深入了解 HBF：SanDisk 的高頻寬快閃記憶體如何將大型語言模型直接載入硬體

重點摘要

• 高頻寬快閃記憶體 (HBF) 是由 SanDisk 與 SK hynix 共同開發的新型記憶體層級，旨在介於高頻寬記憶體 (HBM) 與傳統 SSD 儲存之間，以解決 AI 的「記憶體容量牆」問題。
• HBF 的目標是提供與 HBM 相當的頻寬，同時以相似的成本提供 8 到 16 倍的儲存容量，讓 AI 加速器能直接存取更多模型參數與上下文資料。
• 該技術於 2026 年 2 月 25 日在加州米爾皮塔斯舉行的聯合發表會上正式亮相，並透過開放運算計畫 (Open Compute Project) 推動全球標準化。
• HBF 建立在 SanDisk 現有的 BiCS NAND 與 CBA (CMOS Bonded Array) 技術之上，第一代產品已開始送樣，第二代與第三代路線圖預計讀取頻寬將分別超過 2 TB/s 與 3.2 TB/s。
• 客戶送樣目標為 2026 年，首批整合 HBF 的 AI 硬體預計最早於 2027 年問世，定位為前瞻性技術，目前尚未商業化出貨。
• 分析師普遍認為 HBF 是 SanDisk 2026 年股價大幅上漲的結構性原因之一，因為它可能開啟一個多年期的 AI 推論記憶體市場，NVIDIA 與其他競爭對手也正競相開發各自的解決方案。

如果您一直關注 SanDisk 在 2026 年非凡的股價表現，並不斷看到 HBF 這個術語被提及為背後原因，本文將精確解釋什麼是高頻寬快閃記憶體、其技術運作原理、為何它對大型語言模型推論至關重要，以及該技術目前的實際進度與路線圖。簡而言之，HBF 是一種新型記憶體架構，結合了 NAND 快閃記憶體的高儲存密度與接近 HBM 的頻寬效能，後者是目前 NVIDIA 與 AMD AI 加速器所使用的超高速記憶體。其目標是讓 AI 晶片能將更多模型權重與推論上下文資料保留在處理器附近，減少在處理當前最大型語言模型時，因存取外部儲存裝置而導致的緩慢且昂貴的「延遲」。SanDisk 與 SK hynix 於 2025 年共同宣佈 HBF 與標準化工作，並於 2026 年 2 月的正式發表會加速推廣。雖然底層工程技術確實新穎並獲得業界認可，但區分該技術的真實近期狀態（送樣、原型、早期路線圖）與對尚未存在產品的投機性宣稱至關重要。

如果您正在追蹤像 HBF 這樣的突破性技術如何重塑 AI 基礎設施股票，並希望透過即時市場數據進行研究與交易，您可以透過 WEEX 建立免費帳戶：https://www.weex.com/zh-TW/register?vipCode=vrmi 並探索其交易工具。

什麼是高頻寬快閃記憶體 (HBF)？淺顯易懂的解釋

要理解 HBF，首先需了解它試圖解決的記憶體階層問題。像 GPU 這樣的 AI 加速器依賴於分層記憶體系統：超高速但昂貴且容量有限的高頻寬記憶體 (HBM) 位於最靠近晶片的位置，而較慢但容量大且便宜的 SSD 儲存則位於更遠處。隨著大型語言模型不斷成長，特別是其上下文視窗擴展至百萬 Token 規模時，這些模型在推論過程中需要保持在處理器「附近」的資料量呈爆炸式成長。當這些資料無法放入 HBM 時，系統必須重新計算（緩慢且昂貴）或從較慢的儲存層級擷取，這會導致 AI 應用在負載過重時出現延遲瓶頸。

HBF 被設計為介於這兩個極端之間的新層級。它並非使用 HBM 中的 DRAM，而是基於 SanDisk 現有的 BiCS 3D NAND 快閃記憶體技術，旨在提供與 HBM 同等範圍的頻寬，同時以相似成本提供約 8 到 16 倍的儲存容量。實際上，它讓晶片能將更多的模型參數與鍵值快取 (key-value cache) 資料物理性地保留在手邊，解決了工程師所稱的 AI「記憶體容量牆」問題，即模型效能不再受限於原始運算能力，而是受限於能隨時存取的相關資料量。

為何 HBF 對於將 LLM 直接載入硬體至關重要

「將 LLM 直接載入硬體」這句話很好地捕捉了 HBF 的核心承諾。由於 HBF 可以在提供接近 HBM 頻寬的同時容納更大容量的資料，因此將大型語言模型的更多參數，或其在長上下文推論過程中不斷成長的鍵值快取，保留在高速記憶體中變得可行，而無需不斷地在遠端儲存裝置之間來回傳輸資料。根據引用 SanDisk HBF 架構的研究，單一 HBF 配置提供 512 GB 的參數儲存空間與約 1.2 TB/s 的頻寬，即可支援大型專家混合模型 (MoE) 與推理模型的即時推論，達到顯著的 Token 生成速度。研究人員將此效能水準與通常與機架級 GPU 叢集相關聯的效能進行比較，但其佔用空間卻小得多。

