图灵奖得主发声：HBF或成HBM之后的下一个瓶颈

当市场聚焦HBM供给竞争时，图灵奖得主、UC Berkeley教授David Patterson抛出新观点：AI从训练走向大规模推理后，下一个供给瓶颈或将是HBF（高带宽闪存）。这位RISC架构核心设计者于4月30日明确表示，HBF有望成为需求激增的关键内存技术。
David Patterson表示，尽管HBF仍有技术挑战，但SK海力士、闪迪等企业推动的HBF，具备“低功耗、大容量”优势，未来AI系统的核心将是数据的存储、调度与供应，内存竞争焦点将从“速度”转向“容量+效率”。

HBF则由NAND Flash垂直堆叠，核心优势是低成本、低功耗、大容量，解决AI系统的“容量”问题。两者协同构建内存体系：HBM负责实时高速数据交换，HBF承担中间数据、上下文数据的存储。“HBM之父”金正浩比喻，二者如同书房与图书馆，各有侧重。
AI推理爆发，HBF需求正式浮出水面
HBF在2026年受关注，核心是AI市场重心转向推理。AI训练是让模型学习参数，而推理是模型实际执行任务、记住上下文的过程，会产生海量需反复读取更新的数据。
这些数据若全部存入HBM，成本与容量均不现实——HBM适合高速即时数据处理，不适合存储海量上下文数据。随着AI Agent、长上下文模型普及，系统需要更大的高速数据池，这正是HBF被看好的核心原因。
巨头推动标准化，2038年HBF需求或超越HBM
SK海力士与闪迪已率先推动HBF标准化与商业化：2025年8月双方签署备忘录，2026年2月联合启动HBF规格标准化联盟，依托OCP框架加速标准制定，抢占赛道先机。
闪迪计划2026年下半年推出HBF原型产品，年底启动试点生产线，2027年实现商业化（较原计划提前半年）。金正浩预测，结合AI推理市场发展趋势，2038年HBF需求或将超越HBM，若能突破技术瓶颈，将成为AI数据中心关键内存层。
AI竞赛升级：从“算得快”到“记得住、调得动”
过去AI半导体的焦点的是GPU、先进制程与HBM，HBM甚至成为判断存储厂商竞争力的核心指标。但David Patterson提醒，AI基础设施瓶颈日趋复杂，竞赛已从“算得快”转向“记得住、调得动”。
AI训练阶段重点是用高带宽内存喂饱GPU；进入大规模推理阶段，核心是解决上下文维持、低成本存储、数据高效流动等问题。未来AI内存竞赛将是内存阶层重组，HBF将填补传统存储与高带宽存储器的空白，实现容量、功耗与成本的平衡。