電子發(fā)燒友網(wǎng)報道（文/梁浩斌）“主板插顯卡上”，是PC DIY玩家對高性能顯卡體積越來越大的調(diào)侃，隨著顯卡功率越來越高，碩大的散熱模組讓顯卡投影面積甚至已經(jīng)大于ITX規(guī)格的主板，在PC里顯卡取代了主板和CPU成為了主角。

而最近“HBM之父”金正浩教授也語出驚人，提出未來內(nèi)存將成為主角：“GPU和CPU將會被集成到內(nèi)存（HBM和HBF）里，淪為內(nèi)存中的一個組件”。

倒反天罡，在內(nèi)存里裝GPU？

目前AI計算的架構(gòu)以GPU為主導(dǎo)，核心計算單元是配備HBM的GPU，比如英偉達的Blackwell架構(gòu)GPU，配備HBM3e內(nèi)存，通過NVLink、NVSwitch等實現(xiàn)GPU間高速通信，形成比如NVL72等的機架級計算系統(tǒng)。

不過英偉達在Vera Rubin平臺中，也展現(xiàn)出強烈的異構(gòu)計算趨勢，AI計算不再單純依賴GPU，而是通過多芯片協(xié)同工作實現(xiàn)更高效的計算。Vera Rubin平臺中，除了Rubin GPU之外，還有Vera CPU、Groq 3 LPU、NVLink 6 Switch、ConnectX-9 SuperNIC、BlueField-4 DPU等多種處理單元協(xié)同工作。

但異構(gòu)計算或許也不是未來？金正浩預(yù)言，AI時代的最終贏家不是GPU，而是內(nèi)存，目前以英偉達GPU為中心的AI計算架構(gòu)，將會完全轉(zhuǎn)向以內(nèi)存為中心的架構(gòu)。

“現(xiàn)在GPU或CPU是計算的中心。但今后，擁有龐大容量的HBM和HBF將成為中心，反而是GPU被裝進其中的‘內(nèi)存中心計算（Memory-Centric Computing）’時代將會到來。GPU和CPU淪為零部件的那個時刻，要想引領(lǐng)這一范式，HBF必須成為其基礎(chǔ)?！彼忉尫Q，當前AI面臨的幻覺問題，本質(zhì)上是硬件瓶頸造成的。

當前業(yè)界正在從生成式AI轉(zhuǎn)向代理式AI（Agentic AI），這個過程中內(nèi)存瓶頸正在成為最大的難題。海量上下文需要同樣大規(guī)模的內(nèi)存，要真正實現(xiàn)快速、準確處理代理式AI的超長上下文數(shù)據(jù)，內(nèi)存帶寬和容量都需要比現(xiàn)在增加1000倍以上。同時，金正浩認為大模型的幻覺本質(zhì)上也是內(nèi)存問題，因為內(nèi)存不足，只能根據(jù)已知內(nèi)容回答，才會產(chǎn)生幻覺。

HBM在最近幾年AI芯片熱潮中已經(jīng)成為了焦點，這是為了解決內(nèi)存帶寬瓶頸而誕生的一種DRAM技術(shù)，核心原理是將多個DRAM芯片進行垂直堆疊，通過TSV技術(shù)進行互連，帶寬可以是傳統(tǒng)內(nèi)存的數(shù)十倍。

而HBF就較為陌生了，金正浩認為，僅靠HBM難以滿足代理式AI的需求，HBM是為了快速回答而堆放在書桌旁的淺薄參考書，即短期記憶。而下一代的替代方案則是HBF高帶寬閃存，HBF是用NAND閃存代替DRAM進行堆疊，大幅提升容量的巨大書架，即長期記憶。
GPU-HBM-HBF架構(gòu) 圖源：KAIST Terra Lab

具體來說，HBF核心思路是用HBM的封裝技術(shù)來對NAND FLASH進行改造，包括3D堆疊、TSV、高并行接口等。根據(jù)目前業(yè)界多家廠商給出的技術(shù)指標，HBF的帶寬可高達1.6TB/s，是傳統(tǒng)PCIe4.0 SSD的200倍以上，基本達到了HBM3的帶寬水平，但低于HBM4。

