HBM与HBF协同发力，AI存储迎来“速度+容量”黄金时代

在人工智能大模型迅猛发展的推动下，存储技术正从幕后走向台前。被誉为“高带宽内存（HBM）之父”的韩国科学技术院教授金正浩近期指出，AI时代的性能瓶颈已从图形处理器（GPU）转向存储系统，而新一代高带宽闪存（HBF）的出现，正在加速这一趋势的演进。
HBF并非要取代HBM，而是与其形成互补。HBM凭借超高速带宽，成为AI训练等高实时性任务的“速度担当”；而HBF则融合3D NAND闪存的高密度优势与HBM的堆叠架构，采用8至16层垂直封装、硅通孔（TSV）及微凸点技术，将逻辑芯片与存储阵列紧密集成，实现对多个NAND子阵列的并行访问。这使其成为专为AI推理优化的“容量王者”，可完整容纳百亿甚至千亿参数的大语言模型，显著缓解当前GPU因频繁从硬盘加载数据而高达60%–70%的空闲等待问题。
实测数据显示，在运行4050亿参数的LLaMA 3.1模型时，HBF方案性能仅比理想HBM低2.2%；单张GPU搭载8个HBF堆叠模块即可提供4TB存储空间，是纯HBM方案的20倍以上，真正实现“单卡即推理”。该技术还可广泛应用于超长上下文大模型推理、多模态AI处理、自动驾驶等边缘计算场景，以及训练过程中的检查点存储，大幅缩短模型恢复时间。
产业界已迅速行动。西数（SanDisk）与SK海力士于2024年8月签署合作备忘录，共同制定HBF技术标准，计划2026年下半年推出首批样品，2027年初实现商用；SK海力士已在2025年OCP峰会上展示集成HBF的AIN系列产品；三星启动HBF早期概念设计，聚焦数据中心应用；铠侠则开发出5TB容量、64GB/s带宽的HBF原型，美光等国际大厂亦高度关注。
金正浩预测，2027至2028年将是HBF商业化爆发的关键窗口期，并可能重塑全球存储与AI产业格局。他甚至推测，英伟达或通过收购西数、美光等存储厂商，掌握HBF核心技术，减少对韩国供应链的依赖。
更长远看，未来AI存储将形成四层架构：SRAM用于笔记本电脑和台式机的缓存，HBM如同“书架”提供高速访问，HBF作为“地下图书馆”承载海量模型参数，云存储则扮演“公共图书馆”角色。其中，HBF作为AI模型的深层知识库，持续向HBM输送数据，有望彻底突破“内存墙”限制，大幅降低大模型部署门槛。
机构预计，到2027年，HBF将催生一个规模达万亿元级别的新赛道。随着存储从GPU的“配角”转变为决定AI系统性能的“核心引擎”，一场由容量与速度共同驱动的技术革命已然开启。