538国产精品一区二区在线 ,欧美电影免费观看大全,91成人在线播放

　　但問題隨之而來，HBM 的速度沒問題，帶寬夠快，延遲夠低，可容量依然有限，成本居高不下。AI 模型越大，對內(nèi)存的胃口越夸張，單靠 HBM 很難滿足未來幾年全球 AI 推理的龐大需求。尤其以 DeepSeek 為開端，MoE 模型(專家混合模型)減小了對算力的要求，內(nèi)存墻的問題變得更加突出。

　　而在本月早些時候，被稱為「HBM 之父」的韓國科學與技術(shù)研究院教授金正浩表示，未來決定內(nèi)存行業(yè)勝負的將會是 HBF(High Bandwidth Flash，高帶寬閃存)。

　　這并非空穴來風。作為 HBM 的最大玩家，SK 海力士已經(jīng)和閃存領(lǐng)域的代表閃迪走到了一起，公開宣布聯(lián)合開發(fā) HBF 技術(shù)，并推動行業(yè)標準化。但 HBF 到底是什么?當 HBM 不再夠用，HBF 能否成為下一個接力棒?

　　在解釋 HBF 之前，先得把 HBM 擺在桌面上。HBM，全稱高帶寬內(nèi)存，可以理解為「GPU 專用的豪華內(nèi)存」。它的特點是把多層 DRAM 芯片像「積木」一樣堆疊在一起，然后通過超寬的接口直接連到 GPU 上。這樣一來，數(shù)據(jù)進出的通道變寬了，傳輸速度自然暴漲。比如英偉達 H200 搭載的 HBM3e，單卡內(nèi)存帶寬達到 4.8 TB/s，比普通 DDR 內(nèi)存快幾十倍。

　　問題在于，HBM 像跑車一樣速度驚人，但油箱太小。它的容量往往停留在幾十 GB 級別，即便 SK 海力士即將量產(chǎn)的 HBM4 單殼最高也只能做到 36GB(未來可達 64GB)，而大模型的參數(shù)動輒上千億。更現(xiàn)實的問題是，HBM 的成本極高，良率低、產(chǎn)能有限，直接導致一塊 GPU 動輒數(shù)萬美元，成為 AI 行業(yè)的瓶頸。

　　HBF(高帶寬閃存)正是在這種背景下備受關(guān)注。簡單理解，HBF 就是把 NAND 閃存堆疊起來，用類似 HBM 的封裝方式，讓它既能像內(nèi)存一樣高速讀數(shù)據(jù)，又能像硬盤一樣存更多內(nèi)容。它的目標并不是完全取代 HBM，而是作為「容量補位」：

　　HBM 繼續(xù)承擔最關(guān)鍵、延遲最敏感的工作，而 HBF 則用來裝下超大模型的權(quán)重、KV Cache 等「吃容量」的部分。

　　換句話說，HBM 是短跑冠軍，HBF 是長途卡車，兩者搭配，才能既快又大。這也是「HBM 之父」看好 HBF 的核心理由。

　　韓國科學技術(shù)院(KAIST)教授金正浩，被譽為「HBM 之父」，他正是當年提出把內(nèi)存芯片豎著堆疊的關(guān)鍵人物。在 9 月初的演講中，他認為內(nèi)存行業(yè)未來的勝負手將會是 HBF，邏輯并不復雜，AI 的趨勢已經(jīng)從算力中心轉(zhuǎn)向內(nèi)存為中心，算力的增長再快，如果數(shù)據(jù)塞不進去、模型放不下，都會卡住脖子。

　　而 HBF 剛好能補上 HBM 的容量短板，讓系統(tǒng)既保持高帶寬，又能擁有更大的可用空間和更低的成本。

　　這番話并不只是他的個人看法。在 8 月舉行的 FMS 未來存儲峰會上，閃迪透露了近兩年開發(fā)的 HBF，并且宣布與 SK 海力士推動 HBF 的技術(shù)標準化。SK 海力士的優(yōu)勢在于封裝和堆疊工藝——這正是 HBM 成功的關(guān)鍵;閃迪則是 NAND 閃存領(lǐng)域的長期玩家，擁有獨特的直鍵合工藝。

　　更關(guān)鍵的是，HBF 在設(shè)計之初就針對 AI 推理的特點：讀多寫少、批量順序訪問。AI 模型在推理時，幾乎不改動權(quán)重，主要是高速讀取;這讓 NAND 的「寫入短板」不再是致命問題，而它的高密度、低成本、穩(wěn)定性則被發(fā)揮到極致。

　　不斷拉長的上下文長度，也在吞噬存儲，圖片來源：閃迪

　　因此，金正浩的判斷、SK 海力士的布局、閃迪的押注，其實都在指向一個共同邏輯：AI 的未來需要的不僅僅是更快的存儲，還需要更大的存儲池。HBM 已經(jīng)把速度推到極致，但如果沒有 HBF，AI 的發(fā)展遲早會撞上天花板。

　　從這個角度看，HBF 不僅是一個新技術(shù)點，更可能是整個 AI 硬件架構(gòu)變革的核心動力。

　　HBF 的落地并不是遙不可及的未來。按照閃迪和 SK 海力士的路線規(guī)劃，2026 年下半年就會有首批 HBF 樣品出現(xiàn)，2027 年初預計會有搭載 HBF 的 AI 推理設(shè)備面世。這意味著，它最快會在兩年內(nèi)走出實驗室，成為真實的硬件產(chǎn)品。

　　那么，這些首批設(shè)備會是什么?最有可能的，是 GPU 廠商和服務(wù)器廠商率先嘗鮮。以英偉達 H200 為例，是全球首款使用業(yè)內(nèi)最先進 HBM3e 顯存的 GPU，配備了 141 GB 的 HBM3e，成本極高。而 HBF 就像是為 GPU 接上了一個「外掛油箱」，不僅能讓更多模型一次性裝進來，還能大幅減少頻繁從 SSD 調(diào)數(shù)據(jù)的延遲。

　　但 HBF 的意義并不止于數(shù)據(jù)中心。在邊緣設(shè)備和個人計算領(lǐng)域，它同樣可能帶來巨大的改變。

　　今天我們看到 AI PC、AI 手機都在強調(diào)設(shè)備端運行大模型，可現(xiàn)實是，終端設(shè)備的內(nèi)存遠遠不夠支撐上百億參數(shù)的模型。HBF 如果能以小型化模組、甚至與處理器一體封裝的方式進入終端，就有機會讓用戶在本地調(diào)用更大的 AI 模型，帶來更流暢的語音助手、更聰明的生產(chǎn)力工具，甚至真正可離線運行的 AI 應(yīng)用。

　　更重要的是，HBF 的成本和功耗優(yōu)勢，使它天然適合在終端場景擴展。HBM 成本高昂、功耗居高不下，而 HBF 基于 NAND 閃存，密度更高，單位容量價格更低。對于筆記本電腦、智能手機甚至 XR 設(shè)備來說，如何在有限的空間和電池里提供更強的 AI 能力?HBF 給出了一個現(xiàn)實的答案：