功耗暴降97.5%！SK海力士这颗H-TPU SSD主控，要给AI存储来一场革命

麻薯滑芝士

嗨，屏幕前各位常年盯着半导体行业动态、对存储芯片和AI基础设施有着浓厚兴趣的硬件发烧友们，大家周五过得怎么样？今天是2026年10月16日，一个普普通通的星期五，但对于整个AI基础设施赛道来说，这一天可能意味着一个新的技术拐点正在悄悄浮现。这两年大家聊AI聊得热火朝天，注意力几乎全被GPU的算力提升、大模型的参数量、训练集群的规模这些话题给吸引走了。但说实话，一个很容易被忽视的问题正在变得越来越尖锐：数据喂得进去，能不能以足够快的速度读出来？AI模型在训练和推理的过程中，需要频繁地从存储系统里读取海量数据，如果硬盘的读写速度跟不上GPU的计算速度，那再强的算力也只能在原地干等着。打个比方，就像你家水龙头的水管只有筷子那么细，就算自来水厂的水压再大，你接水的速度也快不起来。传统的固态硬盘控制器，说白了就是负责指挥数据进出的一块小芯片，它在面对如今这种动不动就几百GB甚至TB级别的AI数据吞吐需求时，已经开始有点喘不上气了。就在这个节骨眼上，韩国存储巨头SK海力士扔出了一颗重磅炸弹。根据TrendForce和ZDNet等多家权威科技媒体的报道，SK海力士最近正式对外公布了一套全新的处理器架构，名字叫做H-TPU，全称是Hynix Transaction Processing Unit。这套架构的设计思路跟市面上现有的方案完全不同，它不是靠堆料、堆核心数来解决问题，而是从底层逻辑上重新定义了SSD控制器应该长什么样。

SK海力士负责SoC设计的副总裁具仁在，最近在接受媒体采访时透露了大量关于这套新架构的技术细节。具仁在先给大家描绘了一个非常现实的困境：过去这些年，GPU的算力一代比一代翻番，PCIe总线的带宽也是每隔几年就翻一倍，发展势头相当猛。但反观SSD控制器里头用的那些通用CPU核心，它们在运行频率和处理能力上的进步幅度，跟前面这两位比起来简直就是龟速。更麻烦的是，现代存储控制涉及的功能种类非常多，粗算下来大概有上百种不同的操作需要处理，传统的CPU架构在处理这些五花八门的任务时，效率正在变得越来越低。有人可能会提出一个看起来很直接的解决方案：既然一个CPU核心不够用，那就多加几个核心呗。但具仁在解释说，事情没那么简单。盲目增加CPU核心的数量确实可以在一定程度上提升并行处理的能力，但副作用同样很明显：芯片的整体功耗会跟着往上蹿，而且在多核心协同工作的过程中，还会引入一些难以预测的流水线延迟。对于AI这种对延迟极其敏感的应用场景来说，这种不确定性是非常致命的。换句话说，沿着老路修修补补已经行不通了，必须换一条全新的跑道。



正是在这种大背景下，SK海力士的研发团队另起炉灶，搞出了H-TPU这种专门为事务处理量身打造的超轻量级可编程处理器。这里有一个特别容易混淆的概念需要先跟大家掰扯清楚：H-TPU跟我们现在经常在各种AI芯片新闻里看到的张量加速器，完完全全是两码事。张量加速器干的是AI计算本身的活儿，比如做矩阵乘法、卷积运算这些，它的服务对象是算法模型。而H-TPU的职责范围非常专一，它就管SSD的数据平面控制和事务处理，说白了就是指挥数据怎么在硬盘里流动、怎么排队、怎么进出。SK海力士的做法是，不再依赖一颗体型庞大、功能繁杂的通用CPU核心来包揽所有工作，而是把存储控制的各项任务打散开来，分配到几十个体积小巧的H-TPU集群上去并行处理。每个H-TPU核心只管自己那一亩三分地，大家各司其职、互不干扰，整体的处理效率反而比一个大核心单打独斗要高得多。

