趋势丨HBM升级=HBF？高带宽闪存如何破解AI算力的“内存墙”

·聚焦:人工智能、芯片等行业

欢迎各位客官关注、转发

前言：

当AI大模型的参数规模迈向万亿级，上下文窗口突破百万token，HBM（高带宽内存）虽快，但容量有限且成本高昂；NAND闪存虽大，但带宽不足。在这个算力与存储的断层之间，一种名为HBF（高带宽闪存）的新型存储技术正从实验室走向产业前台。

作者| 方文三

图片来源 |网 络

从HBM到HBF的“升级”逻辑

HBF（High Bandwidth Flash，高带宽闪存）并非HBM的简单替代，而是以NAND堆叠之躯，实现接近HBM的带宽，试图在AI推理时代扮演“二级缓存”的战略角色。一场围绕HBF的技术竞赛，已在存储巨头之间悄然打响。其核心设计理念是：在GPU或AI加速器旁，部署一层容量远超HBM、带宽又远高于传统SSD的“中间层”存储。

从技术实现看，HBM堆叠的是DRAM，而HBF堆叠的是NAND闪存。第一代HBF产品预计将堆叠16层32GB NAND闪存，总容量可达512GB，带宽则有望超过1638GB/s（相当于PCIe 6.0×4的50倍）。在AI计算架构中，HBF扮演的是HBM的“容量扩展”角色。

AI推理时代的“内存墙”困局

HBF的诞生，直指当前AI计算体系中最棘手的矛盾——HBM的容量增长远跟不上模型参数的膨胀速度。在AI大模型的推理阶段，特别是长上下文、多轮对话、智能体调用等场景中，系统需要频繁读写键值缓存（KV cache）来维持上下文记忆。当上下文窗口达到百万token级别时，HBM很快被这些缓存数据占满，进而影响核心计算任务的效率。

传统解决方案是通过向量重计算或访问远端SSD来应对溢出数据，但这两种方式都会引入显著的延迟开销。HBF的介入，正是为了填补HBM与SSD之间的巨大空白。SK海力士提出的H3（HBM+HBF）混合存储架构，将HBF作为HBM的“二级扩展”，专门存储只读数据或键值缓存。经过模拟表明，以前需要32个GPU才能完成的工作负载，在HBF的辅助下仅需2个GPU即可完成。这意味着HBF不仅能突破容量瓶颈，更可能从根本上改变AI算力集群的经济模型。

技术特征：容量、带宽与成本的再平衡

HBF之所以被寄予厚望，源于其在容量、带宽和成本三个维度上实现了独特的再平衡。其中，容量优势最为突出。HBF的存储容量可达HBM的8至16倍。这意味着原本需要多个GPU分摊的模型参数和缓存数据，可以更集中地由单个GPU配合HBF处理，大幅降低系统复杂度和互连开销。

带宽表现上，HBF能够实现HBM约80%至90% 的传输速度。虽然仍有一定差距，但考虑到其容量优势，这一带宽水平已足以支撑绝大多数推理场景的数据供给需求。功耗方面与HBM相比，HBF的功耗可降低约40%。这对于功耗密度日益失控的AI集群而言，意义重大。

成本上，基于NAND闪存的HBF，其单位容量的成本远低于基于DRAM的HBM。广发证券分析认为，HBF有望将GPU的存储容量扩展至4TB，成为满足AI大模型内存容量要求的最佳方案。

当然，HBF也存在先天短板：由于NAND闪存的物理特性，其写入耐久性较差，访问延迟高于DRAM。因此，当前的主流设计思路是将HBF用于只读数据或低频写入的键值缓存，而将频繁读写的动态数据留在HBM中。

全球巨头入局竞争，韩系双雄领跑

面对HBF的战略价值，全球存储巨头已纷纷入局，其中韩国厂商占据领跑位置。SK海力士是当前HBF研发最为积极的厂商，计划最早于2026年推出HBF1样品，目标是在2027年实现量产。在战略路径上，SK海力士采取HBM中心策略，将HBF作为HBM的补充而非替代，通过两者的协同配置优化AI推理能效。

三星电子则展现出更宏大的野心，依托其在逻辑代工领域的优势，三星正在探索通过自家4nm工艺生产HBF控制逻辑，并优化下一代NAND方案的能效与控制性能。三星的目标是将HBF整合进更广泛的AI内存层级重构中，其与闪迪的合作正向2027年底至2028年初应用于英伟达、AMD、谷歌实际产品的目标迈进。

闪迪（SanDisk） 是HBF技术的最早倡导者之一，公司与韩国KAIST金正浩教授团队紧密合作，推动HBF的技术标准化。闪迪认为，HBF是解决GPU HBM内存墙问题的关键答案，但其成功需要行业标准的确立和英伟达等主流客户的采纳。

值得注意的是，三大厂商已就HBF标准化展开合作。继SK海力士之后，三星电子也加入了闪迪首创的HBF技术阵营，三方正共同推动HBF成为行业通用标准。

从“HBM附庸”到“AI内存新支柱”的未来展望

尽管前景广阔，HBF的产业化仍面临多重挑战。技术层面，HBF需要GPU制造商重新设计架构，开发者需要修改软件以优化软硬件协同，这些涉及大量半导体级别的复杂工作。

生态层面，英伟达的态度至关重要。目前，英伟达尚未对HBF表达公开兴趣，而是开发了ICMSP技术作为替代方案，使用DPU连接的NVMe SSD处理溢出数据。不过，随着SK海力士、三星等核心供应商持续推动，以及HBF在仿真测试中展现的惊人能效提升，英伟达的态度可能出现转变。

证券机构预测，HBF市场规模将从2027年的10亿美元增长至2030年的120亿美元。金正浩教授更预测，从2038年起，HBF的需求将超过HBM。在商业化时间表上，SK海力士有望在本月晚些时候展示HBF早期测试版本，而HBF的广泛应用预计将等到HBM6时代——届时单个基础裸片将集成多组存储堆栈。

结语

在推理成为AI算力新主战场的2026年，谁能率先构建HBM+HBF的混合存储体系，谁就可能在这场算力效率的终极竞赛中占得先机，开启 AI算力的下一个 黄金 十年 。

网络援引：

搜狐网：《SK海力士探索H3存储：发挥HBM、HBF各自优势，优化推理能效 》

中关村在线：《全球存储巨头加速AI驱动产能扩张，美光2000亿美元建最大洁净室》

IT之家：《消息称美光痛失英伟达HBM4 大单，韩系双雄 SK 海力士、三星瓜分市场》

本公众号所刊发稿件及图片来源于网络，仅用于交流使用，如有侵权请联系回复，我们收到信息后会在24小时内处理。

请务必注明：

「姓名 + 公司 + 合作需求」