HBF火爆，背后的机会有多大？

8月刚刚开始，在美国加州圣克拉拉会展中心举行的FMS 2026开幕之际，闪迪与SK海力士通过开放计算项目OCP正式发布了高带宽闪存HBF的首个技术规范。距离双方2025年8月签署标准化合作备忘录整整一年，距离2026年2月HBF联盟启动仅约六个月。

这是一个容易被低估的事件。它没有伴随任何可以出货的产品，OCP在发布当日甚至尚未公开规范全文；但它把一个原本停留在白皮书和展台模型阶段的概念，第一次固定成了带有接口定义、电气特性、封装可靠性指南与软件读写指引的产业文本。在半导体行业，标准先于硅片，往往意味着一条新赛道的规则已经开始被书写。

规范里的产业意图

按照发布内容，HBF首版规范定义了两种容量配置，分别采用8层与16层NAND晶粒堆叠，单堆叠最高支持512GB；性能按Grade 1至Grade 3三个等级划分，带宽区间覆盖约0.4TB/s至3.0TB/s。互联层面采用行业开放标准UCIe，为HBF与GPU、CPU等不同处理器灵活连接奠定基础。规范还涵盖HBF晶粒堆叠工艺的可靠性与封装指南，以及面向读写操作的软件使用指引。

把这几个数字放到现有存储层级中比对，HBF的意图就相当清楚。当前一颗HBM4堆叠的容量上限约64GB、带宽约2TB/s，而HBF单堆叠可做到512GB、最高等级带宽3.0TB/s。闪迪的说法是，HBF能在与HBM4相当的物理尺寸、功耗与堆叠高度下，以接近的成本提供8至16倍容量。另一端，高端企业级SSD的顺序读带宽通常仅10至15GB/s，约为单颗HBM3E堆叠的百分之一。HBF要占的，正是这中间的空档。而跨越近八倍的带宽区间意味着，这是一份预留了多代际演进空间的路线图，而不是一份产品手册。

HBF的性能取舍与HBM完全不同。NAND读取延迟通常在微秒级，HBM在纳秒级，两者相差可达三个数量级。它之所以在架构上成立，前提是AI推理的解码阶段本质上是对模型权重的流式读取。闪迪高级设计工程总监Cynthia Hsu的公开解释很直接：对推理负载而言，真正重要的是带宽，而不是延迟。模型权重是只读数据，可以预取、可以流水线化，NAND较大的访问粒度与较高延迟能够通过并行度弥补。闪迪以Llama 3.1 405B为基准的模拟显示，HBF配置的系统级性能与一个假设拥有无限容量HBM的配置相比，偏差在2.2%以内。

正因如此，HBF在产业叙事中的定位是补充而非替代。SK海力士将其纳入“分层内存”架构，该公司解决方案开发担当副社长金千成的表述是，AI应用的快速普及正推动整个数据处理架构进入重构期，HBF的意义在于突破内存与存储的边界。TrendForce的判断同样是，HBF是HBM的互补技术而非竞争对手。被誉为“HBM之父”的韩国科学技术院教授金正浩用了一个更易理解的比喻：HBM是书架，HBF是图书馆；HBM决定速度，HBF决定容量。他同时点出一个不容忽视的边界——HBF支持近乎无限的读取次数，但写入寿命约10万次，这意味着上层软件必须针对读密集型操作重新优化。换言之，HBF能否成立，一半取决于硅片，另一半取决于模型厂商愿不愿意为它改代码。

谁在下注，谁在观望

标准的价值最终由生态决定，而当下HBF的生态图景呈现出明显的不均衡。

联盟一侧，除闪迪与SK海力士作为主要贡献者外，谷歌与Tenstorrent在标准化过程中加入并参与技术验证。但另一侧的沉默同样清晰：截至规范发布，AMD、博通、英特尔、英伟达、Marvell、美光、高通、三星、西部数据均未对HBF表达参与意愿。海外研究机构Citrini Research的观察是，谷歌是目前推动HBF最积极的玩家，而英伟达兴趣相对有限，理由是现有企业级SSD已能满足其带宽需求。作为AI加速器的绝对主导者，英伟达是否接纳HBF，将直接决定这一标准的渗透速度。

企业层面的分野已显现在几家主要厂商的动作里。对闪迪而言，HBF是其从周期性NAND供应商向AI基础设施供应商转型叙事的一部分。闪迪首席技术官对HBF的定调是，规范为系统设计者提供了把大容量、高带宽内存靠近计算的可行路径，对规模化改善token经济性的下一代AI系统是重要里程碑。产线层面，据产业链公开信息，闪迪HBF原型产线预计2026年下半年建成投运，商业化目标2027年，并可能将时间表整体提前约半年。

SK海力士的路径略有不同。它同时握有HBM的领先份额与NAND产能，因此更倾向于用HBM与HBF的搭配来解决推理系统的容量约束，而非以HBF取代HBM。在FMS 2026上，该公司首次公开第十代375层4D NAND，每瓦性能较上一代提升2.5倍，计划2027年初启动基于该NAND的企业级SSD量产。

