报告概述
本报告聚焦HBF（High Bandwidth Flash）——一种基于3D NAND的高带宽堆叠存储介质。报告详细介绍了HBF的技术架构、定位（介于HBM与SSD之间）及其在读为主应用场景（如AI推理）中的显著优势，包括成本、容量、读取带宽和能效。同时梳理了HBF的商业化进程，涵盖闪迪、SK海力士、三星等主流厂商的布局。报告旨在为投资者揭示AI记忆基础设施领域的投资机会。
报告的核心结论
HBF在读为主应用场景中优势显著
HBF通过类似HBM的堆叠互连技术，在相同空间内提供高达512GB容量，较HBM提升一个数量级；读取带宽可达1.6TB/s，接近HBM水平，且静态功耗更低，适合读多写少的AI推理场景，有效填补HBM与SSD之间的空白。
HBF商业化进程正在加速
闪迪计划于2026年下半年提供HBF模块样品，2027年初推出集成HBF的AI推理服务器；SK海力士将HBF纳入其AIN产品线；三星也已开始早期概念设计。主流存储厂商的积极布局表明HBF技术路径正快速推进。
HBF主要面向对容量和成本敏感的读取密集型应用
由于写入耐久性受限，HBF更适合承接共享KV Cache中的历史块、部分权重参数分片等数据，而时延敏感、更新频繁的数据仍由HBM处理。这种分工优化了AI推理系统的总体拥有成本。
报告回答的关键问题
HBF与HBM、SSD有什么区别？
HBF是基于3D NAND的堆叠闪存，通过类似HBM的封装互连实现高带宽。相比HBM，HBF单位容量成本更低、容量更高（单堆栈512GB），但写入耐久性较弱；相比SSD，HBF读取带宽更高（目标1.6TB/s），延迟更低。它定位在HBM与SSD之间，适用于AI推理等读多写少场景。
HBF能解决AI推理中的哪些存储瓶颈？
AI推理中，HBM容量有限且成本高昂，SSD带宽不足。HBF以较低成本提供超大容量和高读取带宽，可存放共享KV Cache、模型权重分片等数据，减少对昂贵HBM的需求，同时提升推理吞吐量，降低系统总体拥有成本。
HBF技术目前发展到什么阶段？
HBF处于标准化和样品开发阶段。2025年闪迪与SK海力士合作推进标准化，2026年2月启动OCP全球标准化。闪迪计划2026年下半年出样，2027年推出集成HBF的AI推理服务器；三星也已启动概念设计。商业化尚需时间，但进展明显。
报告中的代表性数据
HBF单堆栈容量
首代产品目标，根据Sandisk 2025 Investor Day数据，首代HBF采用16-die堆叠，单堆栈容量512GB，较HBM提升一个数量级。
HBF读取带宽
首代产品目标，根据Sandisk 2025 Investor Day数据，首代HBF目标读取带宽1.6TB/s，接近HBM水平，但静态功耗更低。
HBF样品计划时间
2026年，根据TrendForce数据，闪迪计划于2026年下半年提供HBF模块样品，2027年初推出首批集成HBF的AI推理服务器。
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
- HBF技术架构详解，包括与HBM的对比示意图和堆叠结构图，帮助理解HBF的工作原理。
- HBF在AI推理中的具体应用分析，如共享KV Cache和权重分片场景，附有LLM推理中HBM与HBF的访问方式示意图。
- 主流存储厂商（闪迪、SK海力士、三星）的HBF产品路线图和时间表，包含详细的商业化里程碑。
- HBF与HBM、SSD在吞吐量、单位功率吞吐量等方面的量化比较图表，支撑性能优势论述。
- AI记忆主题系列研究综述，涵盖此前7篇报告的核心观点，提供完整的知识脉络。
- 产业链核心受益标的分析及重点公司估值表，包括澜起科技、兆易创新等，附有盈利预测与评级。
- 风险提示与免责声明，涵盖AI产业发展、服务器出货量及国产厂商进展等风险因素。
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。
