CXL方案优化AI存储架构，头部厂商有望加速应用-.docxVIP

行业研究|深度报告电子行业

CXL

CXL方案优化AI存储架构，头部厂商有望加速应用

核心观点

核心观点

lCXL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（ComputeExpressLink）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