AI内存界新玩家HBF闪亮登场 带宽翻倍容量飙升16倍

麻薯滑芝士

不知道各位是否注意到，每当ChatGPT偶尔回应"我好像有点累了"，或是Midjourney生成图片需要等待好几秒时，背后很可能不是AI在"偷懒"，而是遇到了实实在在的硬件瓶颈。这个问题最近被韩国科学技术院（KAIST）的金正浩教授在9月15日的行业研讨会上重点指出：当今的Transformer模型在处理长达百万级token序列时，数据总量经常达到TB级别，这相当于每次推理都要搬运一个小型图书馆的数据量。

让我们先来看看这个问题的历史渊源。现代计算机使用的冯·诺依曼架构诞生于1945年，这个已经服役80年的老将让处理器和内存物理分离，就像让两个好朋友必须通过狭窄的走廊传递纸条。在AI需要每秒进行数千次数据读写的场景下，这种架构瓶颈愈发明显。金教授用了个形象的比喻：这就好比让一条双车道高速公路承担整个城市的早晚高峰流量，不堵车才怪。

转机出现在今年二月。存储巨头闪迪（SanDisk）在投资者日活动中展示了一项突破性技术：高带宽闪存（HBF）。这项技术的精妙之处在于，它借鉴了HBM的堆叠式设计，通过TSV硅通孔技术将16层NAND闪存垂直堆叠，创造性地用NAND闪存替代了传统DRAM。最终实现单堆栈512GB的惊人容量，比当前HBM高出8到16倍，同时保持相当的带宽性能。

深入了解技术细节会发现更多亮点。第一代HBF将采用最新的BiCS9 NAND技术，接口速度提升至4.8Gb/s，能耗反而降低10%-34%。八个堆栈组合后可提供4TB容量，足以将GPT-4这类超大模型完全存储在GPU本地，彻底告别反复读写的性能瓶颈。

HBF的技术路线选择体现了独特的工程智慧。虽然NAND闪存的延迟性能比DRAM高，但AI推理任务本质上是"读取密集型"操作，对延迟相对不敏感，反而对容量有着近乎贪婪的需求。金教授预测，未来如果AI要处理电影长度视频生成这类任务，内存需求将是现在的上千倍，这时候HBF"以容量换速度"的策略就显得尤为明智。

行业内的布局也在加速。今年八月，闪迪与SK海力士签署了具有里程碑意义的合作备忘录，双方将共同制定HBF开放标准。按照路线图，2026年下半年将提供工程样品，2027年初首批搭载HBF的AI推理设备就将上市。这种产学研用的快速推进，显示出行业对这项技术的高度期待。

技术优势明显，但挑战也不容忽视。NAND闪存固有的写入耐久性问题仍然存在，目前闪迪通过pSLC技术来平衡耐用性和成本。而且HBF主要瞄准推理场景，模型训练仍然需要HBM的高性能支持。这种分工明确的定位，反而让HBF在特定领域能够大展拳脚。

更值得关注的是架构创新。HBF支持与HBM的混合配置方案，例如可以设计"3072GB HBF + 48GB HBM"的组合，让HBM作为高速缓存处理即时数据，HBF作为主存储容纳完整模型。这种架构不仅显著降低成本，还可能让移动设备运行参数量高达640亿的模型，真正推动边缘AI的发展。

行业大佬的站台也增添了这项技术的分量。闪迪组建的技术顾问委员会吸引了Google杰出工程师David Patterson和AMD前架构师Raja Koduri等重量级人物。Patterson认为"HBF将推动推理负载突破现有极限"，Koduri则预言这项技术将"开启边缘智能的新纪元"。甚至华邦电子也在开发类似的CUBE技术，目标带宽超过1TB/s，功耗控制在10W以内，存储领域的创新竞赛正在升温。

从市场角度看，当前HBM虽然占据DRAM市场20%的份额，但价格居高不下；而HBF凭借NAND闪存的成本优势，在提供更大容量的同时还能控制成本。这种性价比优势可能改变AI硬件的市场格局。如果2027年能量产，AI推理的成本门槛将大幅降低，届时电影级视频生成、实时大模型推理等现在需要昂贵硬件支持的任务，也许在普通移动设备上就能实现。

让我们把目光放得更远一些。随着多模态AI和具身智能的发展，未来AI对内存的需求只会越来越强烈。HBF代表的不仅是一项技术创新，更是一种发展思路的转变：从单纯的性能竞赛转向性价比优化，从追求极致带宽转向平衡带宽与容量。这种转变可能让AI技术更快地普及到更多应用场景中。

纵观全局，AI内存技术的发展重点正在从单纯的带宽竞赛转向"带宽+容量"的双重优化。HBF代表的异构存储方案很可能成为未来十年的关键技术路径。到2027年，我们或许将见证AI硬件领域迎来一轮重新洗牌，这场变革不仅会影响技术发展路线，更将重塑整个AI产业生态。

（通过深入分析存储技术的发展脉络和AI硬件需求的变化趋势，可以看出HBF这类创新技术正在推动整个行业向更高效、更经济的方向演进。这不仅关乎技术本身的进步，更将影响AI应用的普及速度和创新节奏，最终改变人们与AI交互的方式。）