那么H-TPU这个核心到底精简到了什么程度呢？具仁在用两组数字给出了答案，这两组数字说出来真的挺震撼的。首先，H-TPU在设计之初就果断砍掉了传统CPU中那些非常吃资源和功耗的复杂功能模块，比如超标量执行和乱序执行。这两种技术在通用计算场景下确实能带来明显的性能提升，但对于专门处理存储控制任务的处理器来说，它们属于不必要的奢侈品，只会白白浪费宝贵的芯片面积和电能。取而代之的是，H-TPU采用了一种简化到极致的四级流水线架构。经过这一番大刀阔斧的瘦身手术之后，单个H-TPU核心的芯片面积被压缩到了传统CPU核心的大约4%，而功耗更是骤降到了传统CPU核心的大约2.5%。而且H-TPU还有一个非常聪明的节能机制：它在运行过程中只激活当前操作所需要的那部分功能模块，其他暂时用不上的模块则自动进入低功耗待机状态。这种精细到模块级别的电源管理策略，让整体的能效表现又往上拔高了一大截。

说到这儿，肯定有人会好奇：SK海力士费这么大劲搞出H-TPU这套架构，到底打算把它用在什么地方呢？答案是下一代的高带宽闪存技术，也就是HBF。HBF这种新型存储器，它的定位是在NAND闪存的成本优势和DRAM的速度优势之间找到一个平衡点，专门为AI工作负载而设计。具仁在在采访中透露，SK海力士基于H-TPU打造的控制器架构，未来将和HBF形成一种互补关系。具体怎么个互补法呢？这就涉及到AI推理任务的一个非常鲜明的特征了。AI推理在读取数据这件事上极其频繁，它通常遵循一种叫做一次性写入、多次读取的模式，业内一般称之为WORM模式。在这种模式下，读取操作和写入操作的比例可以达到惊人的30万比1。也就是说，每往硬盘里写入一次数据，后面可能要反复读取30万次。具仁在解释说，AI编译器还有运行时环境可以提前告诉HBF的SoC接下来需要处理哪些数据，这样一来，控制器就可以提前做好准备，把缓冲区管理好，把需要的数据预先加载进来。通过让NAND闪存的数据访问和计算过程同步进行，这种方法能够有效缩短数据访问的等待时间，从而提升整个AI处理流程的运行效率。

在H-TPU这个基础之上，SK海力士还在规划下一步的技术升级方向——硬件自动化。根据ZDNet的报道，SK海力士打算把一部分重复性很高的存储控制任务，包括指令的处理、数据地址的查找、还有临时缓冲区的数据拷贝这些操作，都交给专门的硬件电路来完成。把这些固定的、反复出现的操作从软件层面剥离出来，固化到硬件里去执行，可以进一步减轻处理器的负担，让它腾出手来处理更复杂的调度和管理工作。

当然了，在这个存储控制器技术的赛道上，SK海力士并不是唯一的参赛选手。它的老对手三星同样在紧锣密鼓地往前赶。根据韩联社此前的报道，早在今年7月份，三星就已经启动了基于PCIe 6.0接口的企业级固态硬盘PM1763的量产工作。这款硬盘搭载了三星全新开发的4纳米制程控制器，配合第九代V-NAND闪存颗粒。三星官方给出的数据显示，PM1763的顺序读取性能达到了上一代产品的两倍以上，而能效比更是提升了超过1.8倍。从SK海力士的H-TPU到三星的4纳米控制器，两家韩国存储巨头不约而同地把矛头指向了同一个方向：让SSD跑得更快、耗电更少、工作更智能，以此来满足AI时代越来越苛刻的数据处理需求。这场围绕着小小一枚存储控制器展开的技术竞赛，现在才刚刚吹响哨声，后续还会有哪些意想不到的突破和较量，值得咱们这些吃瓜群众搬好小板凳慢慢看。