最近AI圈除了热议大模型的快速迭代，“算力瓶颈”也成了焦点话题。大家都知道GPU短缺、HBM供不应求，但可能没注意到，存储层正悄然酝酿着一场革新——高带宽闪存（HBF）。今天，我们就结合HBM之父Joungho Kim教授的最新观点，深入解析这项技术：它并非HBM的直接替代品，却可能重塑AI推理的游戏规则，甚至有望在2038年超越HBM的市场规模。
首先要明确一个核心认知：HBF并非凭空出现，而是站在HBM技术肩膀上的“优化版本”。理解其本质是关键——它用NAND闪存替换DRAM，同时借鉴了HBM成熟的3D堆叠架构，主打“高带宽”与“大容量”的平衡，专门为解决AI推理场景的存储痛点而生。
一、HBF vs HBM vs 传统SSD：关键参数对比
谈论技术离不开参数对比，我们将其与HBM4及主流NVMe SSD放在一起看，能更直观地建立认知。毕竟，仅说“1638GB/s带宽”有些抽象。
从对比中可以看出：HBM4延迟最低但成本高昂、单堆栈容量有限（约64GB）；PCIe 5.0 SSD成本亲民，但带宽最高仅约11GB/s、延迟为毫秒级。而HBF则精准地兼顾了高速与大容量，非常适配AI推理需求——其带宽是PCIe 5.0 SSD的149倍以上，单堆栈容量是HBM4的8倍，成本据称仅为HBM的1/5到1/10。它就像为AI推理引擎装上了“大容量高速缓存”，使其无需在“速度”与“容量”之间艰难取舍。
二、HBF为何能快速商业化？坐享HBM技术红利
Kim教授有一个关键观点：HBM花费了十几年才走向成熟，而HBF的商业化速度会快得多，预计2027年底到2028年初就会集成到NVIDIA、AMD、Google等公司的产品中。核心原因只有一个——复用HBM积累的技术。
HBM的核心难点在于3D堆叠、硅穿孔（TSV）、混合键合（Hybrid Bonding）等封装与架构技术，而三星、SK海力士等巨头对此已驾轻就熟。HBF只是将存储介质从DRAM换成了NAND，核心架构得以复用，这将其研发周期从10年以上大幅压缩到3-5年。
这里需要纠正一个常见误区：HBF并非要取代HBM。Kim教授明确指出，两者是互补关系：HBM继续负责AI训练时对延迟极端敏感的高速数据交换（纳秒级延迟不可替代），而HBF则主攻推理场景——例如ChatGPT生成回答、图像识别等读取密集型任务。这类任务需要大容量存储模型参数和中间数据，对延迟的要求相对宽松。
还有一个值得关注的时间节点：HBF将在HBM6推出时迎来大规模普及。而HBM6本身也将发生重大变化——不再是单一内存堆栈，而是多个堆栈像“住宅小区”一样互联，以解决HBM自身的容量瓶颈。但即便如此，基于DRAM的HBM仍会遇到物理上的容量天花板，此时基于NAND堆叠的HBF便能有效补位。
三、对AI推理的颠覆性影响：从“漫长搬运”到“近存计算”
要理解HBF的价值，需要先看清当前AI推理流程中的“低效”之处。Kim教授曾拆解过：GPU进行推理时，数据需要从存储网络调用，经过数据处理器，再进入GPU计算流水线，传输路径长且曲折。
HBF的出现旨在重构这一流程。首先，它能接管HBM在推理中的数据检索任务。其高达512GB的单堆栈容量（通过8堆栈组合可达4TB），足以直接加载GPT-4级别的大模型（约1.8万亿参数），从而避免频繁在不同存储层级间搬运数据，极大提升效率。
其次，它将推动AI架构的整体升级。Kim教授预测，到HBM7时代，可能会出现“内存工厂”架构——数据在HBM之后即可被直接处理，跳过存储网络、数据处理器等中间环节，彻底打破“计算与存储分离”的传统模式。而HBF作为大容量缓存层，将成为这一架构中的核心组件。
当然，HBF也有其短板：写入寿命约为10万次循环，虽支持无限次读取，但仍需OpenAI、Google等公司优化软件，以更好地适配读取密集型操作。不过，这对于AI推理场景而言并非硬伤，因为推理本就以读取数据为主，写入需求远低于训练。
四、巨头竞速：三星、SK海力士的HBF布局
技术再好，最终要看产业落地。目前HBF赛道已形成“三巨头联盟”：三星、SK海力士与闪迪（SanDisk），其推进速度超出预期。
动作最快的是SK海力士——预计将在2026年展示HBF测试版，相当于向行业放出“技术演示”，证明其可行性。而三星和SK海力士都已与闪迪签署备忘录，成立联合联盟以推进HBF标准化，避免出现“各自为战”的技术壁垒。
三家的目标高度一致：在2027年实现量产。闪迪计划在2026年下半年推出首批样品，2027年初完成在AI推理设备中的原型验证；三星则计划同步将HBF集成到NVIDIA、AMD的产品中，直接对接下游AI厂商的需求。
从技术路线图看，闪迪已规划了迭代节奏：2027年的第二代HBF带宽将超过2TB/s，2028年的第三代超过3.2TB/s，容量也将分别提升至1TB和1.5TB，逐步拉近与HBM的带宽差距，同时保持其容量优势。
五、未来时间线与市场展望：2038年超越HBM？
最后，我们来梳理一下HBF的关键时间节点，结合Kim教授的预测，看看这项技术将如何一步步渗透市场：
- 2026年：SK海力士展示HBF测试版，行业进入“技术验证期”；闪迪推出首批HBF样品，开始与GPU厂商进行适配。
- 2027年：三星、SK海力士实现HBF量产，NVIDIA、AMD、Google的产品正式集成，商业化元年开启。
- 2029-2030年：HBM6推出，HBF迎来大规模普及，成为AI推理服务器的标配。
- 2038年左右：HBF市场规模有望超越HBM，成为AI存储领域的主导力量之一。
从市场规模看，行业预估2027-2028年HBF市场规模约为10-20亿美元，到2030年可能增长至100-150亿美元，占据AI推理存储市场的70%以上。这一增长逻辑很清晰：AI推理的需求将比训练更为广泛（从云端扩展到边缘设备），而HBF是目前最能平衡“性能、容量、成本”三者的方案。
对普通开发者而言，HBF的意义不止是一项新技术——它有望降低AI推理的硬件门槛，推动大模型从“云端专属”走向边缘设备，让智能汽车、家用机器人等都能承载更强大的AI能力。对行业而言，HBF使NAND闪存从“普通存储”升级为“计算-存储融合”的核心组件，整个半导体产业链都可能因此重构。
总结而言：HBF不是HBM的对手，而是AI存储生态中关键的“补位者”。它踩着HBM奠定的技术红利，精准命中了推理场景的痛点。这场从实验室走向量产倒计时的存储革命，值得我们在未来几年重点关注三星、SK海力士的量产进展，以及NVIDIA新一代GPU对HBF的适配——这将直接决定下一代AI技术落地的速度与广度。
对存储和AI底层技术感兴趣的开发者，欢迎来 云栈社区 交流探讨。
发表于 3 天前
|
查看: 9|
回复: 0
