随着AI计算对内存需求不断扩大，全球存储技术创新也进入“加速期”。

　　据韩国经济日报报道，SK海力士近日在IEEE（电气与电子工程师协会）全球半导体大会上发表论文，提出了一种全新的存储架构。据悉，该架构名为“H³（hybrid semiconductor structure）”，同时采用了HBM和HBF两种技术。

　　在SK海力士设计的仿真实验中，H³架构将HBM和HBF显存并置于GPU旁，由GPU负责计算。该公司将8个HBM3E和8个HBF置于英伟达Blackwell GPU旁，结果显示，与单独使用HBM相比，这种配置可以将每瓦性能提升高达2.69倍。

　　图源：SK海力士

　　实验结果显示，H³架构在AI推理领域尤其具有优势。推理的核心是键值缓存 (KV cache)，它用于临时存储数据，以理解 AI 服务与用户之间交互的流程和“上下文”。然而，随着 AI 性能的提升，KV缓存容量不断增长，以至于HBM和GPU逐渐应接不暇。

　　因此，HBF被视作上述架构的核心。与堆叠DRAM芯片的HBM类似，HBF通过堆叠NAND闪存而制成。被称作“HBM之父”的韩国科学技术院（KAIST）教授金正浩类比道，HBM与HBF就好比书房与图书馆。前者容量虽小，但使用起来方便；后者容量更大，但也意味着延迟更高。

　　通过在HBF中存储KV缓存，GPU和HBM可以减轻存储KV缓存的负担，从而专注于它们在高速计算和创建新数据方面的优势。SK海力士模拟了HBF处理高达1000万个令牌的海量键值缓存的场景，结果表明，与仅使用HBM的配置相比，该系统处理并发查询的能力提升了高达18.8倍。以前需要32个GPU才能完成的工作负载，现在只需两个GPU即可完成。

　　从产业层面来看，SK海力士、三星、闪迪等均在推进HBF技术研发。SK海力士计划最早于今年推出HBF1（第一代产品）样品，该产品预计采用16层NAND闪存堆叠而成。三星电子和闪迪则计划最快在2027年底或2028年初将HBF技术应用于英伟达、AMD和谷歌的实际产品中。

　　广发证券认为，当前大模型的参数规模已经达到万亿级别，上下文长度普遍超过128K，HBM的容量已难以满足AI大模型对于内存容量的要求。在研的HBF存储容量有望达到现有HBM的8至16倍，有望将GPU的存储容量扩展至4TB，或成为满足AI大模型内存容量要求的最佳方案。

　　东方证券表示，利基存储不仅是存量市场，更是增量市场，AI需求有望为利基存储打开增量空间。SLC NAND有望应用于AI SSD产品，以高效处理AI推理中的数据；SLC NAND未来也可能应用在HBF（高带宽闪存）中。利基存储产能持续被主流存储挤压，涨价有望持续。