广发证券发布研报称，在高并发、长上下文的密集型推理中，MRDIMM与CXL形成“近端高带宽+远端大容量”的分层协同，以更低TCO增加AI服务器内存供给与弹性扩展。CXL 3.1对KVCache的性能提升尤为明显，特别适用于高并发、超长上下文的负载。建议关注产业链核心受益标的。

广发证券主要观点如下：

MRDIMM和CXL增加AI服务器内存

如何同时提升并平衡AI服务器的内存容量扩展与性能成为当前架构演进的核心难题。当前存在三个难题：(1)HBM成本高、容量受限;(2)不同应用与负载的内存需求差异明显，需避免内存不足/过度配置;(3)CPU插槽的内存可扩展容量成为瓶颈，需要新型存储与架构来拓展。MRDIMM与CXL形成“近端高带宽+远端大容量”的分层协同，以更低TCO增加AI服务器内存供给与弹性扩展。

MRDIMM为面向KVCache密集型推理的近端内存基座

MRDIMM在大模型推理的KVCache场景下提供确定性增益：并发更高、上下文更长、端到端时延更低，并显著优化CPU–GPU内存编排与资源利用。具体体现为：(1)带宽提升：根据Next-Gen AIApp Server Performance with CXL3.1 Tier Memory and MRDIMMGen2 solution报告，MRDIMMGen2最高支持12800 MT/s速率，在AI负载下相对DDR5 RDIMM带宽可提升2.3倍;更快的内存访问显著降低KVCache读/写时延，支撑高吞吐推理;(2)容量扩展：单条支持64/96/128GB容量，支持更长上下文与更多并行会话;(3)解耦式内存设计：MRDIMM的高带宽与大容量适配CPU侧KVCache卸载。Intel Xeon 6“Granite Rapids”搭载12通道内存控制器，可充分释放MRDIMM带宽潜力，有效缓解GPU显存压力，并利于多会话调度与跨会话KVCache复用，在延迟与成本间取得平衡。

CXL提供远端/池化拓展，在KVCache密集型推理中形成显著TCO优势

CXL 3.1对KVCache的性能提升尤为明显，特别适用于高并发、超长上下文的负载。具体体现为：(1)内存池化与扩展：在CPU/GPU/加速器间做内存池化，将部分KVCache从昂贵的GPU显存弹性卸载到CXL设备，在不增加GPU成本前提下扩大有效容量至TB级;(2)低时延访问：CXL访问时延可逼近CPUDRAM，使置于CXL的KVCache在高负载下亦能维持接近实时的解码性能;(3)解耦式KVCache架构：在字节跳动LLM服务栈中，将KVCache卸载至CXL可使batch size提高30%、GPU需求降低87%、prefill阶段GPU利用率提升7.5倍;(4)分层内存管理：CXL支持冷热分层，允许根据访问频率对KVCache进行动态放置。热点KV驻留GPU/CPUDRAM，温冷数据迁移至CXL池。以DeepSeek-1.73B量化模型为例，单路CPU(CPU0+128GB)+CXL扩展128GB较双路CPU(CPU0/CPU1各128GB)在提示与解码吞吐基本持平，但处理器数量更少，形成明显TCO优势。

风险提示

AI产业发展以及需求不及预期;AI服务器出货量不及预期，国产厂商技术和产品进展不及预期。