问题——算力需求跃升倒逼存储架构“补课” 近一段时间——大模型应用加速落地——推理侧对长上下文、KV Cache等高频数据的访问需求持续增加，训练侧对大规模参数与并行计算的内存供给要求也随之抬升；相比之下，传统服务器主要依靠内存条直连扩容，受插槽数量和单条容量上限影响，往往难以不明显增加成本的情况下实现“按需供给”。同时，数据在不同层级存储与不同计算资源之间迁移环节较多，带宽与延迟差异容易带来新的瓶颈。在静态资源分配模式下，一些节点可能出现内存闲置与算力等待并存，拖累集群整体效率。 原因——资源孤岛与层级割裂制约集群效率 业内人士认为，当前存储体系的矛盾主要集中在三上：其一，CPU、GPU及各类加速器之间的内存资源难以统一编址和灵活调度，形成“资源孤岛”；其二，DRAM与NVMe SSD之间性能差距较大，数据要么放高成本内存里、要么落到高延迟存储中，缺少兼顾成本与性能的中间层；其三，推理服务高并发逐渐常态化，内存若按峰值配置会推高数据中心投入，若按平均配置又容易在业务波动时触发拥塞。 影响——CXL内存池化打开“扩容不扩机”的新路径 鉴于此，基于CXL的内存池化方案受到关注。该方案通过互连协议实现跨CPU、GPU等计算资源的内存统一寻址与调度，使内存从“绑定单机”转向“面向集群”。同时，CXL可在DRAM与SSD之间引入新的性能层级，其访问延迟通常低于传统NVMe SSD与机械硬盘等存储方式，并在部分场景下支持加速器直接访问池化内存，从而在不大幅改动计算节点的前提下拓展可用内存空间，提升训练与推理的吞吐效率。 从投入产出角度看，内存池化有望缓解“为峰值买单”：将分散在各节点的碎片化内存集中管理、按需分配，提高利用率，进而降低数据中心总拥有成本，推动算力基础设施从“堆硬件”转向“重配置、重调度”。 对策——标准迭代与生态协同决定落地速度 技术落地依赖标准成熟与产业协同。随着CXL协议持续演进，最新规范将数据速率提升至128 GT/s，较上一代翻倍，为更高带宽、更低延迟的互连与内存扩展打下基础。，服务器平台、芯片、内存模组与系统软件需要协同适配，尤其在资源编排、缓存管理、故障隔离与安全机制上，必须形成可落地的工程能力，才能支撑数据中心规模化部署。 从产业动向看，海外头部企业正通过自研平台与并购整合完善生态，推进CPU等关键部件对CXL的支持；国内云计算厂商、服务器厂商也相继推出基于CXL服务器与内存扩展方案，并围绕推理场景开展缓存管理与内存池化架构创新，以提升对高并发与长上下文任务的适配能力。 前景——渗透率抬升即 产业链迎来结构性机遇 行业预测显示，CXL在服务器内存体系中的渗透率有望从起步阶段逐年提升，支持CXL功能的服务器占比或在中期进入加速上行通道，并在更长周期内向“标配化”演进。随着更多机型导入、软件栈完善以及规模部署经验积累，CXL内存池化或将成为大模型推理基础设施的重要选项。 在国内，有关企业已在互连芯片、内存扩展模组及配套器件等环节加快布局，并进入送样、验证与产品发布阶段。业内认为，若平台侧与云侧需求持续增长，叠加供应链协同成熟，国内厂商有望在新一轮服务器升级窗口中获得增量空间。但同时也需看到，CXL落地仍面临系统级可靠性验证、软硬件兼容性、运维复杂度与安全隔离等挑战，产业仍需在标准一致性、测试体系和规模化运维工具上持续投入。
算力竞争的下半场，较量的不只是芯片峰值性能，更在于系统工程能力与资源利用效率；CXL内存池化为破解“算力强、内存紧、调度难”提供了新的技术路径，但能否规模化落地仍取决于标准、生态与应用的共同成熟。面向大模型时代，推进软硬件协同创新，完善产业配套与验证体系，是把技术优势转化为产业优势的关键一步。