HBF标准落地：SK海力士闪迪联手破局AI存储带宽瓶颈
在人工智能大模型从训练阶段全面转向推理普及的关键节点，数据吞吐量的爆炸式增长正在重新定义存储架构的边界。2026年8月4日，在美国加利福尼亚州圣克拉拉举办的闪存峰会（FMS 2026）上，SK海力士与闪迪共同揭开了下一代存储技术——高带宽闪存（High Bandwidth Flash，简称HBF）的神秘面纱，并正式发布了首个行业标准规范。这一动作并非单纯的产品发布，而是存储产业面对AI算力需求激增所做出的一次结构性回应，标志着存储技术正式确立了介于高带宽内存（HBM）与传统固态硬盘（SSD）之间的全新层级。
长期以来，AI计算面临着著名的“内存墙”困境。HBM虽然提供了极高的带宽，但其基于DRAM的特性导致容量有限且成本高昂，难以满足大规模参数模型的驻留需求；而传统的NAND闪存虽然容量巨大且成本低廉，但受限于接口协议，其带宽和延迟往往成为制约GPU发挥算力的短板。HBF的出现，正是为了填补这一巨大的性能鸿沟。它巧妙地结合了HBM的高速数据传输能力与NAND闪存的高密度存储优势，通过先进的3D堆叠技术和全新的互联架构，为AI推理场景提供了一种兼具高带宽、大容量和高能效比的解决方案。
此次发布的HBF标准规范，是SK海力士与闪迪自2025年8月启动标准化合作以来，历时近一年深耕细作的成果。特别是在2026年2月成立HBF联盟后，双方加速了技术细节的磨合与统一。该规范由全球最大的开放式数据中心技术合作组织OCP（Open Compute Project）正式发布，这意味着HBF从诞生之初就摒弃了企业私有标准的封闭路径，转而拥抱开放、兼容的行业通用标准。这种开放策略对于构建庞大的生态系统至关重要，因为它消除了不同厂商设备之间的互操作性障碍，降低了数据中心集成新技术的风险与成本。
从技术规格来看，HBF标准展现了极高的灵活性与扩展性。规范明确定义了两种主要的容量配置方案，分别基于8层和16层NAND芯片堆叠技术。其中，16层堆叠方案最高支持512GB的单模块容量，这在非易失性存储领域是一个显著的突破。更为关键的是，HBF并未采用单一的带宽标准，而是根据应用场景的不同，设定了三个等级（Grade 1至Grade 3）的带宽指标。数据传输能力覆盖范围从约0.4TB/s延伸至3.0TB/s，这种分级设计允许系统架构师根据具体的AI负载类型——无论是轻量级的边缘推理还是重负载的中心化模型服务——选择最匹配的存储配置，从而实现性能与成本的最优平衡。
HBF技术架构的核心创新之一，在于其与处理器之间采用了行业标准的UCIe（Universal Chiplet Interconnect Express）互联技术。UCIe作为芯片间互联的事实标准，打破了传统存储接口的物理限制，使得HBF能够像HBM一样，以极低的延迟和极高的带宽直接与GPU、CPU或其他专用AI加速器进行通信。这种紧密耦合的连接方式，极大地缩短了数据从存储介质到计算核心的路径，有效缓解了数据搬运带来的能耗与延迟问题。对于追求极致能效比的现代数据中心而言，这一特性具有决定性的意义。
除了核心的电气特性与互联接口定义外，该标准规范还涵盖了极为详尽的工程实施指南。这包括HBF Die堆叠工艺的可靠性测试标准、先进封装的热管理与机械强度指南，以及数据读写软件的底层驱动规范。这些细节的标准化，确保了不同供应商生产的HBF模块在物理尺寸、电气信号和软件兼容性上的一致性，为大规模量产和供应链的稳定提供了坚实保障。特别是针对堆叠工艺可靠性的规定，直接回应了业界对于多层NAND堆叠在高温高负荷环境下稳定性的担忧，体现了标准制定者对工程落地的深刻洞察。
市场生态的构建是衡量一项新技术成功与否的关键指标。目前，HBF联盟已经汇聚了包括谷歌和Tenstorrent在内的多家行业领军企业。谷歌作为全球领先的云服务提供商和AI技术研发者，其加入意味着HBF技术已经通过了顶级互联网巨头的初步验证，具备进入大规模生产环境应用的潜力。Tenstorrent作为AI芯片领域的创新力量，其对HBF的支持则表明该技术在与新型AI加速器架构的适配上具有广阔前景。这种上下游企业的协同，正在加速HBF从实验室走向商业化落地的进程。
在AI推理普及的背景下，数据处理需求呈现出碎片化、实时化的特征。传统的批处理模式逐渐被流式处理所取代，这对存储系统的随机读取性能和低延迟提出了更高要求。HBF凭借其接近DRAM的访问速度和远超DRAM的容量密度，恰好契合了这一趋势。例如，在大型语言模型的推理过程中，模型权重需要频繁地从存储中加载到计算单元。使用HBF可以显著减少权重加载的时间，提高令牌生成速度，从而提升整体用户体验。同时，由于NAND闪存的非易失性特性，HBF在断电情况下仍能保留数据，这为系统的快速重启和数据持久化提供了天然优势，进一步简化了系统架构。
然而，HBF的推广并非没有挑战。首先，尽管采用了UCIe标准，但如何在现有的主板设计和散热系统中集成HBF模块，仍需服务器制造商进行大量的重新设计工作。其次，随着堆叠层数的增加，散热管理成为一个日益严峻的问题。虽然标准中包含了封装指南，但在实际高密度部署中，如何确保每个HBF模块都能在最佳温度范围内工作，仍需冷却技术的同步创新。此外，软件栈的优化也是一项长期任务。操作系统和数据库管理系统需要针对HBF的特性进行深度优化，才能充分发挥其高带宽优势，否则可能会出现“硬件很强，软件拖后腿”的局面。
从产业竞争格局来看，SK海力士与闪迪的联手具有深远的战略意义。SK海力士在HBM领域占据领先地位，而闪迪则在NAND闪存技术方面拥有深厚积累。两者的结合，不仅在技术上实现了优势互补，更在市场上形成了强大的合力。通过主导HBF标准的制定，它们试图在下一代存储市场中占据话语权，防止其他竞争对手通过私有协议形成垄断。这种开放合作的模式，也为其他存储厂商提供了参与机会，有助于推动整个行业的技术进步和成本下降。
展望未来，随着HBF生态体系的不断完善，我们有望看到更多基于HBF的创新应用涌现。在自动驾驶、实时视频分析、金融高频交易等对延迟极度敏感的领域，HBF可能成为标配的存储解决方案。同时，随着AI模型规模的持续扩大，HBF的容量和带宽标准也将随之演进。未来的HBF可能会支持更高的堆叠层数、更快的传输速率，甚至集成更多的智能管理功能，如内置的数据压缩和加密引擎，以进一步提升系统效率和安全性。
总体而言，HBF首个标准规范的发布，是存储技术发展史上的一个重要里程碑。它不仅解决了一个具体的技术痛点，更为AI时代的存储架构演变指明了方向。通过打破HBM与SSD之间的界限，HBF创造了一个新的性能空间，为算力的高效释放提供了坚实的基础。对于数据中心运营商、云服务商以及AI开发者而言，密切关注HBF技术的发展动态，积极评估其在自身业务场景中的应用价值，将是应对未来数据挑战的关键策略。在这一轮技术变革中，唯有那些能够快速适应新存储架构、充分利用高带宽优势的企业，才能在激烈的AI竞争中脱颖而出。