電子發燒友網報道（文/梁浩斌）“主板插顯卡上”，是PC DIY玩家對高性能顯卡體積越來越大的調侃，隨著顯卡功率越來越高，碩大的散熱模組讓顯卡投影面積甚至已經大于ITX規格的主板，在PC里顯卡取代了主板和CPU成為了主角。

而最近“HBM之父”金正浩教授也語出驚人，提出未來內存將成為主角：“GPU和CPU將會被集成到內存（HBM和HBF）里，淪為內存中的一個組件”。

倒反天罡，在內存里裝GPU？

目前AI計算的架構以GPU為主導，核心計算單元是配備HBM的GPU，比如英偉達的Blackwell架構GPU，配備HBM3e內存，通過NVLink、NVSwitch等實現GPU間高速通信，形成比如NVL72等的機架級計算系統。

不過英偉達在Vera Rubin平臺中，也展現出強烈的異構計算趨勢，AI計算不再單純依賴GPU，而是通過多芯片協同工作實現更高效的計算。Vera Rubin平臺中，除了Rubin GPU之外，還有Vera CPU、Groq 3 LPU、NVLink 6 Switch、ConnectX-9 SuperNIC、BlueField-4 DPU等多種處理單元協同工作。

但異構計算或許也不是未來？金正浩預言，AI時代的最終贏家不是GPU，而是內存，目前以英偉達GPU為中心的AI計算架構，將會完全轉向以內存為中心的架構。

“現在GPU或CPU是計算的中心。但今后，擁有龐大容量的HBM和HBF將成為中心，反而是GPU被裝進其中的‘內存中心計算（Memory-Centric Computing）’時代將會到來。GPU和CPU淪為零部件的那個時刻，要想引領這一范式，HBF必須成為其基礎。”他解釋稱，當前AI面臨的幻覺問題，本質上是硬件瓶頸造成的。

當前業界正在從生成式AI轉向代理式AI（Agentic AI），這個過程中內存瓶頸正在成為最大的難題。海量上下文需要同樣大規模的內存，要真正實現快速、準確處理代理式AI的超長上下文數據，內存帶寬和容量都需要比現在增加1000倍以上。同時，金正浩認為大模型的幻覺本質上也是內存問題，因為內存不足，只能根據已知內容回答，才會產生幻覺。

HBM在最近幾年AI芯片熱潮中已經成為了焦點，這是為了解決內存帶寬瓶頸而誕生的一種DRAM技術，核心原理是將多個DRAM芯片進行垂直堆疊，通過TSV技術進行互連，帶寬可以是傳統內存的數十倍。

而HBF就較為陌生了，金正浩認為，僅靠HBM難以滿足代理式AI的需求，HBM是為了快速回答而堆放在書桌旁的淺薄參考書，即短期記憶。而下一代的替代方案則是HBF高帶寬閃存，HBF是用NAND閃存代替DRAM進行堆疊，大幅提升容量的巨大書架，即長期記憶。
GPU-HBM-HBF架構 圖源：KAIST Terra Lab

具體來說，HBF核心思路是用HBM的封裝技術來對NAND FLASH進行改造，包括3D堆疊、TSV、高并行接口等。根據目前業界多家廠商給出的技術指標，HBF的帶寬可高達1.6TB/s，是傳統PCIe4.0 SSD的200倍以上，基本達到了HBM3的帶寬水平，但低于HBM4。

在容量上，HBF單堆棧能達到512GB，8 堆棧可至4TB，可支撐萬億參數模型本地加載，相比不HBM有顯著的優勢。當然，缺點是寫入和耐久性都不如HBM，因此HBF主要適用于讀取密集型AI推理任務；另外延遲也相比HBM更高，HBF的延遲約5μs，而HBM僅為100ns。

所以綜合來看，HBF的定位可以看做是解決HBM容量不足和SSD速度太慢的存儲產品，適用于儲存模型權重、長文本、特征庫等“溫/冷數據”，而HBM則專注于頻繁讀寫的“熱數據”。

金正浩是是韓國科學技術院（KAIST）電氣及電子工程系教授，同時是TERALAB負責人，被業界廣泛譽為“HBM之父”。研究領域專注于專注于信號完整性、電源完整性、電磁兼容、3D/2.5D集成電路封裝、TSV、硅中介層等先進封裝技術，以及AI半導體內存架構。

其負責的TERALAB在HBM設計技術領域全球領先超過20年，自2010年起直接參與HBM的商業化設計，與三星電子、SK海力士、Google、NVIDIA、Apple、Tesla等全球巨頭有深度合作。他主導了HBM從概念到實際產品的關鍵技術突破，包括TSV、互連優化、信號/電源設計等。

SK海力士、閃迪推動HBF標準化，2026推首批樣品

得益于AI算力需求的爆發增長，HBF的產業化進程非常快，從學術提出到標準化啟動，僅用了不到兩年時間。在2025年6月，KAIST TERALab在HBM路線圖Ver 1.7研討會上首次系統介紹HBF架構，提出“HBM-HBF-存儲網絡”分層設計。

2025年底至2026年初，金教授多次在媒體和研討會上發布HBF路線圖和工作負載分析，強調HBF可將AI推理性能/瓦特提升至純HBM配置的2.69倍，并在Llama 3.1 405B等模型上僅損失2.2%性能。

在2025年8月，閃迪和SK海力士簽署諒解備忘錄，正式啟動HBF規格制定、技術要求定義和生態構建。閃迪也明確目標，在2026下半年交付首批HBF內存樣品，2027年初首批搭載HBF的AI推理設備進入采樣階段。

今年2月25日，雙方在美國加州米爾皮塔斯的閃迪總部聯合舉辦“HBF規格標準化聯盟啟動會”。宣布在Open Compute Project (OCP) 框架下成立專用工作組，推動HBF全球開放標準化，這是HBF從雙邊合作轉向行業生態的關鍵一步。

三星盡管未有直接參與標準化聯盟，但已經獨立切入HBF的賽道中，據披露，三星在去年10月開始啟動概念設計與早期研發，積累多項HBF相關專利。憑借NAND市場份額領先和代工/邏輯工藝優勢，三星正探索獨特架構路徑，其目標是2027年實現商用產品的推出。

根據金教授預測，HBF將在2027年開始小規模商用部署，導入到谷歌、英偉達、AMD等AI芯片中；2030年HBF將大規模普及，預計到2038年HBF市場可能超越HBM，成為AI存儲的主力。

小結:

HBF的產業化，不僅是填補了HBM和NAND FLASH之間的存儲空缺，更是標志著AI算力硬件從算力芯片為中心，從GPU到異構架構之后，逐步向內存為中心加速轉型，重塑AI服務器架構。不過，GPU是不是真的會淪為內存的“配件”，還不太好說，但至少在未來AI Agent的時代，存儲芯片的地位將更加重要。