXL方案优化AI存储架构，头部厂商有望加速应用。AI推理过程中上下文缓存、模型权重等数据存储需求不断提升，而当前服务器内存提升受到插槽数量与单根内存条的容量制约。我们认为，CXL内存池化方案有望为AI算力设施拓展内存空间并提供更灵活的资源分配方案，从而提升Al模型训练和推理能力。目前CXL内存池化相关软硬件已逐步完善，头部大厂正加速推进布局。英伟达于2025年9月收购Enfabrica的核心团队和技术授权，未来有望持续推动CXL技术生态布局；根据英伟达官网，英伟达Vera CPU支持CXL协议。国内阿里云、浪潮厂商也已经推出服务器CXL内存池化相关方案。此外，各大厂商正在持续推进CXL方案创新，以适配AI推理需求，CXL方案有望随着AI推理需求提升持续打开空间，产业链有望深度受益。 核心逻辑/核心变量 核心逻辑：CXL方案优化AI存储架构，头部厂商有望加速应用，打开成长空间。 核心变量：CXL方案渗透率；英伟达、谷歌等头部厂商对CXL方案的应用情况；AI推理对内存需求的拉动情况。 股价上涨的催化因素 英伟达、谷歌等头部厂商应用CXL方案；CXL方案渗透率显著提升；CXL相关软硬件进一步成熟。 投资建议与投资标的 CXL方案优化AI存储架构，头部厂商有望加速应用。相关标的：澜起科技、聚辰股份、江波龙、佰维存储等。 风险提示 AI落地不及预期，技术迭代速度不及预期，国产化进展不及预期。 目录 1．CXL方案优化存储效率，适应AI推理需求...............................................6 1.1CXL方案有助于扩展内存容量，优化存储架构.............................................................61.2CXL方案持续创新，进一步适配AI推理需求...............................................................81.3CXL方案有望以存储效率优化提高经济效益................................................................9 2．CXL相关软硬件逐步完善，头部厂商推进应用.......................................10 2.1CXL相关软硬件逐步完善成熟....................................................................................102.2头部厂商加速推进CXL方案布局...............................................................................11 3．CXL方案渗透率有望持续提升，为产业链打开增长空间.........................13 4．CXL应用有望加速，相关企业深度受益..................................................14 4.1澜起科技：深入布局CXL互连芯片............................................................................144.2聚辰股份：VPD芯片进入设计验证阶段.....................................................................164.3江波龙：发布CXL2.0内存拓展模块..........................................................................17 风险提示......................................................................................................18 图表目录 图1：当前的存储架构下不同场景分别存在算力与内存扩展需求..................................................6图2：CXL内存池化方案可实现内存资源的整合与统一调度........................................................6图3：CXL内存方案有助于存储分层，优化存储架构...................................................................7图4：CXL内存的访问延迟约为200ns，远低于NVMe SSD和HDD..........................................7图5：Ultra IO Transformer技术方案使GPU直接、高效地利用远端可扩展的CXL内存池........7图6：三星推出基于CXL协议的创新混合内存方案CMM-H........................................................8图7：KIMI提出MoonCake Store技术，借助分布式KV Cache存储池降低推理成本.................8图8：浪潮推出基于CXL扩展池化内存的KV Cache管理方案....................................................9图9：MantaKV利用CXL交换机构建可扩展共享内存池的硬件架构...........................................9图10：北大联合阿里云首次提出基于CXL的Engram内存池化架构...........................................9图11：CXL技术通过优化内存配置，有望显著降低数据中心系统总拥有成本（TCO）.............10图12：采用双路服务器+CXL DRAM的方案，其总系统成本明显低于传统的四路服务器纯插槽DRAM方案.................................................................................................................................10图13：CXL规范持续迭代升级....................................................