三星的姿态更值得玩味。它并未加入HBF联盟，但据公开报道，该公司自2020年代初便已开展HBF研究，近期密集收购相关专利。在同一届FMS上，三星电子DRAM开发室常务金经纶首次展出zHBM概念模型——将HBM通过先进晶圆键合垂直堆叠在AI加速器之上而非并排放置，公司称其性能预计可达HBM5的8倍，能效提高3倍。铠侠则选择第三种解法：展出兼容CXL标准的内存扩展模块XL1系列，将访问频率较低的数据迁至XL-FLASH以释放DRAM压力，计划2026年8月交付评估样品；同时发布首款PCIe 6.0企业级SSD CM10系列，明确支持英伟达的CMX架构。TrendForce指出，英伟达和谷歌正在与三星、铠侠就XL Flash、Z NAND等类似产品线合作，产品预计2027年初发布。

把这些动作放在一起看，一幅典型的路线分岔图已经成形。闪迪与SK海力士押注的是紧邻GPU、以UCIe直连的近端新层级，前者把HBF当作硅片与商业模式双重转型的押注，后者把它安置在HBM旁侧作为容量扩展层；三星则从加速器的封装结构上另辟蹊径，用垂直堆叠替代并排放置；铠侠与英伟达生态则宁愿做得更远一点，将不那么热的数据放到CXL扩展模块或网络附加的存储池里。它们指向的是同一个问题，却坐在架构的不同位置上，而产业最终会为哪一种方案付钱，目前没有任何一家厂商能给出答案。

尚未量产，已开始搅动产能

讨论HBF的市场影响，必须先看清它所嵌入的这轮存储周期走到了什么位置。

需求侧的强度是空前的。TrendForce数据显示，2026年第一季度DRAM合约价环比涨幅达93%至98%，NAND合约价环比涨85%至90%，服务器DRAM需求占比首次超过50%，存储需求的主力已从手机转向数据中心。供给侧的约束同样刚性。2026年NAND市场全年供不应求，缺口约4%至5%；由于现有厂房空间受限且厂商继续优先扩张DRAM产能，供应商主要依赖制程节点迁移增加位元产出，这一约束将延续至2027年，供应紧张预计到2027年下半年才逐步缓解。

在这样一个盘子里插入HBF，直接后果是对先进NAND产能的进一步争夺。TrendForce给出了具体判断：HBF技术门槛较高，目前仅闪迪与SK海力士具备量产技术支持能力，其生产周期长达9个月，占用生产空间约为正常产线的3倍，因此必须优化传输效能并延长产线寿命。含义很清楚：同等晶圆产出下，HBF对产能的消耗效率显著低于常规NAND。当原厂把最先进的堆叠工艺与产能向企业级和AI市场倾斜，消费端能分到的份额只会更紧。

产业链的传导路径也相对清晰。由于HBF与HBM在工艺流程上高度相似，TSV设备、键合材料等环节预计仍将由已在HBM市场建立优势的供应商主导，其潜在市场空间会随HBF推进而直接扩大。韩国JK Materials已宣布完成用于HBF的高性能KrF聚合物开发并向主要客户供货，这类材料是实现数百层NAND堆叠的前提。

至于时间表，各方判断大致收敛在2027年至2028年之间。金正浩预测HBF商业化将在2027年底至2028年实现，初期用于推理，HBM与HBF的混合配置可能成为未来标准，并预计到2038年前后HBF需求规模将超过HBM。SK海力士在官方表述中更为保守——行业预测包括HBF在内的复杂存储解决方案将在2030年前后开始加速增长。野村此前也直言，HBF尚未准备好量产，且大规模用NAND替代DRAM只会让NAND供需更加紧张。这些判断之间的差距，恰恰说明HBF目前仍处在预期定价阶段。

结语

汇总上述线索，HBF当下的处境可以概括为：技术路径已被写成文本，产业站位仍未确定。

最关键的变量在加速器厂商手上。HBF通过UCIe直连处理器，意味着它必须被写进GPU或xPU的封装与内存子系统设计中。谷歌与Tenstorrent的加入证明自研加速器阵营对此有兴趣，但英伟达至今未表态。如果加速器主导者选择用软件栈改造或网络附加存储池来解决同一问题，HBF的产业动能将大幅削弱；反之，一旦被纳入主流加速器路线图，NAND厂商将获得一个直接进入AI算力核心封装的入口——这对长期被排除在HBM三强格局之外的NAND玩家，意义不亚于换道。

更大的不确定性则来自周期本身。摩根士丹利在7月警示，AI驱动的存储超级周期正接近拐点，内存合约价格可能于2026年第四季度见顶，存储厂商盈利上修率已从92%的峰值降至77%，但周期更可能是延长而非崩溃。TrendForce对2026年第三季度的预测是DRAM合约价环比涨13%至18%、NAND涨10%至15%，涨价斜率明显放缓；杰富瑞7月末更为悲观，认为实际涨幅可能仅15%至20%。这对HBF的影响是双向的：周期高位为厂商提供了充裕现金流去投资新技术，但一旦价格转向，扩产决策会立刻变得保守。

Yole Group分析师在FMS 2026上提到的一个细节颇具概括力：随着AI市场从训练主导转向以推理为中心，存储器新产品的开发周期已从过去的18个月缩短至12个月。这解释了HBF为何能在六个月内从联盟走到规范——在推理定义需求的阶段，存储厂商已经没有从容验证的时间窗口，只能用标准先行的方式抢占定义权。

HBF标准落地的意义或许不在于它本身能否成功，而在于它确认了一个方向：AI基础设施正在从追求更快的内存，转向构建更多层的内存。规范已经发布，产品仍未出货，真正的较量才刚开始。