据TrendForce报道，在强劲的2026财年第二财季财报后，美光指出自动驾驶汽车将成为未来DRAM需求增长的潜在驱动力。美光总裁兼首席执行官Sanjay Mehrotra表示，随着汽车制造商越来越多地推出具备L4级自动驾驶的车辆，每辆车所需要的内存将从过去的16GB上升至300GB以上，另外还有更多的固态硬盘，从而推动汽车存储收入的大幅增长。

美光还透露，正在准备业界首款车规级1γ LPDDR5 DRAM，不过要广泛使用还需要一些时间。美光去年交付全球首款基于1γ（1-gamma）工艺的LPDDR5X DRAM样品，属于第六代10nm级别DRAM工艺节点的产品，已用于三星最新的Galaxy S26系列智能手机。

上个月SK海力士宣布携手闪迪，开启了下一代存储器解决方案HBF（High Bandwidth Flash）的标准化制定工作。SK海力士将HBF定位为HBM的延伸，并计划最早于2027年开始量产。传闻三星也在积极推进HBF技术，不过暂时还没有官宣。

Sanjay Mehrotra坦承HBF在某些方面确实有优势，但是也存在类似NAND闪存的限制，可能适合部分工作负载，只不过仍处于早期阶段，需要与客户更深入互动，才能更好地理解其商业价值。美光作为三大原厂之一，也将继续评估HBF技术。

SK海力士表示，将与闪迪携手，共同推动HBF成为行业通用标准，为整个AI生态系统协同发展奠定基础，目前已依托OCP1框架，设立专项工作组（Workstream），正式启动HBF的标准化制定工作。双方将充分发挥各自在HBM与NAND闪存领域长期积累的设计能力、封装技术及大规模量产经验，率先推动HBF的标准化与产品化进程。

HBF作为介于HBM和固态硬盘之间的新型存储阶层，旨在弥合HBM高性能与固态硬盘大容量特性之间的差距，并满足AI推理场景对容量扩展性与能效的双重需求。在传统架构中，HBM负责提供最高带宽，而HBF则负责与其深度协同。HBF不仅可提升AI系统的扩展能力，还能有效降低总体拥有成本（TCO），预计以HBF为关键组件的整合型存储器解决方案将于2030年前后迎来全面市场扩张。

近期AI产业正加速由大型语言模型（LLM）的训练阶段，迈向以实际服务应用为导向的推理阶段。在AI推理市场，竞争优势不仅取决于单芯片性能，更取决于CPU、GPU、内存与存储之间的系统级协同优化能力。在SK海力士看来，能同时提供HBM与HBF综合性存储器解决方案的存储器厂商，在未来半导体行业中的战略地位将变得愈发重要。

据TrendForce报道，近日在一场论坛研讨会上，有着“HBM之父”之称的韩国科学技术院（KAIST）教授金正浩表示，三星和闪迪计划在2027年末至2028年初将HBF集成到英伟达、AMD和谷歌的产品中。虽然HBM花费了十多年的时间开发，但是HBF比起来要短得多，因为后者利用了前者过去积累的流程和设计专业知识，使得HBF有望更快实现商业化。

金正浩预计，HBF将在HBM6推出时获得更广泛的采用，暗示HBF在2038年前市场规模可能会超过HBM。另外HBM6不会由单一DRAM堆栈组成，而是多个堆栈相互连接。随着DRAM堆叠面临容量限制，金正浩相信采用NAND闪存堆栈的 HBF 将会出现以填补这一空白。

目前GPU在推理过程中首先从HBM获取变量数据，处理后再生成输出。金正浩认为未来将由HBF承担这一角色，提供更大的容量来支持该任务。虽然HBM更快，但是HBF容量更大，大约是其10倍。虽然HBF支持无限次读取周期，但是写入周期受限于约10万次，因此需要OpenAI或谷歌等公司的软件针对性进行优化工作。

此外，目前将数据传输至GPU的过程需要经过存储网络、数据处理器和GPU管道等环节，存在较长的传输路径。这种结构预计随着HBM7出现而改变，已经有专业人员称其为“内存工厂”。

HBM很好，但是也很贵。HBF的设计思路类似于HBM，两者有着相似之处，都是利用硅通孔（TSV）技术垂直堆叠多个芯片。同时两者共享了电气接口，不过适配的介质从DRAM切换至NAND，相当于高带宽NAND闪存。不过由于协议略有变化，所以不完全兼容。HBF实现了8层到16层堆叠，可以部分替换HBM，通过逻辑芯片和中介层连接到GPU/CPU/TPU，从而提供HBF+HBM的自定义组合产品。

闪迪和SK海力士的目标是2026年下半年发布HBF样品，预计首批搭载HBF产品的AI推理系统会在2027年初亮相。另外一家存储器巨头三星也在行动，已经开始对自己的HBF产品进行早期概念设计工作，不过暂时还没有提供时间表。

有业内专业人士表示，HBF将与HBM 一起成为主要的下一代存储技术，推动半导体制造商的增长。未来AI架构将采用多层级存储体系，其中GPU将以互补配置整合HBM与HBF，标志着AI计算和内存融合新时代的到来。

随着AI模型变得越来越大、越来越复杂，推理工作负载需要巨大的带宽和更大的内存容量。HBF专为大型数据中心、小型企业和边缘应用中的AI推理工作负载而设计，旨在提供与高带宽内存（HBM）相当的带宽，同时以类似的成本提供8至16倍HBM的容量。

HBF的设计思路类似于HBM，以大量I/O引脚和多层堆叠结合，相当于高带宽NAND闪存。同时两者共享了电气接口，不过适配的介质从DRAM切换至NAND，协议略有变化，所以不完全兼容。HBF实现了8层到16层堆叠，可以部分替换HBM，通过逻辑芯片和中介层连接到GPU/CPU/TPU，从而提供HBF+HBM的自定义组合产品。

近期闪迪成立了技术顾问委员会，以指导高带宽闪存技术的开发和战略，成员包括来自公司内外的行业专家和高级技术负责人。同时还任命了David Patterson和Raja Koduri，在闪迪准备推出HBF时，提供战略指导、技术洞察力、市场视角并制定开放标准。

闪迪的目标是在2026年下半年交付HBF闪存的样品，预计首批采用HBF的AI推理设备样品会在2027年初出现。

Raja Koduri是一位计算机工程师和业务主管，以领先的图形架构而出名。此前在AMD任职多年，曾担任高级副总裁、首席架构师兼架构、图形与软件部门总经理，指导了Polaris、Vega和Navi架构GPU的开发。后来又加入英特尔，担任执行副总裁、首席架构师，参与了Intel ARC和Ponte Vecchio的开发。

在今年初举行的投资者日活动上，闪迪介绍了HBF技术，这是其经过带宽优化的NAND产品，设计思路类似于HBM，以大量I/O引脚和多层堆叠结合，相当于高带宽NAND闪存。事实上，HBF与HBM共享了电气接口，带宽也相接近，不过适配的介质从DRAM切换至NAND，协议略有变化，所以两者不完全兼容。

闪迪表示，HBF实现了8层到16层堆叠，可以部分替换HBM，通过逻辑芯片和中介层连接到GPU/CPU/TPU，能够提供HBF+HBM的自定义组合产品。闪迪的想法已经得到了业界的关注，如果未来三星、SK海力士和美光能够支持，有可能演变成接近存储级的内存。