在容量上，HBF單堆棧能達到512GB，8 堆?？芍?TB，可支撐萬億參數(shù)模型本地加載，相比不HBM有顯著的優(yōu)勢。當然，缺點是寫入和耐久性都不如HBM，因此HBF主要適用于讀取密集型AI推理任務(wù)；另外延遲也相比HBM更高，HBF的延遲約5μs，而HBM僅為100ns。

所以綜合來看，HBF的定位可以看做是解決HBM容量不足和SSD速度太慢的存儲產(chǎn)品，適用于儲存模型權(quán)重、長文本、特征庫等“溫/冷數(shù)據(jù)”，而HBM則專注于頻繁讀寫的“熱數(shù)據(jù)”。

金正浩是是韓國科學(xué)技術(shù)院（KAIST）電氣及電子工程系教授，同時是TERALAB負責(zé)人，被業(yè)界廣泛譽為“HBM之父”。研究領(lǐng)域?qū)Ｗ⒂趯Ｗ⒂?a target="_blank">信號完整性、電源完整性、電磁兼容、3D/2.5D集成電路封裝、TSV、硅中介層等先進封裝技術(shù)，以及AI半導(dǎo)體內(nèi)存架構(gòu)。

其負責(zé)的TERALAB在HBM設(shè)計技術(shù)領(lǐng)域全球領(lǐng)先超過20年，自2010年起直接參與HBM的商業(yè)化設(shè)計，與三星電子、SK海力士、Google、NVIDIA、Apple、Tesla等全球巨頭有深度合作。他主導(dǎo)了HBM從概念到實際產(chǎn)品的關(guān)鍵技術(shù)突破，包括TSV、互連優(yōu)化、信號/電源設(shè)計等。

SK海力士、閃迪推動HBF標準化，2026推首批樣品

得益于AI算力需求的爆發(fā)增長，HBF的產(chǎn)業(yè)化進程非?？?，從學(xué)術(shù)提出到標準化啟動，僅用了不到兩年時間。在2025年6月，KAIST TERALab在HBM路線圖Ver 1.7研討會上首次系統(tǒng)介紹HBF架構(gòu)，提出“HBM-HBF-存儲網(wǎng)絡(luò)”分層設(shè)計。

2025年底至2026年初，金教授多次在媒體和研討會上發(fā)布HBF路線圖和工作負載分析，強調(diào)HBF可將AI推理性能/瓦特提升至純HBM配置的2.69倍，并在Llama 3.1 405B等模型上僅損失2.2%性能。

在2025年8月，閃迪和SK海力士簽署諒解備忘錄，正式啟動HBF規(guī)格制定、技術(shù)要求定義和生態(tài)構(gòu)建。閃迪也明確目標，在2026下半年交付首批HBF內(nèi)存樣品，2027年初首批搭載HBF的AI推理設(shè)備進入采樣階段。

今年2月25日，雙方在美國加州米爾皮塔斯的閃迪總部聯(lián)合舉辦“HBF規(guī)格標準化聯(lián)盟啟動會”。宣布在Open Compute Project (OCP) 框架下成立專用工作組，推動HBF全球開放標準化，這是HBF從雙邊合作轉(zhuǎn)向行業(yè)生態(tài)的關(guān)鍵一步。

三星盡管未有直接參與標準化聯(lián)盟，但已經(jīng)獨立切入HBF的賽道中，據(jù)披露，三星在去年10月開始啟動概念設(shè)計與早期研發(fā)，積累多項HBF相關(guān)專利。憑借NAND市場份額領(lǐng)先和代工/邏輯工藝優(yōu)勢，三星正探索獨特架構(gòu)路徑，其目標是2027年實現(xiàn)商用產(chǎn)品的推出。

根據(jù)金教授預(yù)測，HBF將在2027年開始小規(guī)模商用部署，導(dǎo)入到谷歌、英偉達、AMD等AI芯片中；2030年HBF將大規(guī)模普及，預(yù)計到2038年HBF市場可能超越HBM，成為AI存儲的主力。

小結(jié):

HBF的產(chǎn)業(yè)化，不僅是填補了HBM和NAND FLASH之間的存儲空缺，更是標志著AI算力硬件從算力芯片為中心，從GPU到異構(gòu)架構(gòu)之后，逐步向內(nèi)存為中心加速轉(zhuǎn)型，重塑AI服務(wù)器架構(gòu)。不過，GPU是不是真的會淪為內(nèi)存的“配件”，還不太好說，但至少在未來AI Agent的時代，存儲芯片的地位將更加重要。