如果把AI服务器比作厨房，HBM就是厨师手边的案板：速度快，伸手就能拿，但面积有限；SSD则像地下仓库：地方够大，可每次拿材料都要多跑一段路。
模型越做越大、上下文越拉越长，问题也来了：HBM装不下的数据放哪里？继续堆HBM，成本、功耗和封装压力会跟着上涨；把数据扔回SSD，GPU又可能坐在那里等货。
难道HBM和SSD之间，就不能再摆一层货架？
2026年8月，SK海力士与闪迪公布首版HBF开放规格。HBF全称High Bandwidth Flash，也就是高带宽闪存。它试图利用NAND的大容量和非易失性，在HBM与SSD之间插入一个更靠近GPU的新存储层。
听起来很像“又快又大还便宜”的标准答案。可存储行业真有这么好说话吗？HBF最值得关注的，不是它能不能替代HBM，而是它能否让一部分数据不再被迫住进HBM。
01、标准已经发布，HBF产品为什么还买不到？
首版HBF规格支持8层和16层NAND堆叠，单个堆栈最大容量为512GB，并划分大约0.4TB/s至3.0TB/s的三个带宽等级。它计划通过UCIe接口连接CPU或GPU，规范还覆盖电气接口、可靠性、封装以及软件I/O等内容。
看到3.0TB/s，有人可能已经准备宣布“闪存追上HBM”。先别急。0.4TB/s至3.0TB/s是三个规格等级覆盖的范围，不代表每颗HBF都能达到3.0TB/s，更不代表已经有一颗512GB、3.0TB/s的量产产品摆在采购面前。
闪迪此前披露的第一代HBF路线图，目标是采用16层堆叠、单堆栈512GB、带宽1.6TB/s。这个数字与开放规格并不矛盾：1.6TB/s是厂商第一代产品目标，3.0TB/s则是规格覆盖的高档位。
标准发布后，市场最容易忽略的恰恰是状态。HBF目前通过OCP推进开放标准化，并非JEDEC已经定型、各家存储厂都能照着生产的成熟标准。闪迪此前将首批样品目标放在2026年下半年，将搭载HBF的AI推理设备样品放在2027年初。
那么现在能说“HBF已经量产”吗？不能。公布规格相当于把施工图纸发了出来，离商场正式开门，中间还隔着样品、控制器、封装、软件和客户验证。
02、HBM和SSD中间真的缺一层吗？谁会搬进HBF？
AI推理会频繁读取模型权重，长上下文应用还会产生不断增长的KV Cache。HBM速度快、延迟低，适合存放最热、最频繁访问的数据；SSD容量大，却离计算单元更远，带宽和访问路径都不适合假装自己是GPU内存。
HBF的思路是把NAND闪存搬到离计算芯片更近的位置，通过高带宽接口减少数据搬运。NAND断电后仍能保存数据，因此模型权重可以提前存放在HBF中，不必每次启动、加载或切换模型时，都从SSD重新搬家。
什么数据最适合先搬进去？更可能是模型权重、冷专家模块和读取频繁但修改较少的数据。这些数据像图书馆里的工具书，查阅次数很多，内容却不会每分钟重写一遍。
KV Cache也适合吗？这个结论就不能拍脑袋。KV Cache会随着上下文持续增长和写入，而NAND存在读写不对称、写入粒度、耐久度和延迟问题。一些研究模型因此把HBF优先用于相对静态的模型权重，而不是直接承接大量动态KV Cache。
HBF早期最现实的角色，可能不是“万能内存”，而是一个容量很大的只读型近存储层。如果什么数据都往里塞，它恐怕很快就会从“新架构”变成“新堵点”。
03、1.6TB/s和2.2%性能差距，听起来很猛，能当量产实测吗？
