### [大模型内存焦虑有解了？SanDisk与SK海力士联手推动HBF高带宽闪存](https://www.zuoshipin.com/article/13561)

**Published:** 2026-07-21T08:15:05

**Author:** AI_Tools

**Excerpt:** IEEE Spectrum最新刊文介绍High Bandwidth Flash（HBF）：SanDisk和SK海力士把NAND Flash用3D堆叠封装、目标单堆栈512GB容量+1.6TB/s读取带宽，专门满足AI推理「读多写少」的场景。本文按章节复盘HBF的技术逻辑、目标参数、为什么AI推理特别适合它、以及标准化进展与产业影响。

**导语｜**大模型推理的内存瓶颈，答案可能藏在 U 盘里。SanDisk 与 SK 海力士联手推动 High Bandwidth Flash（HBF），把 NAND Flash 用 3D 堆叠封装做成「超大容量只读内存池」，专给 AI 推理喂参数。IEEE Spectrum 最新刊文详解了这条反常识的技术路线。

![HBF技术对比示意图](https://admin.zuoshipin.com/wp-content/uploads/2026/07/hbf_body1.webp)

## 一、Flash 不是出了名的慢吗？

很多人第一反应就是这样。NAND Flash 的特点大家都熟：便宜、容量大、断电不丢数据。但写入速度跟 DRAM 比差了几个数量级——传统计算视角下，Flash 和 HBM 完全不在一个桌面。

但这里有个关键区分：**Flash 慢，主要慢在写入，不是读取。**半导体研究机构 Objective Analysis 总监 Jim Handy 在 IEEE Spectrum 的采访中指出，如果把场景限定在「读多写少」，Flash 的表现就完全不同了。

按最新 ONFI 6.0 闪存接口标准，单颗 die 理论读取带宽可达 4.8 GB/s。虽然跟 HBM4E 单堆栈 3.6 TB/s 差距约 750 倍，但 HBF 要做的事情不是让单颗变快，而是像 HBM 堆叠 DRAM 那样，**通过 3D 封装把多颗 NAND Flash die 垂直堆叠在一起，用并发把总读取带宽堆出来。**

## 二、HBF 的目标参数

SanDisk 公开的首代 HBF 目标：**最高堆叠 16 颗 NAND Flash 芯片，单堆栈容量 512 GB，读取带宽 1.6 TB/s。**后续第二代、第三代路线图中分别提升到 2 TB/s 和 3.2 TB/s。

这个数字虽然追不上顶级 HBM，但关键是容量/成本比。HBM 的优势是速度极快但容量昂贵且有限；HBF 虽然速度低一些，却能提供更大的容量和更低的单位成本——这对动辄数百 GB 参数的大模型推理来说，是实实在在的新选项。

## 三、为什么 AI 推理特别适合 HBF？

训练和推理对内存的要求不一样。训练要反复读取、计算误差、通过反向传播更新权重，既大量读又大量写，Flash 根本扛不住。但推理阶段就不同了——**模型已完成训练，权重基本冻结，大多数时候只需要快速读出这些庞大的参数，而不需要频繁改写。**

这正好落在 Flash 相对擅长的一侧。昂贵且容量有限的 HBM 就能被释放出来，专门充当高速暂存区；HBF 则负责装下那些体量巨大、但不怎么改动的模型参数。整体架构就像一个「超大容量只读内存池」。

![HBF与HBM/SSD分层内存架构对比](https://admin.zuoshipin.com/wp-content/uploads/2026/07/hbf_diagram.webp)

## 四、热数据放 HBM，冷数据放 HBF

当下的 AI 推理硬件，瓶颈早就不止于「算得够不够快」。模型越来越大，单卡显存装不下、HBM 贵得离谱、数据喂不过来——这些问题同时压在头上。HBF 切入的正是这个缝隙。

按照 SK 海力士的设想，未来的 AI 服务器内存应该是分层的：**热数据（频繁读写）继续放 HBM；大容量、静态、读密集数据放 HBF；更低速、更便宜的数据继续放 SSD。**每一层各司其职，总成本才可控。

## 五、HBF 不是 HBM 的替代品

SK 海力士本身就是 HBM 最大的供应商之一，HBM 给它带来创纪录收入。推出一种更便宜的「类替代」技术似乎反直觉，但从系统角度，HBF 和 HBM 是互补关系。HBF 想做的不是让 Flash 变成 HBM，而是让不同数据待在适合自己的位置里。

Objective Analysis 的判断是：HBF 预计还将提升能效并降低成本，帮助数据中心进一步扩展 AI 推理硬件规模。

## 六、标准化进展与时间线

据 IEEE Spectrum 报道，HBF 至少还需要一年才可能出货，距离大规模部署可能还要几年。今年 2 月 25 日，SanDisk 和 SK 海力士已在开放计算项目 OCP 下启动 HBF 标准化工作。但目前标准仍在推进，正式发布时间未定——HBF 短期内还不会改变 AI 服务器市场。

它更像一个信号：**AI 推理正在倒逼存储和内存体系重新分工。**解决方案未必只来自更贵的 HBM，也可能来自把熟悉的老技术重新封装一遍。

* * *

## 参考来源

-   IEEE Spectrum：[High Bandwidth Flash (HBF) Could Ease AI’s Memory Bottleneck](https://spectrum.ieee.org/high-bandwidth-flash)
-   本文基于公开报道做原创整理，未引用任何不对外公开的数据或内部信息。

**Tags:** AI成本优化, AI推理速度, AI硬件, AI算力, HBF, 分层内存, 高带宽闪存

**Categories:** AI资讯

---