SK海力士推出H-TPU新架构

当AI数据中心的GPU性能每代翻倍、PCIe带宽每代翻倍时，SSD控制器里那颗负责调度一切的大CPU，却越来越力不从心了。SK海力士给出的解法不是让CPU跑得更快，而是把它拆了。

当地时间10月12日，在韩国仁川松岛开幕的ISOCC 2026上，SK海力士公布了一项不起眼、却能改写SSD控制器设计范式的架构：H-TPU（Hynix-Transaction Processing Unit）。

据介绍，H-TPU不是用于执行AI计算的张量加速器，而是一颗专门控制SSD数据平面、处理事务的可编程小处理器。它的核心理念可以用一句话概括：放弃依赖单颗大型通用CPU的传统路径，把处理器按功能拆开，分散到100余颗分布式小TPU上。

为什么要拆CPU？

SSD控制器里大部分运算工作，本质上都是高度重复的标准化任务：反复执行的读写指令处理、元数据管理、缓冲区控制。过去这类工作全部交给控制器中的通用CPU，也就是主流的Arm架构核心全权承接。但随着SSD读写速度越来越快，每秒要处理的I/O请求翻倍上涨，工程师只能靠堆CPU核心数来提升算力，最后直接导致了控制器芯片越做越大，功耗也居高不下。

SK海力士明确指出，目前SSD控制器内部通用CPU的功耗与面积占比，已经走到了现有架构下无法继续扩容的极限。

更深一层的核心矛盾，在于“工具与任务的根本性错配”。Arm CPU核心从设计之初，就瞄准的是复杂多分支运算场景，把大量同质化的SSD调度事务交给它处理。这相当于给高性能大马力发动机安排长期怠速空转，芯片面积和功耗都在做无效消耗。更致命的是，这种“巨石”式集中大核的架构设计，天生就不支持把单一任务拆解为大量细粒度单元分头并行处理，完全无法匹配新一代SSD爆发式增长的高并发I/O处理需求。

怎样拆成100份？

H-TPU是SK海力士自研的超轻量可编程处理器。针对重复任务，它把指令流水线压缩到4级，并采用适合顺序执行的简洁结构。与追求乱序、推测执行的通用CPU，走的是完全不同的路线。

与单块巨石般的Monolithic CPU不同，这些小处理器可以按不同专用功能分散部署。一颗SSD控制器里，搭载了100余颗H-TPU。当特定I/O请求到来，只有具备对应功能的那颗H-TPU被唤醒工作，其余的立刻进入休眠（Idle）状态——这是它在1/40理论值之上，再砍一刀实际平均功耗的关键机制。

被彻底“解放”出来的通用CPU，不用再被海量重复工作占满算力，彻底摆脱了事必躬亲的运行模式，只需专注处理少数需要复杂判断的特殊任务，包括数据错误恢复、全链路异常处理、全局存储策略动态管理。

为了打通落地的最后一环，SK海力士还配套自研了专用编译器等完整开发工具体系，让工程师可以高效地为这些专用小核编写针对性的优化代码，大幅降低了新架构的落地门槛。

拆完能省多少？

根据官方给出的数据，相比通用CPU核心，H-TPU的面积仅为1/25（约占CPU总面积的4%），功耗仅为1/25（约2.5%）。

这组数据乍一看有个悖论：100颗小芯片铺上去，控制器总面积怎么会反而更小？

答案在于“按功能专用”：每颗H-TPU只做一件事，不需要大容量缓存层级、不需要分支预测，也不需要为偶发的复杂任务预留余量，die面积自然被压到极小。再叠加按需唤醒：大多数小核绝大多数时间处于休眠状态，控制器的动态功耗因此远低于全部核心常开的传统方案。

省出来的面积和功耗预算，最终可以还给NAND通道与带宽本身。对于企业级SSD而言，控制器不再是越做越胖的瓶颈，而是被“瘦身”成分布式的轻量神经。

下一步如何规划？

H-TPU只是SK海力士路线图的第一步，其更远的规划是：从H-TPU架构进一步演进到HWA（硬件自动化）阶段。

在HWA阶段，SSD控制过程中那些反复出现的、消耗性的操作（比如重复的指令处理、数据地址检索、临时存储拷贝）将被完全交给专用硬件电路自动完成，而CPU和H-TPU只需处理异常情况和高层策略决策。

这相当于把SSD控制器从“软件定义”推向了“硬件固化”：让最频繁、最标准化的操作变成硬件电路的一部分，从而把处理器的算力彻底释放给真正需要智能判断的场景。

H-TPU的战略价值

H-TPU的战略价值，在于它与SK海力士下一代存储技术HBF（高带宽闪存）的结合。

HBF是SK海力士与闪迪联合推动的新型存储层级，定位在HBM和SSD之间。它基于NAND闪存构建，却提供接近HBM的带宽——单堆叠容量最高512GB，带宽最高3.0TB/s，通过UCIe标准接口与处理器连接。2026年8月，HBF的首个开放规范已通过OCP（开放计算项目）正式发布，谷歌和Tenstorrent也已加入联盟。

H-TPU与HBF的协同逻辑非常清晰：HBF提供海量带宽和容量，H-TPU提供极低功耗的精细控制。当AI推理需要将KV缓存从昂贵的HBM卸载到更经济的存储层级时，H-TPU能够以极低的功耗开销管理数据流动，而HBF则提供足够的速度和容量来承载这些数据。