HBF 的商业化落地将在 2027 年底至 2028 年左右实现，初期将率先应用于人工智能推理场景。

在人工智能时代，每人将需要 100TB 的存储容量。这是一个名副其实的 " 存算饥渴 " 时代。未来，高带宽内存（HBM）将负责算力支撑的高速读写，而高带宽闪存（HBF）将承担海量数据的存储需求。

韩国科学技术院（KAIST）电子电气工程系教授金钟浩（Kim Joung-ho）于 3 日上午，在首尔中区新闻发布厅举办的 "HBF 研究成果介绍及技术发展战略 " 简报会上发表了上述观点。金教授是人工智能半导体核心技术 —— 高带宽内存（HBM）设计技术的核心开创者与奠基人，为三星电子、SK 海力士等企业布局 HBM 业务奠定了技术基础。目前，其带领的 KAIST Teralab 实验室正全力开展 HBF 技术的研发工作。

金教授强调，" 仅依靠 HBM，已无法跟上人工智能的发展节奏 "，并指出行业亟需一种更大容量的新型存储技术。他将当下的 HBM 比作 GPU 旁的 " 专属书架 "，而 HBF 则是支撑 AI 全场景运算的 " 巨型图书馆 "。HBF 是一种采用垂直堆叠架构的 NAND 闪存技术，可同时实现高带宽传输与超大容量存储，其核心优势在于功耗远低于 HBM，且更易实现大容量存储的规模化落地。

金教授在会上还将人工智能的存储体系划分为 " 热存储 " 和 " 冷存储 "。他解释道，HBM 主要负责处理人工智能即时运算所需的热存储数据，而用于保存海量历史训练数据与应用数据的冷存储，则由基于 NAND 闪存的存储设备承担。他举例说明：" 若让人工智能完成‘画出童年样貌’的任务，其需要调取海量的历史数据与特征模型，这类任务依赖的就是冷存储，而非单纯的人脑模拟模型。" 当前的核心问题在于，传统计算机架构已难以适配人工智能的发展需求。即便 GPU 具备高速的数据处理能力，也会因需从与中央处理器（CPU）相连的远端存储设备读取大型数据集，而形成明显的性能瓶颈。

金教授指出：" 在图像、视频、音频、文档深度融合的多模态人工智能应用场景下，现有存储架构根本无法解决数据传输的延迟问题。我们需要进行架构性革新，将大容量存储设备直接部署在 GPU 旁，而 HBF 正是实现这一革新的核心技术桥梁。" 他进一步阐释：" 此前，人工智能的性能竞赛一直由图形处理器（GPU）主导，但未来，存储技术将成为决定 AI 运算能力的关键核心。HBF 的落地，将推动人工智能计算能力实现新一轮的跨越式提升。"

金教授预测，随着人工智能产业的持续发展，这一技术变革将为三星电子、SK 海力士等韩国企业带来发展新机遇。这些企业是全球为数不多、同时掌握 HBM 技术、NAND 闪存核心工艺与先进封装能力的企业，具备向 HBF 领域拓展的完整技术积淀。

他表示：" 谷歌等科技巨头拥有海量的数据资源，却缺乏晶圆制造与内存先进封装的核心技术，而这正是三星电子、SK 海力士的核心优势，也是其难以被撼动的竞争壁垒。" 金教授同时预估，HBF 的商业化落地将在 2027 年底至 2028 年左右实现，初期将率先应用于人工智能推理场景。他还预测，未来融合 HBM 与 HBF 技术的混合存储架构，有望成为人工智能领域的标准存储方案。

去年 8 月，Sandisk 宣布与 SK 海力士签署具有里程碑意义的谅解备忘录（Memorandum of Understanding，MOU），双方将携手制定高带宽闪存（High Bandwidth Flash，HBFTM）技术规范。这项新兴技术旨在为下一代人工智能推理提供突破性的存储容量和性能支持。通过此次合作，双方将致力于推动该技术规范标准化，明确技术要求，并共同探索构建高带宽闪存技术生态系统。

闪迪公司执行副总裁、首席技术官兼 HBF 技术顾问委员会成员 Alper Ilkbahar 表示：" 当前，AI 行业对可扩展内存的需求日益迫切。为了积极应对这一关键挑战，我们与 SK 海力士携手制定高带宽闪存技术规范以加快技术创新进程，赋能产业应对未来指数级增长的数据处理需求。我们的合作将有助于提供更高效的解决方案，以满足全球技术需求，并不断超越客户的期望。"

SK 海力士公司开发总管（CDO）安炫社长表示：" 随着下一代计算不断演进，业界亟需突破性解决方案以应对新兴挑战。此次我们与闪迪协作推动高带宽闪存技术规范的标准化，以加速这一前沿技术的商业化进程。我们相信，该技术将在释放 AI 潜能和应对下一代数据负载方面发挥关键作用。"