«Лобстер» значительно продлевает «жизнь» «памяти»?

Системы искусственного интеллекта (Agentic AI), такие как OpenClaw, начинают переводить потребности рынка памяти в совершенно новую парадигму. Согласно информации от Chasing Wind Trading Platform, последний отчет Morgan Stanley от 18 марта указывает: AI переходит от “мышления” к “исполнению”, что приведет к замещению HBM на DRAM в инфраструктуре ИИ, делая чиповые узкие места в памяти самыми сложными для преодоления, а цикл памяти — значительно более долгим, чем ожидалось.

Исследования каналов показывают, что к второму кварталу 2026 года цены на серверный DDR5 DRAM могут вырасти более чем на 50% по сравнению с предыдущим периодом, при этом некоторые крупные китайские облачные провайдеры готовы платить еще больше; контрактные цены DDR4 могут увеличиться на 40-50%, а цены на корпоративные SSD NAND — не менее чем на 40-50%. Morgan Stanley считает, что сейчас рынок находится в середине цикла роста памяти, и степень сжатия предложения превысила предыдущие оценки — “прогнозы прибыли на Уолл-стрит придется пересматривать в соответствии с реальностью”.

Эти оценки уже нашли отражение в корректировке целевых цен: прогноз EPS для SK Hynix на 2026-2027 годы повышен на 24% и 32% соответственно, целевая цена выросла с 1,1 миллиона вон до 1,3 миллиона вон, что дает потенциал роста примерно на 43% от текущих цен; целевая цена на обычные акции Samsung Electronics поднята до 251 000 вон, обе акции остаются с рейтингом “покупать”.

Ключевое мнение Morgan Stanley — рынок привык к линейному мышлению, тогда как возможности AI расширяются экспоненциально — когда AI переходит от “генерации ответов” к “выполнению задач”, объем требований к памяти резко возрастает, и этот процесс только начинает ускоряться.

“Делание” требует больше памяти, чем “мышление”

Логика отчета Morgan Stanley начинается с простого, казалось бы, утверждения: “Для выполнения задач требуется больше DRAM, чем для мышления.”

Традиционные крупномасштабные языковые модели (LLM) работают по линейной схеме, управляемой GPU: получение вопроса, пакетная обработка всех входных токенов (предварительный этап), затем по токенам генерация ответа (декодирование), а CPU отвечает за преобразование результата в текст. В этом процессе GPU — главный узкий место, а DRAM лишь обеспечивает кэширование чтения и записи.

Появление агентных AI полностью меняет эту логику. Например, OpenClaw — это открытая, самоуправляемая AI-помощник, который одновременно подключается к более чем 50 мессенджерам (WhatsApp, Telegram, Slack, Signal и др.) и обладает системными правами: автоматизация браузера, работа с файлами, выполнение командной строки, вызовы API. Он не просто “отвечает на вопросы”, а “выполняет задачи” — ищет информацию в сети, читает документы, вызывает внешние инструменты, выполняет код, и в итоге выводит результат, сформированный через многоступенчатое взаимодействие.

Ключевая технологическая особенность этого подхода — рабочий процесс расширяется с одного GPU-инференса до многошаговой координации, вызова инструментов и оркестрации, где время вычислений CPU зачастую превышает время GPU. В то же время, между агентами необходимо постоянно обмениваться контекстом, выгружать KV-кэш (Key-Value Cache), хранить и извлекать результаты промежуточных шагов — память становится не просто вспомогательным ресурсом, а критическим узким местом.

OpenClaw: экстремальное увеличение требований к памяти

Morgan Stanley подробно оценил потребности OpenClaw в памяти: в таких агентных системах DRAM — абсолютный лидер, остальные аппаратные ограничения — второстепенны.

У этого инструмента есть два принципиально разных режима работы:

Легкий шлюз-модуль (удаленный вызов API Claude или GPT-4): даже в этом случае узким местом является не GPU или CPU, а использование DRAM в Node.js. Минимально требуется 2 ГБ DRAM, для стабильной работы рекомендуется 4 ГБ.