這之所以重要，是因為業界目前在 Transformer 推論中的記憶體瓶頸並非主要源於原始運算能力，而是系統花費在從記憶體擷取資料而非進行運算的時間。正如該技術的一位顧問、參與原始 HBM 開發的 KAIST 教授所解釋，Transformer 模型的推論工作負載花在移動資料上的時間比運算時間還多。HBF 透過擴大更大、更便宜記憶體池的頻寬，直接解決了資料移動的瓶頸。

HBF 時間表：從公告到標準化

HBF 的發展經歷了多個具體且可驗證的里程碑，而非僅停留在概念階段，這也是它受到半導體產業與股票分析師認真對待的原因。

此時間表顯示 HBF 目前處於送樣與標準化階段，尚未在商業 AI 硬體中出貨。對於任何評估那些暗示該技術已在當前生產系統中「消除延遲」的標題的人來說，這種區別很重要；截至 2026 年年中，HBF 仍然是一項由工作原型與嚴肅產業合作夥伴支持的近期路線圖技術，而非廣泛部署的產品。

HBF 技術路線圖：效能世代

SanDisk 已發布基於其 CMOS Bonded Array (CBA) NAND 基礎的多代 HBF 前瞻性效能目標。

SanDisk 將此路線圖視為其最具擴展性的半導體平台之一，並主張與面臨日益嚴峻物理微縮挑戰的 DRAM 不同，HBF 受益於 NAND 透過 SanDisk BiCS 架構所具備的更有利密度微縮路徑。這些世代目標是否能按時達成，將是分析師在未來兩到三年內觀察的關鍵技術訊號之一。

HBF 與 NVIDIA 競爭方法的比較

SanDisk 與 SK hynix 並非唯一解決 AI 記憶體容量牆的參與者。NVIDIA 作為 HBM 的主要買家，透過所謂的推論上下文記憶體儲存平台 (ICMSP) 追求自己的答案，該平台使用與 NVIDIA BlueField-4 資料處理單元 (DPU) 連結的 NVMe SSD，以保存從 HBM 與 GPU 伺服器 DRAM 溢出的鍵值快取資料。此方法透過使用光子學的高速乙太網路連線至 NVIDIA Vera Rubin 平台中的 GPU，每個連接埠運作速度為 800 Gbps。

值得注意的是，NVIDIA 並未公開表示對採用 HBF 本身有直接興趣，而是開發了自己的網路化儲存層級解決方案。這對投資人與技術人員都很重要，因為它標誌著至少兩種解決相同底層問題的競爭性架構哲學：一種 (HBF) 將快閃記憶體直接整合到靠近運算晶片的記憶體封裝中，而另一種 (ICMSP) 則依賴高速網路將外部快閃記憶體儲存裝置連結至 GPU。哪種方法或方法組合成為產業標準，可能會在未來幾年塑造 NAND 與網路及 DPU 硬體的需求模式。

為何 HBF 與 SanDisk 的股價故事相關

HBF 已成為分析師在討論 SanDisk 2026 年戲劇性股價表現時，經常引用的技術解釋之一。其邏輯連結了三件事：AI 推論工作負載日益受到記憶體容量限制，而非單純受到運算限制；HBF 以基於 NAND 的解決方案直接針對該限制，發揮了 SanDisk 的核心製造優勢；SanDisk 現有的 NAND 業務已受益於另一個更直接的 AI 驅動企業級 SSD 需求週期。總而言之，這創造了一個敘事，即 SanDisk 不僅是在搭乘近期的 NAND 定價週期，還可能處於 AI 硬體建構方式長期架構轉變的中心，前提是 HBF 能獲得廣泛的業界採用。

清楚區分這兩個故事是值得的。SanDisk 截至 2026 年中期的股價飆升，主要是由當前的企業級 SSD 需求與 NAND 合約定價所驅動，這是一個真實且已經獲利的趨勢。相比之下，HBF 是一個仍處於送樣與標準化階段的未來營收機會，商業硬體整合預計最早要到 2027 年才會實現。一些市場分析師預計，隨著 AI 推論工作負載在全產業進一步擴展，有意義的 HBF 相關需求加速可能要到 2030 年左右才會出現。投資人與交易者應將 HBF 視為疊加在 SanDisk 近期已證實的 NAND 定價故事之上的長期選擇權因素，而非當前的營收驅動力。

