根据FOREXBNB的报道，DeepSeek发布的R1模型引起了投资者的不安，他们担心这会导致训练成本曲线的快速下降，从而对数据中心AI硬件的需求产生影响。针对这一情况，摩根大通发布了一份关于内存行业的分析报告。内存行业依赖于高端训练GPU对计算需求（HBM）的持续增长，而在过去两周内，该行业的股价平均下跌了11%（与费城半导体指数同期下跌9%相比）。

尽管市场对GPU需求可能的减缓表示关注，但摩根大通强调，边缘AI的迁移和AI ASIC市场的增长正在加强AI生态系统。该机构认为，推理模型效率的进一步提高可能会增加预训练的需求，加速AI在各个终端领域的应用。目前，没有迹象表明HBM订单减少或投资计划的缩减，主要的云服务提供商（CSP）客户在最近的财报和前景预测中对资本支出持乐观态度。

摩根大通认为，在HBM中推理需求的增长空间有限，而边缘AI/传统DRAM的增长潜力更大。该机构预测，性价比高的推理模型（例如DeepSeek）的普及可能会促进边缘AI的迁移，与HBM相比，传统DRAM的增长可能性更高，因为在中央计算内存（CPU）需求中，推理产品组合仅占10%。从内容和位需求的角度来看，HBM对推理ASIC芯片的附加率仍然较低。

目前，摩根大通预计到2026年，PC和智能手机的边缘AI采用率将分别达到25%和40%。如果完全转向边缘AI（100%迁移），将释放出强大的位增长潜力。与基础情景相比，边缘AI位需求有超过220%的增长潜力，这意味着全球DRAM市场总规模（TAM）将增长20%。

从HBM的角度来看，摩根大通预测低成本推理模型不会减少商用GPU的需求，反而可能会激发更多的需求。正如DeepSeek的论文所指出的，迭代训练是优化推理模型的有效方法，这表明训练需求将持续存在。

此外，摩根大通对HBM需求放缓与边缘AI需求上升的情景进行了DRAM市场供需的敏感性分析（如果HBM需求下降10%，边缘设备AI渗透率需要提高5%，才能实现供需平衡）。在商用GPU和ASIC之间，该机构认为，在快速变化的环境中，GPU在训练方法上更具灵活性。因此，建议投资者关注以英伟达为核心的供应链（在亚洲内存领域，首选SK海力士）。

该机构认为，如果客户没有大量库存，需求下降10%不太可能导致明显的供应过剩和订单削减。然而，如果需求下降约20%，可能会导致今年出现近14周的供过于求，因此预计重新分配HBM晶圆投入将不可避免。每2.5%的额外非HBM供应可以通过约5%及更高的边缘AI渗透率或约20%及更高的边缘AI位需求增长来消化。

各种终端应用载体更快地采用人工智能可能会刺激更换周期的加速，每箱内容升级将成为原始设备制造商（OEM）的先决条件。更高的HBM ASP可能会为OEM带来利润。尽管市场供需相对平衡，但考虑到HBM平均售价（ASP）高于传统DRAM，对DRAM市场总规模（TAM）的净影响可能会被稀释（HBM需求每减弱10%，DRAM TAM下跌约2%）。