闪迪在投资者会议上放了个大招：HBF（高带宽闪存）首款产品已经流片，2027年给样品，2028年量产。就问你，这节奏够不够快？
这事儿得从本月初闪迪和SK海力士联合发布首个HBF标准规范说起。往好听了说，这是存储行业在AI算力焦虑下的一次集体突围；往坏了说，HBM太贵了，GPU太贵了，整个AI基建都快被内存成本压垮了。HBF的定位很明确：用NAND闪存的技术路线，做出接近HBM的读取带宽，但容量做到HBM的8到16倍。
闪迪给的数据很扎心：跑AI大模型时，4块GPU配HBF系统，就能达到HBM系统8块GPU的Token输出量。什么意思？GPU需求直接砍半，AI服务器建设成本大幅下降。这要是真能量产，英伟达的HBM订单怕是要重新掂量掂量。
但别急着欢呼。HBF的延迟比HBM高，这是物理定律决定的。瑞穗证券的判断比较务实：HBF不会取代HBM，而是推动AI推理走向解耦式架构——GPU负责算，HBF负责存，各干各的。谷歌、Meta、SK海力士已经在推这个方向了。
第一版HBF最高512GB容量，8层或16层堆叠，带宽分三档，0.4TB/s到3.0TB/s。这个规格说明什么？它瞄准的不是训练场景，而是推理和缓存这类对容量敏感、对延迟容忍度更高的场景。说白了，AI的内存墙问题，HBF可能不是终极答案，但至少是个能落地的过渡方案。
2028年量产，还有三年半。这期间HBM4、HBM4E估计都要迭代两轮了。HBF能不能按时上车，产能能不能跟上，都是未知数。但有一点是确定的：AI基础设施的存储架构，正在从”内存越贵越好”走向”容量够大才香”。这场存储革命，才刚刚开始。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
![Canva增长预期砍掉三分之一，AI成本正在吃掉SaaS的利润 [企业追踪]](https://qifukexue.com/wp-content/uploads/2026/08/fallback-22988-480x300.png?imageMogr2/format/webp)
![Anthropic实验翻车现场：AI智能体同台竞技，直接打起了“地盘争夺? [企业追踪]](https://qifukexue.com/wp-content/uploads/2026/08/fallback-23136-480x300.png?imageMogr2/format/webp)
![1亿美元年薪也留不住，AI天才余家辉在Meta交完作业就跑了 [企业追踪]](https://qifukexue.com/wp-content/uploads/2026/08/75a0d450ae970e74492b729d968fcd67-480x300.jpg?imageMogr2/format/webp)