闪迪曾针对Llama 3.1 405B模型的8位权重进行内部模拟。按照其披露结果，采用HBF的系统与“不受容量限制的HBM系统”相比，性能差距可以控制在2.2%以内。
这个数字确实抓眼球。是不是说明HBF已经能用更低成本平替HBM，只损失2.2%性能？
不能这么推。它是厂商内部模拟，不是量产HBF芯片在真实服务器上的测试；模拟对象是特定模型、特定精度和读取密集型权重场景；对比基准还是“不受容量限制的HBM系统”。工作负载、控制器、预取策略或数据写入比例发生变化，结果都可能不同。
更现实的问题还有一长串：随机访问延迟是多少？写入带宽和寿命如何？出现坏块后怎样管理？ECC放在哪里？控制器由谁提供？GPU如何识别这层存储？软件在什么时机把数据从SSD搬到HBF，又在什么时机送进HBM？
UCIe可以解决部分芯粒互连问题，但UCIe只相当于把路修到门口。有路不等于物流自动运转，真正决定HBF体验的，是控制器、预取算法、内存分层软件和推理框架能不能配合。
采购也不能只横向比较“每GB多少钱”。HBF会增加逻辑基底、封装、控制器和软件适配成本，还可能改变AI加速器的封装面积、散热和测试方案。省下来的HBM成本，能不能覆盖新增的系统成本？没有量产样品和整机数据，现在还算不清楚。
04、国产厂商已有三块拼图，但还不能写成HBF供货
HBF并不是换个接口的普通NAND。它至少需要高密度NAND裸片、逻辑基底、晶圆键合或TSV堆叠、先进封装、UCIe接口、控制器和软件生态。国内厂商已经拥有部分拼图，但拼图摆在桌上，不等于产品已经装好。
长江存储的Xtacking 4.0采用存储阵列与外围电路分开制造、再进行晶圆键合的路线，公开产品包括1Tb TLC的X4-9070和2Tb QLC的X4-6080。这说明国内在高密度NAND和晶圆键合方面具备技术基础，但这些产品仍属于NAND产品，不能直接改名为国产HBF。
芯原股份的UCIe-SP接口IP兼容UCIe 1.1，公开速率最高为24GT/s每引脚，可以对应HBF可能需要的芯粒互连能力；长电科技的XDFOI及2.5D/3D平台，则能够映射到异构集成和先进封装环节。
能不能把这三家公司用箭头一连，就宣布国产HBF产业链形成了？当然不能。目前公开资料并未证明这些厂商已经围绕HBF形成正式联盟、推出完整产品，或进入某家AI加速器客户的量产BOM。
国产HBF若要真正落地，至少还要经过接口统一、样品平台、带宽与耐久测试、封装散热、控制器适配、软件分层以及整机客户验证。国产替代不能只看缺了哪块拼图，更要看有没有人把所有拼图装成一台能连续运行的机器。
结论：HBF会淘汰HBM吗？它更可能先成为HBM的“扩容搭档”
HBF为什么会在这个时间出现？因为AI推理的数据规模正在增长，而让所有数据长期占用HBM，越来越像拿市中心豪宅当仓库；全部放在SSD里，又像把厨师需要的调料锁在地下三层。
HBF想做的，是在计算芯片附近建一个面积更大的货架。最热的数据继续放HBM，读取密集的模型权重和冷数据搬进HBF，长期数据仍然留在SSD。三者形成分层，而不是互相赶尽杀绝。
接下来真正应该盯什么？不是厂商又发布了几页路线图，而是有没有可测试样品、有没有主流CPU或GPU支持、真实带宽和延迟是多少、写入寿命能否满足负载，以及整机成本能不能比“继续堆HBM”更划算。
HBF标准发布只是发令枪。它能不能在AI推理BOM中抢到新座位，最终还得由芯片、封装、软件和客户一起投票。
免责声明：本文依据公开资料进行行业分析，不构成投资、采购或型号推荐；产品参数、量产状态及供货关系以厂商最新正式披露为准。
