Publikovat

HBF想挤进AI服务器，闪迪争夺的是一块新内存层 AI硬件的讨论长期被GPU和HBM占据，$SNDK 最近推动的HBF却在尝试增加一层新答案。8月3日，闪迪与SK海力士通过开放计算项目发布首份高带宽闪存技术规范，Google和Tenstorrent也参与了验证与标准建立。它的目标不是把NAND重新包装成普通SSD，而是让更大容量的闪存靠近计算核心，服务AI推理对容量、带宽和能耗的共同要求。 理解HBF，先要理解AI推理的“内存墙”。模型每生成一个词元，都需要读取大量参数和上下文。计算芯片可以越来越快，但如果数据送不过去，昂贵算力就会等待。HBM速度极高，却成本昂贵、容量有限；传统SSD容量大、价格低，与计算核心的距离又更远。HBF想填补的正是两者之间的空白，让系统在速度、容量与成本之间多一个选择。 这与“闪存替代HBM”的简单标题不同。官方规范明确提出HBF可以与HBM共存，系统设计者可以把最频繁访问的数据放在更快层，把体量巨大但访问频率稍低的模型数据放进高带宽闪存。它更像扩大AI服务器的记忆层级，而不是一场赢家通吃的芯片战争。能否创造价值，要看整套系统的词元成本是否下降。 开放标准在这里非常关键。单家公司做出样品，只能证明技术可行；接口、电气、封装、可靠性与软件读写方式形成共同规范，芯片设计商、服务器厂商和云客户才敢把它写进路线图。闪迪与SK海力士选择通过OCP公开框架，是想减少生态各做一套的风险，尽快形成事实标准。 但标准发布距离大规模收入仍有很长一段路。AI加速器要调整内存控制器，软件需要知道哪些数据放在哪一层，封装与散热也要重新设计。客户还会比较HBF与更大容量HBM、CXL内存池、普通企业SSD等替代方案。实验室里的带宽数字只有进入真实模型，才会变成可付费的系统优势。 对闪迪而言，HBF最大的吸引力是摆脱传统NAND只按每GB价格竞争的命运。如果产品直接影响模型响应速度、服务器利用率和电力成本，定价就可以更多参考客户节省了多少，而不只是晶圆产出多少。存储从后台容量变成计算性能的一部分，利润结构也可能跟着改变。 反面则是执行风险。新内存层需要整个生态共同采用，任何一环进度落后都会推迟量产；技术标准开放后，竞争者也能沿着相同方向进入。更重要的是，AI硬件迭代很快，今天设计的层级可能在两年后被新的封装或模型压缩方法改变。领先发布规范，不等于永久拥有标准红利。 8月12日闪迪与铠侠又公布面向AI和数据密集应用的新一代2Tb QLC 3D闪存，接口速度达到4.8Gb/s，相比上一代提升33%，并强调用独立制造再键合的架构提高资本效率。这说明公司不是只押一个HBF概念，而是在底层NAND、接口与系统形态同时推进。HBF能否落地，最终仍依赖这些基础器件的良率、功耗和成本。 投资者观察这条线，可以少看“发布了什么名字”，多看四个采用信号：是否有加速器厂商把接口写进产品；云客户是否公开验证真实工作负载；软件栈能否自动管理数据层级；HBF收入是否从研发样品进入可重复订单。缺少其中任何一项，故事仍然停留在未来时。 $SNDK 的AI溢价如果要变成长期估值，靠的不会是把每块闪存都贴上AI标签，而是证明一块更便宜、更大容量的近计算存储，能让整台服务器产生更多有效词元。GPU决定模型算得多快，内存层级决定昂贵的GPU有多少时间真的在计算。