HBF 非 HBM 替代品仅面向 AI 推理散热存疑

HBF定位AI推理而非替代HBM，面临散热可靠性与耐久性挑战，NAND短缺或持续至2028年。

Woofun AI 获悉，SemiAnalysis 研究员指出高带宽闪存（HBF）并非 HBM 的替代品，其应用场景局限于 AI 推理，特别是低批量、长上下文的 MoE 模型。HBF 实际带宽目标约为 1.6 TB/s，属于 HBM3E 级别，主要满足本地或私有企业少量 GPU 的容量需求，而非超大规模带宽场景。

尽管 Sandisk 声称 HBF 每比特成本约为 HBM 的八分之一，但 TSV、堆叠及 pSLC 模式等结构性成本永久存在，且良率与测试成本随规模改善的空间有限。耐久性成为关键未知数，若磨损超预期将推高成本。

此外，闪存在 GPU 旁高温环境下加速劣化的散热问题尚未解决，UCIe 分离与每日刷新等缓解措施仍未获验证。制造方面，Sandisk/Kioxia 具备 3D NAND 经验，SK Hynix 补充 HBM 式堆叠能力，但量产能力仍待证实。存储市场正转向分层专业化，NAND 短缺预计持续至 2028 年，HBF 可能进一步影响供需格局。