Локальный режим модели (загрузка и запуск модели прямо на устройстве): здесь ограничения накладывают как системная DRAM, так и графическая HBM. Morgan Stanley советует иметь 32 ГБ системной DRAM; для моделей с 7-8 миллиардами параметров — дополнительно 8 ГБ графической DRAM; для моделей с 13-70 миллиардов параметров — 16-24 ГБ; крупные модели типа Llama 3 70B, Qwen 72B требуют более 80 ГБ.

Отмечается, что нехватка памяти ведет не к снижению производительности, а к сбоям — JavaScript выбросит ошибку “heap out of memory” (переполнение кучи), что приведет к сбоям установки и прерыванию работы. Этот нюанс ярко показывает, что в сценариях агентных систем память — не просто ресурс, а жесткое ограничение: нехватка — не замедление, а “смерть”.

Перенос узкого места с GPU на системную память

Особенность требований OpenClaw — отражение более широких структурных изменений.

Morgan Stanley отмечает, что узкое место в AI-вычислениях систематически смещается: от вычислительной мощности к перемещению данных, от HBM к системной памяти (DRAM), и вся архитектура памяти переходит к многоуровневой структуре, объединяющей HBM, DRAM и NVMe SSD.

Одним из драйверов этого изменения является стремительный рост требований к длинному контексту (long context). KV-кэш растет линейно с количеством токенов, а в сценариях распределенного предобучения (prefill-decode disaggregation) его приходится передавать по сети, что значительно увеличивает нагрузку на I/O CPU. Важнейшие операции агентных систем — RAG (Retrieval-Augmented Generation), управление контекстом — требуют интенсивных операций с памятью.

Подтверждение на рынке — также очевидно: Intel и AMD недавно подтвердили, что серверные процессоры с большим количеством ядер уже испытывают реальный дефицит; доля доходов AMD EPYC в сегменте серверных CPU впервые превысила 40%, а облачные инстансы с EPYC растут более чем на 50% год к году. NVIDIA запустила отдельную линейку CPU Vera и заключила многолетние соглашения с Meta, впервые внедряя отдельные CPU для поддержки работы личных агентных систем.

Ценовые тенденции: цикл в середине, потенциал есть

Эти структурные изменения уже нашли отражение в ценах.

В сегменте DRAM к второму кварталу 2026 года цены на серверный DDR5 выросли более чем на 50% по сравнению с предыдущим периодом, крупные облачные провайдеры приняли эти цены, некоторые китайские — платят еще больше. В конце февраля контрактные цены на 64 ГБ RDIMM достигли 910-920 долларов, что примерно на 20% выше средней цены за первый квартал (около 800 долларов). Цены на LPDDR и потребительские DRAM во втором квартале ожидаются с ростом не менее 40-50%; контрактные цены DDR4 — аналогично. Предыдущие ожидания снижения цен на HBM3E на 20-25% при заключении контрактов сменились ростом в единичных процентах.

В сегменте NAND цены на корпоративные SSD во втором квартале могут вырасти на 40-50%, а на потребительские продукты — не менее чем на 60%, в некоторых сценариях цены на eSSD могут удвоиться.

Morgan Stanley считает, что тенденция ускоренного роста цен сохраняется, и рынок все еще находится в середине цикла повышения. Как только прогнозы прибыли будут скорректированы в соответствии с текущими ограничениями по мощности, у соответствующих активов появится значительный потенциал восстановления; возможное повышение доходности капитала дополнительно поддержит превосходные показатели.

Все эти важные материалы предоставлены платформой Chasing Wind Trading.

Более подробные разборы, включая актуальные интерпретации и первоисточники, доступны по подписке 【**Chasing Wind Trading▪Годовая подписка**】.

Риск и отказ от ответственности

          

            Рынок подвержен рискам, инвестировать следует осторожно. Настоящий материал не является индивидуальной инвестиционной рекомендацией и не учитывает ваши личные цели, финансовое положение или потребности. Перед принятием решений по инвестициям ознакомьтесь с тем, насколько изложенные мнения, взгляды или выводы соответствуют вашей ситуации. Ответственность за инвестиционные решения — на вас.