根據FOREXBNB的報導，DeepSeek發布的R1模型引起了投資者的不安，他們擔心這會導致訓練成本曲線的快速下降，從而對數據中心AI硬件的需求產生影響。針對這一情況，摩根大通發布了一份關於內存行業的分析報告。內存行業依賴於高端訓練GPU對計算需求（HBM）的持續增長，而在過去兩週內，該行業的股價平均下跌了11%（與費城半導體指數同期下跌9%相比）。

儘管市場對GPU需求可能的減緩表示關注，但摩根大通強調，邊緣AI的遷移和AI ASIC市場的增長正在加強AI生態系統。該機構認為，推理模型效率的進一步提高可能會增加預訓練的需求，加速AI在各個終端領域的應用。目前，沒有跡象表明HBM訂單減少或投資計劃的縮減，主要的雲服務提供商（CSP）客戶在最近的財報和前景預測中對資本支出持樂觀態度。

摩根大通認為，在HBM中推理需求的增長空間有限，而邊緣AI/傳統DRAM的增長潛力更大。該機構預測，性價比高的推理模型（例如DeepSeek）的普及可能會促進邊緣AI的遷移，與HBM相比，傳統DRAM的增長可能性更高，因為在中央計算內存（CPU）需求中，推理產品組合僅佔10%。從內容和位需求的角度來看，HBM對推理ASIC芯片的附加率仍然較低。

目前，摩根大通預計到2026年，PC和智能手機的邊緣AI採用率將分別達到25%和40%。如果完全轉向邊緣AI（100%遷移），將釋放出強大的位增長潛力。與基礎情景相比，邊緣AI位需求有超過220%的增長潛力，這意味著全球DRAM市場總規模（TAM）將增長20%。

從HBM的角度來看，摩根大通預測低成本推理模型不會減少商用GPU的需求，反而可能會激發更多的需求。正如DeepSeek的論文所指出的，迭代訓練是優化推理模型的有效方法，這表明訓練需求將持續存在。

此外，摩根大通對HBM需求放緩與邊緣AI需求上升的情景進行了DRAM市場供需的敏感性分析（如果HBM需求下降10%，邊緣設備AI滲透率需要提高5%，才能實現供需平衡）。在商用GPU和ASIC之間，該機構認為，在快速變化的環境中，GPU在訓練方法上更具靈活性。因此，建議投資者關注以英偉達為核心的供應鏈（在亞洲內存領域，首選SK海力士）。

該機構認為，如果客戶沒有大量庫存，需求下降10%不太可能導致明顯的供應過剩和訂單削減。然而，如果需求下降約20%，可能會導致今年出現近14週的供過於求，因此預計重新分配HBM晶圓投入將不可避免。每2.5%的額外非HBM供應可以通過約5%及更高的邊緣AI滲透率或約20%及更高的邊緣AI位需求增長來消化。

各種終端應用載體更快地採用人工智能可能會刺激更換週期的加速，每箱內容升級將成為原始設備製造商（OEM）的先決條件。更高的HBM ASP可能會為OEM帶來利潤。儘管市場供需相對平衡，但考慮到HBM平均售價（ASP）高於傳統DRAM，對DRAM市場總規模（TAM）的淨影響可能會被稀釋（HBM需求每減弱10%，DRAM TAM下跌約2%）。