圍繞 HBF 的風險與懸而未決的問題

在 HBF 成為 AI 基礎設施的主流組件之前，仍存在一些真正的不確定性。透過開放運算計畫進行標準化需要時間，並需要除 SanDisk 與 SK hynix 之外的廣泛業界支持；若沒有 GPU 製造商與系統整合商的更廣泛採用，HBF 可能面臨淪為利基解決方案的風險。考慮到 NVIDIA 在 AI 加速器設計中的主導地位，其對 HBF 缺乏公開承諾是一個重要的懸而未決問題，因為其自身的 ICMSP 方法代表了一種競爭性架構，可能透過不同的技術路徑佔據相同的市場機會。製造複雜性也不容小覷；HBF 結合了先進的 3D NAND 堆疊、新型封裝與晶圓鍵合技術，這些技術需要可靠地擴展至大規模生產，據報導工程團隊在公開揭曉前已為此努力了近兩年。最後，與任何新興半導體技術一樣，在大規模生產中實現的實際效能、良率與成本數據，可能與 SanDisk 發布的世代路線圖目標有所不同。

結語

HBF 代表了一種針對 AI 基礎設施最迫切技術瓶頸之一的真正新穎方法：如何將足夠的相關資料保留在足夠靠近處理器的位置，以避免當前記憶體容量限制所造成的延遲。透過將 NAND 快閃記憶體的高密度與接近 HBM 的頻寬效能相結合，SanDisk 與 SK hynix 正瞄準一個隨著語言模型擴展至更長上下文視窗與更複雜推理工作負載而變得日益緊迫的問題。該技術在不到兩年的時間內就從概念轉變為工作原型，並正式聯合發表並具備真正的標準化動能，這在半導體產業標準中屬於快速發展。話雖如此，截至 2026 年年中，HBF 仍處於商業化前階段，客戶送樣目標定於今年稍晚，首批整合 AI 硬體預計要到 2027 年才會問世。對於任何評估 SanDisk 更廣泛 AI 儲存故事的人來說，HBF 最好被理解為疊加在公司已經證實、目前正在獲利的 NAND 與企業級 SSD 業務之上的可信、資源充足的長期賭注。

如果這種對推動 AI 基礎設施股票技術的深入分析對您有用，您可以透過 WEEX 註冊並探索其交易平台，將研究付諸行動：https://www.weex.com/zh-TW/register?vipCode=vrmi

常見問題解答

1. 什麼是高頻寬快閃記憶體 (HBF)？它與 HBM 有何不同？

HBF 是一種基於 NAND 快閃記憶體而非 DRAM 的新型記憶體技術，旨在提供與高頻寬記憶體 (HBM) 相當的頻寬，同時以相似成本提供 8 到 16 倍的儲存容量。HBM 仍然更快且延遲更低，但 HBF 允許 AI 系統在沒有純 DRAM 記憶體成本與容量限制的情況下，保持更多資料（如模型參數或推論上下文）的可存取性。

2. HBF 何時會在真正的 AI 硬體產品中提供？

截至 2026 年年中，HBF 處於送樣與標準化階段。根據業界報導，樣品模組目標於 2026 年下半年向特定客戶發布，首批整合 HBF 的 AI 硬體產品預計於 2027 年初開始問世。

3. HBF 會取代 NVIDIA GPU 等 AI 晶片中的 HBM 嗎？

不會。HBF 的設計旨在補充 HBM，而非取代它。它旨在作為額外的記憶體層級，位於超高速 HBM 與傳統、速度慢得多的 SSD 儲存之間，處理不需要 HBM 極致速度但仍需要比標準儲存更好效能的大容量資料（如推論上下文）。

4. 哪些公司正在開發 HBF 技術？

SanDisk 與 SK hynix 正在共同開發 HBF，並於 2025 年 8 月簽署諒解備忘錄以標準化其規格。他們於 2026 年 2 月的聯合活動中正式發表該技術，並正與開放運算計畫合作進行全產業標準化，而 NVIDIA 與 Samsung 等競爭對手則正在針對相同的記憶體瓶頸追求各自的替代方法。

5. HBF 如何與 SanDisk 2026 年的股價飆升連結？

分析師將 HBF 視為疊加在 SanDisk 更直接的 AI 驅動企業級 SSD 與 NAND 定價故事之上的長期、前瞻性成長動力，後者是該股近期飆升的主要因素。HBF 代表與潛在的新 AI 記憶體架構市場相關的未來選擇權，而非當前的營收來源，因為商業產品預計在 2027 年之前不會出現。

免責聲明

本文僅供資訊與教育目的，不構成財務、投資、法律或技術建議。關於 HBF 技術、產品時間表與公司聲明的資訊反映了截至 2026 年中期的公開可用數據，並可能隨著技術發展而改變；商業可用性、效能規格與採用時間表可能與當前路線圖有重大差異。對 SanDisk 股價表現的引用僅供說明，不構成買賣任何證券的建議。在做出任何投資決定前，請務必進行獨立研究並諮詢持牌財務顧問。作者與發行商均不對因依賴此內容而導致的任何損失負責。