江蘇
存儲芯片巨頭大戰下，HBM還在進化，而新型內存HBF（High Bandwidth Flash，高帶寬閃存）也加快了商業化進程。
近日，SK海力士與閃迪聯合舉辦“HBF規格標準化聯盟啟動”活動，宣布在開放計算項目（OCP）框架下成立專屬工作組，推進HBF的全球標準化。
消息傳出后，閃迪盤前股價拉升5%，足以看出市場對該技術的高度期待。
什么是HBF？這并非全新概念，其源于AI產業從訓練向規模化推理的轉型。
作為“AI推理時代存儲缺口解決方案”的核心技術，HBF的標準化啟動，標志著下一代存儲架構競爭進入實質階段。
隨著多模態大模型普及，AI服務并發量激增，現有存儲架構陷入明顯瓶頸：HBM帶寬優異但容量有限、成本高昂，單堆棧僅數十GB；而TB級的SSD雖容量充足，卻讀寫偏慢，無法適配AI推理的實時性需求。
正是為了解決現有內存技術的問題，催生了HBF技術，其核心定位就是填補兩者間的存儲空白，打造兼具高帶寬、大容量與高性價比的專屬解決方案。
要理解HBF的核心優勢，需從其技術本質入手。
根據官方的介紹，HBF是經架構重構與封裝優化的新型存儲半導體，借鑒HBM成熟的3D堆疊技術，將存儲介質替換為NAND閃存，通過硅通孔（TSV）技術實現高速數據傳輸，既完整保留NAND閃存高容量、低成本的優勢，又具備接近HBM的帶寬表現。
其采用CMOS直接鍵合到陣列（CBA）設計，打破傳統NAND的固有限制，實現獨立訪問的存儲器子陣列，大幅提升數據并行訪問能力。數據顯示，單堆棧HBF容量可達512GB，8個堆棧可實現4TB，足以高效支撐大模型參數的高速讀取需求。
不過，HBF的出現并非要取代HBM，反而是要與之協同構建高效AI存儲架構。
在全新的AI存儲架構下，HBM將負責延遲敏感型任務，而HBF會接替HBM專注于大容量順序讀取的工作，例如模型參數讀取。
兩者分工協作、優勢互補，精準滿足AI推理的性能與功耗雙重需求，SK海力士推出的“H3混合架構”就是用來驗證這一邏輯。
該架構將HBM與HBF并列部署于GPU周邊，仿真測試顯示，其每瓦性能較純HBM方案最高提升2.69倍，在1000萬token 場景下，并發查詢量提升18.8倍，GPU使用量大幅減少。
正是看到HBF在AI推理場景中的巨大潛力，全球存儲巨頭紛紛加碼布局。
其中，SK海力士作為HBM領域龍頭，擁有成熟的堆疊與封裝技術；閃迪則是HBF概念的提出者和商業化先行者，兩者聯手推進標準化，形成了技術與市場的雙向互補。另外，三星電子也已加入這一陣營，未來三大巨頭共同推動HBF標準化從雙邊合作走向廣泛的產業協同。
而OCP作為全球知名的開放數據中心技術組織，為其提供了重要平臺支撐，專屬工作組的成立，將加速HBF技術規范的完善，為其規模化商業化落地掃清障礙。
“HBM之父”Kim Joungho表示，三星與閃迪計劃在2027年底至2028年初，將HBF技術集成至英偉達、AMD、谷歌的相關產品中；閃迪也明確預測，首批HBF產品將于2026年下半年出樣，搭載HBF的AI推理設備則將于2027年初出樣。業界普遍預計，HBF的市場需求將于2030年進入快速增長通道，2038年市場規模有望超越HBM，其核心驅動力正是AI推理場景的持續擴張，其高容量、高帶寬、低成本的特性，可精準適配數據中心、自動駕駛等多領域需求。
不過，盡管HBF商業化前景廣闊，但依然沒有跳脫NAND閃存本身寫入速度偏慢的固有短板，在緩存動態更新場景中可能影響用戶體驗。
SK海力士也坦言，需通過設計優化、提升基礎芯片性能來突破這一限制。此外，HBF與現有GPU架構的兼容性、封裝復雜度及設備散熱等問題，仍需整個行業協同攻關解決。但總體而言，HBF仍是AI產業倒逼存儲技術創新的必然結果。
記得星標微信公眾號：鎂客網（im2maker），更多干貨在等你
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
