川海智库

报告概述

本报告是广发证券计算机行业AI 2025算力系列的第十篇，聚焦HBF（High Bandwidth Flash）这一新型存储技术，分析其在AI大模型推理场景中的应用潜力，以及由此带来的数据基础软件发展机遇。报告首先阐述当前HBM内存容量难以满足大模型需求的问题，引入HBF作为解决方案，对比其与HBM的架构和性能差异。随后，报告探讨具有数据库技术基础的公司（如星环科技、华为、阿里等）开发基于HBF的数据基础软件的潜力，并分析了不同类型AI大模型对内存和数据处理软件的不同需求。报告还就HBF技术挑战、市场早期阶段的不确定性进行了讨论。通过技术分析、厂商对比和风险提示，为投资者理解HBF产业链机会提供了参考框架。

报告的核心结论

HBF有望满足AI大模型对内存容量的高要求

报告指出，当前HBM容量成长速度落后于大模型参数规模和上下文长度的增长，英伟达Blackwell Ultra虽配备288GB HBM3E，但仍难以满足万亿参数级模型的内存需求。HBF基于3D NAND闪存，容量可达HBM的8-16倍，有望将GPU存储容量扩展至4TB，同时通过BiCS和CBA工艺实现与GPU的高速互联，成为解决内存瓶颈的最佳方案。

具有数据库技术基础的公司具备开发HBF数据基础软件的潜力

报告认为，HBF作为新存储介质，需要专门的数据基础软件优化读写效率。星环科技、PingCAP等独立第三方公司，以及华为、阿里等大型科技公司，因在闪存优化数据库（如ArgoDB、TiDB、GaussDB等）上已有技术积累，均有潜力开发支持HBF的数据基础软件。其中，华为、阿里可能自研用于自家大模型，而第三方产品有望服务于智谱AI、MiniMax等客户。

HBF技术成熟将推动相关数据基础软件的应用

报告判断，随着HBF硬件在2026-2027年逐步成熟（Sandisk样品计划2026年下半年交付，集成产品预计2027年初推出），其在AI推理任务中有望大规模使用。这将推动数据基础软件的需求增长，特别是针对HBF存储介质优化的数据库产品。星环科技等已有闪存优化经验的公司，有望凭借技术迁移能力率先受益，但产品研发仍需时间。

基于HBF的数据基础软件市场规模短期内难以确定

报告指出，由于HBF产品尚未推出，下游用户采购意愿、价值量和市场规模尚无定论。根据产业规律，该软件的价值量可能与数据处理规模及应用场景相关。若HBF在AI推理中广泛采用，相关软件将受益于数据处理需求的增长，但短期市场存在不确定性，需关注技术成熟速度和商业拓展进展。

报告回答的关键问题

什么是HBF？与HBM相比有什么优势？

HBF（High Bandwidth Flash）是Sandisk与SK Hynix合作开发的新型存储产品，专为AI大模型推理场景设计。相比HBM（高带宽内存），HBF基于3D NAND闪存，存储容量可达HBM的8-16倍，有望将GPU内存容量扩展至4TB，同时通过BiCS和CBA工艺实现与GPU的高速互联，传输速率接近HBM。它解决了HBM容量不足的问题，但面临闪存写入寿命和高温稳定性等挑战。

哪些公司可能受益于HBF技术发展？

报告认为，具有数据库技术基础的公司具备开发基于HBF的数据基础软件的潜力。包括星环科技（已有针对闪存优化的ArgoDB）、PingCAP（TiDB）、华为（GaussDB）、阿里云（AnalyticDB）等。这些公司若能针对HBF优化数据读写软件，有望为使用HBF的AI推理服务器提供数据处理能力。此外，HBF硬件供应商Sandisk和SK Hynix也将直接受益。

HBF技术面临哪些主要挑战？

报告指出三个挑战：一是闪存写入寿命限制，若HBF使用寿命较短，可能影响AI芯片使用年限；二是工作温度问题，闪存上限85度，与GPU封装后高温可能影响稳定性；三是HBF产品距离成熟还需时间，首批样品计划2026年下半年交付，集成硬件预计2027年初推出，存在技术难点克服不及预期的延迟风险。

大语言模型和视频生成模型对内存要求有何不同？

报告对比显示，大语言模型参数量普遍达万亿级别，上下文长度超128K，推理时对内存容量要求很高，使用基于内存的数据处理软件必要性最强。视频生成类模型虽然参数量跨度大，但头部型号已接近大语言模型，且需处理多帧数据，对内存要求也较高。图片生成类模型参数规模较小（百亿级），上下文较短，对内存要求相对较低。

报告中的代表性数据

8-16倍

HBF预计存储容量（相较于HBM）

预计2026-2027年，根据Sandisk官网，其在研的HBF存储容量有望达到现有HBM的8-16倍，有望将GPU的存储容量扩展至4 TB。

288 GB

英伟达Blackwell Ultra HBM配置

2025年，英伟达Blackwell Ultra芯片配备8个HBM3E内存，内存容量为288 GB，内存带宽为8 TB/s。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • AI芯片内存容量与大模型参数量的对比图及详细数据表：展示Llama、Kimi、Grok等主流大模型参数量和上下文长度，直观说明当前HBM容量与需求之间的鸿沟。
  • 服务器内部不同存储介质数据读取流程示意图：解释GPU、HBM、SSD等组件之间的数据流，帮助理解HBF在其中扮演的角色。
  • HBM与HBF架构对比图：从物理堆叠、互联方式、容量和带宽等维度对比两种技术方案，清晰呈现HBF的设计思路。
  • 不同类型AI大模型对内存和数据基础软件的要求分析表：覆盖大语言、图片生成、视频生成三类模型，评估其必要性，为读者提供选型参考。
  • 针对存储介质优化的数据库产品列表：整理星环科技ArgoDB、SAP HANA、PingCAP TiDB、华为GaussDB等产品的性能特点，分析其向HBF迁移的可行性。
  • 星环科技Transwarp ArgoDB架构图：展示其内建细粒度编码格式、针对闪存随机读写优化的设计，作为存量产品向HBF延伸的技术基础案例。
  • 风险提示详细分析：包括HBF硬件延迟、应用场景未验证、数据基础软件性能不确定等，为投资决策提供完整风险考量。
  • 重点公司估值和财务分析表：包含星环科技、寒武纪、浪潮信息、紫光股份等公司的EPS、PE、EV/EBITDA及ROE预测数据。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告