SK海力士与闪迪发布HBF首个标准规范
SK 海力士联合闪迪发布 HBF 标准｜FMS2026 下一代 AI 存储技术资讯
信息来源：2026 年 8 月 4 日 FMS 2026 闪存峰会，SK 海力士官方
2026 年 8 月 4 日，SK 海力士联合闪迪于 FMS 2026 闪存峰会发布 HBF 高带宽闪存首版标准规范。
HBF 定位为 HBM 与 SSD 之间全新存储层级，规范通过 OCP 对外开放，采用 UCIe 芯粒互联，最高支持 512GB 容量、0.4TB/s–3.0TB/s 带宽。
HBF 联盟历经 6 个月落地标准，谷歌、Tenstorrent 参与共建生态。
峰会期间企业提出分层内存架构方案，探讨依靠 HBF 破解 AI 内存墙，并首次展出 375 层 4D NAND 闪存，规划 2027 年初量产配套企业级 SSD。HBF 开放标准落地，有望重构 AI 数据中心存储体系。
一、基础科普类问答
Q1：什么是 HBF 高带宽闪存？HBF 定位是什么？
A：HBF 全称 High Bandwidth Flash（高带宽闪存），是 SK 海力士与闪迪联合推出的新型存储方案，定位为介于 HBM 高带宽内存与 SSD 固态硬盘之间全新存储层级。兼具接近 HBM 的数据传输带宽，同时依托 NAND 闪存实现大容量扩展，重点面向 AI 推理场景，缓解行业普遍存在的内存墙难题。
Q2：SK 海力士和闪迪为什么选择在 FMS2026 发布 HBF 首个标准？
A：双方自 2025 年 8 月启动 HBF 标准化合作，2026 年 2 月正式成立 HBF 联盟，历经 6 个月完成首版规范制定。FMS 闪存峰会是全球闪存产业核心交流平台，选择在此发布，面向全球产业链推广开放标准，吸引算力厂商、芯片企业共建技术生态。
Q3：HBF 标准是否属于 SK 海力士、闪迪私有技术？
A：并非企业专有方案。整套 HBF 标准规范通过 OCP 开放计算项目对外发布，属于全行业开放式标准。规范包含电气特性、NAND 堆叠封装指南、软件读写规范，方便上下游厂商共同适配开发。
二、技术规格问答
Q4：FMS2026 公布的 HBF 性能参数有哪些？支持多大容量与带宽？
A：标准提供 8 层、16 层两种 NAND 堆叠方案，单栈最高支持 512GB 容量；带宽分为 Grade1~Grade3 三档，带宽区间 0.4TB/s～3.0TB/s。HBF 采用 UCIe 芯粒互联标准，能够灵活和 GPU、CPU 各类处理器互联互通。
Q5：UCIe 接口对于 HBF 有什么样的价值？
A：UCIe 是通用芯粒高速互联开放标准。搭载 UCIe 方案后，HBF 可以灵活异构连接不同厂商处理器，打破硬件接口壁垒，助力分层内存架构落地，方便 AI 服务器厂商灵活搭建混合存储系统。
三、生态联盟问答
Q6：HBF 联盟目前有哪些企业参与？谷歌、Tenstorrent 起到什么作用？
A：现阶段 HBF 联盟成员包含 SK 海力士、闪迪、谷歌、Tenstorrent。谷歌与 Tenstorrent 深度参与标准制定与技术验证。后续 SK 海力士计划持续吸纳更多产业链企业，扩大生态规模，加速 HBF 商业化落地。
Q7：什么是分层内存 Tiered Memory 架构？和 HBF 有什么关联？
A：分层内存架构针对代理式 AI 海量数据处理需求，依靠多种存储器搭配协同工作，不同层级承载冷热数据。HBF 是该架构里关键一环，承接 HBM 与 SSD 中间的温数据，平衡带宽、容量与成本，也是 SK 海力士本次峰会演讲核心观点。
四、FMS 展会新品与路线问答
Q8：SK 海力士 V10 375 层 4D NAND 闪存性能如何？什么时候量产？
A：第十代 V10 375 层 4D NAND 闪存首次在 FMS2026 公开展示，相比前代产品性能功耗比提升 2.5 倍，适配 AI 数据中心场景。企业规划 2027 年初基于该闪存推出企业级 eSSD 并启动量产。
Q9：SK 海力士 HBF 产品预计什么时候量产？官方给出路线了吗？
A：本次峰会仅落地标准化规范，暂未明确公布 HBF 芯片正式量产时间。技术落地需要产业链客户验证、配套芯片适配，商业化进度取决于生态成熟度，中长期具备规模化应用潜力。
Q10：8 月 6 日 FMS 圆桌论坛主题是什么？重点探讨哪些内容？
A：圆桌论坛主题为借助 HBF 突破内存墙，参会嘉宾包含 SK 海力士、谷歌 DeepMind、闪迪技术负责人。论坛围绕 AI 基础设施存储架构变革，讨论 HBF 解决大模型推理内存瓶颈的可行路径。
五、行业应用与前景问答
Q11：HBF 主要适用哪些 AI 场景？相比传统 SSD、HBM 优势在哪？
A：HBF 更加适配 AI 推理服务器。HBM 带宽高但是成本昂贵、容量受限；普通 SSD 容量大但是带宽不足。HBF 填补二者空白，兼顾带宽与大容量，适合承载大模型 KV 缓存、海量静态数据集。不过短期仍然需要产业链持续验证，大规模普及尚需时间。
Q12：HBF 能否彻底解决 AI 行业的内存墙问题？
A：HBF 是重要解决方案之一，但不能单一依靠该项技术彻底消除内存墙。需要搭配分层内存架构、软件调度优化、处理器架构协同改造。长期来看，HBF 会丰富存储选择，缓解算力服务器的数据吞吐压力。
Q13：HBF 标准化落地，会对全球 NAND 闪存市场带来哪些影响？
A：随着 AI 算力需求持续扩张，新型存储层级诞生将打开新的市场空间。不过技术渗透节奏具备不确定性，还要看云厂商、服务器厂商的导入意愿，短期难以快速改变现有存储市场竞争格局。
END
往期精选：
请点下【♡】给小编加鸡腿
