SK海力士、SanDisk公布HBF首个标准规格：最高512GB、3TB/s频宽，AI推理存储迎来新变量

SK海力士（SK hynix）与SanDisk正联手推动全新的HBF（High Bandwidth Flash，高带宽闪存）标准，试图通过类似HBM的堆叠架构大幅提升NAND Flash的容量与带宽，瞄准快速增长的AI推理市场。

在加州圣克拉拉举行的2026 FMS大会上，SK海力士与SanDisk公布了HBF的初步规格与发展路线图。首版规格最高容量可达512GB，带宽按等级约在0.4 TB/s至3.0 TB/s之间，并采用UCIe（Universal Chiplet Interconnect Express）作为HBF与处理器之间的互连技术。

SanDisk展示的测试案例显示，在特定AI推理情境下，以4颗GPU搭配4TB HBF，与8颗GPU搭配192GB HBM相比，每秒生成的Token数几乎相同，意味着GPU使用效率可达后者约2倍，同时降低整体成本。

目前AI GPU最重要的内存之一是HBM，它通过垂直堆叠多层DRAM提供极高的数据传输带宽，已成为NVIDIA、AMD等AI加速器的关键元件。但随着AI工作负载从训练逐渐延伸至大规模推理，模型权重、RAG数据、KV Cache、Agent State与Metadata等数据量快速增加，仅靠昂贵且容量有限的HBM，可能并非所有场景下最具成本效益的方案。

SanDisk CTO Alper Ilkbahar表示，HBF将NAND芯片以类似HBM堆叠与连接DRAM的方式进行封装，由此打造高容量、高带宽的非易失性存储方案。它不一定完全取代HBM，而是可以根据工作负载与HBM混合使用，甚至在部分场景单独使用。

SK海力士重新划分AI内存层级，HBF被列为G1.5

SK海力士也借此次FMS大会提出了新的AI内存与存储层级。除了目前位于G1层级的HBM，公司新增G0.5、G1.5与G2.5三个中间层级，希望在性能、容量与成本之间取得更细致的平衡。

其中G0.5采用3D堆叠DRAM，定位高于HBM，目标是在维持DRAM级容量的同时，提供接近SRAM的带宽。G1.5即HBF，SK海力士规划容量约1TB、带宽达Tb/s级别；G2.5则是通过CXL Pooling建立的共享内存，容量可扩展至数TB。

SK海力士强调，这套架构的核心目标是最大化xPU性能与服务质量（QoS），同时改善TPS/MW（每兆瓦吞吐量）以及Token/$（每美元Token产出）。

SK海力士EVP Kim Chunsung指出，AI推理需要处理的数据大致可以分为两类：第一类是模型、RAG数据与用户数据等持久性资产；第二类是推理执行过程中产生的动态状态，包括KV Cache、AI Agent状态与Metadata。尤其随着Context Window扩大、Agent工作时间拉长，以及企业开始部署更多AI推理服务，如何存储大量KV Cache正在成为新的硬件瓶颈。

SanDisk因此也将“Persistent KV Cache”视为新内存层级的重要应用，希望让部分原本必须占用昂贵HBM容量的数据，可以转移至容量更大、成本更低的HBF。

HBF Consortium公布首版规格，UCIe成关键互连

HBF Consortium已在本次FMS大会公布首版HBF规格。目前规划包含8-high与16-high两种NAND Die堆叠配置，容量最高可达512GB；带宽则分为Grade 1至Grade 3三个级别，约从0.4 TB/s一路提升至3.0 TB/s。

另一项重要设计是HBF采用UCIe作为与处理器连接的接口。UCIe是近年来半导体产业积极推动的Chiplet互连标准，如果HBF最终形成产业生态，未来有机会让CPU、GPU、AI Accelerator与高带宽Flash通过标准化接口整合，而非完全依赖单一厂商的专有设计。

SanDisk推进BiCS10，332层NAND为HBF铺路

HBF能否真正进入AI加速器，另一个关键仍是NAND本身的密度与性能。SanDisk此次展示了218层BiCS8企业级SSD，其中Compute eSSD采用TLC NAND、最高容量32TB；Storage eSSD则使用容量密度更高的QLC NAND，最高可达256TB。

下一代BiCS10将进一步增加至332层，TLC NAND单颗容量达1Tb，QLC NAND则达2Tb。NAND堆叠层数与单颗容量持续提高，正好成为HBF发展的重要基础：若能通过先进封装堆叠大量高密度NAND，再搭配高带宽互连，就有机会以远高于HBM的容量承接AI推理数据。

按照SK海力士公布的时间表，本次FMS大会公布的是HBF 0.7标准，完整HBF Specification预计于2027年初发布，首批HBF样品预计要到2028年初才会问世，之后逐步进入完整量产阶段。因此短期来看，HBF并非直接威胁目前高速成长的HBM市场，更像是为AI推理建立新的内存层级。