闪存堆叠技术兴起，HBF或成AI领域下个风口

虽然三星的HBM4尚未获得英伟达认证，但9月19日出现重要突破：三星12层堆叠的HBM3E顺利通过英伟达测试，即将跻身其HBM供应商行列。这一消息在业界激起强烈反响。

AI浪潮不仅带动了大模型和算力芯片的热议，更让内存需求呈现指数级增长。作为核心组件的HBM（高带宽内存）已成为这场科技革命中的幕后英雄。正是它的存在，才让英伟达A100、H200等AI芯片得以大放异彩，支撑起各类大模型的快速迭代。

旺盛的市场需求使HBM成为半导体行业的稀缺资源，SK海力士借此超越三星，跃居全球最大存储芯片制造商。然而HBM在速度优势背后也面临容量限制和成本高企的困境。特别是随着DeepSeek等MoE（专家混合）模型的出现，内存瓶颈问题愈发凸显。

在这种背景下，"HBM之父"金正浩教授近期提出：HBF（高带宽闪存）将成为未来内存行业的决胜关键。这一预言并非空穴来风——SK海力士已与闪迪联手开发HBF技术，并推动行业标准化进程。那么HBF究竟是什么？它能否接过HBM的接力棒？

内存堆叠转向闪存堆叠：HBF的技术革新

要理解HBF，首先要认识HBM。这种采用多层DRAM堆叠架构的高速内存，就像给GPU装配的专属"超跑"。以英伟达H200搭载的HBM3e为例，其4.8TB/s的带宽远超普通DDR内存。但问题在于，"超跑"油箱太小——即使SK海力士即将量产的HBM4，单封装容量上限也仅36GB（未来可扩展至64GB）。这与动辄上千亿参数的大模型形成鲜明对比。

HBF的创新之处在于，它将NAND闪存以类似HBM的封装方式堆叠，兼具高速读取和大容量存储的优势。其定位并非取代HBM，而是作为"容量补充"：

• HBM继续处理延迟敏感的核心运算
• HBF负责存储模型权重等海量数据

作为HBM技术的奠基人，金正浩教授认为AI发展已进入"内存为中心"的新阶段。算力再强，若无法高效处理数据，也会成为发展瓶颈。在此背景下，HBF的高密度、低成本等特性正好弥补HBM的短板。

闪迪在8月份的未来存储峰会上透露，其HBF研发已持续两年，正在与SK海力士推进技术标准化。二者的合作可谓优势互补：SK海力士精于堆叠封装工艺，闪迪则拥有领先的NAND技术。更关键的是，HBF针对AI推理"读多写少"的特性进行了专门优化，让NAND闪存的优势得到充分发挥。

从数据中心到终端设备：HBF的广阔前景

根据规划，首批HBF样品将于2026年下半年问世，2027年初或将看到实际产品。这意味着我们距离这项技术的商业化落地仅剩两年左右时间。

在数据中心领域，HBF将有效缓解GPU内存压力。以英伟达H200为例，其141GB的HBM3e显存成本居高不下，而HBF就像给GPU扩展了"外部存储池"，既可容纳更大模型，又能减少数据调取延迟。

更值得期待的是，HBF可能重塑终端AI体验。当前AI PC、AI手机难以在本地运行大型模型，若HBF能以紧凑封装形态集成到终端设备，将大幅提升边缘计算的AI能力：

• 更强大的本地语音助手
• 更高效的移动办公工具
• 真正离线的AI应用

展望未来：存储技术决定AI边界

从HBM爆发到HBF崛起，反映出AI发展对存储技术的深度依赖。HBF的意义不仅在于填补HBM的容量缺口，更为AI的普及应用开辟了新可能。

但随之而来的疑问是：

• HBF能否复制HBM的成功之路？
• 在数据中心验证后，何时能普及到消费终端？
• 存储瓶颈突破后，AI发展的下一道难关又是什么？

这些问题的答案，或许要等到2027年第一批HBF设备上市才能揭晓。但可以确定的是：定义AI未来的关键，始终在速度与容量的完美平衡。