闪迪HBF不是HBM替代品，而是AI推理时代新型容量方案

SemiAnalysis 这次讨论 HBF 高带宽闪存，最重要的结论不是“它能不能替代 HBM”。

恰恰相反，HBF 不是 HBM 的替代品，而是 AI 推理进入细分场景后，出现的一种新型容量方案。

过去大家看 AI 内存，核心矛盾是带宽。

HBM 解决的是高带宽、高并发、高性能训练和推理需求。

但随着长上下文、MoE 混合专家模型、小 batch 推理越来越多，另一个问题开始变得重要：

模型太大，能不能完整放进一台机器里。

这就是 HBF 的机会。

它更适合顺序读取，比如加载模型权重；但它并不擅长小规模随机散读。

所以它最理想的应用场景，不是超大云厂商的大规模 HBM 资源池，而是少量 GPU 的本地化、私有化企业部署。

但问题也不少

第一，成本还不清楚。

现在行业里能看到的成本说法，基本都还是厂商宣传口径。

闪迪说单位比特成本大约是 HBM 的 1/8；Hot Chips 上也有说法认为每 GB 成本可能是 SSD 的 10 倍左右。

规模化之后，良率、测试、控制器摊销这些成本确实可能下降。

但 TSV、堆叠、堆叠后全栈测试、pSLC 高速 NAND 模式这些成本是结构性的，很难完全消除。

就像 HBM 永远不可能做到普通 DRAM 的价格，HBF 也不太可能变成普通 SSD 的价格。

第二，耐久度是最大变量。

目前擦写寿命规格还没公开。

如果单元磨损快于预期，厂商就必须配置更多冗余容量，实际成本会继续上升。

第三，散热和可靠性还没有真正被验证。

闪存本身并不喜欢高温环境，但 HBF 的设计却可能要靠近高热 GPU。

现在看到的方案，比如用 UCIe 把 HBF 和 GPU 物理分开，或者在 85℃环境下每天刷新全盘数据，听起来都还没有经过大规模验证。

尤其是后者，对超大规模云厂商来说，运维负担可能很难接受。

美股投资网认为， HBF 目前更像一个“期权级变量”。

它有可能打开一类新的 AI 推理部署方式，但还不是成熟的大规模通用方案。

更大的行业信号是：

内存市场正在从标准化大宗商品，走向分层、专用化。

对投资来说，HBF 最大的意义不是马上颠覆 HBM，而是提醒市场：

AI 硬件已经从“通用算力扩张”，进入“专用架构分层”的阶段。

谁能解决具体场景下的容量、带宽、功耗、散热和成本问题，谁就可能拿到下一轮 AI 基础设施的增量价值。

$SNDK $MU $SKHY $WDC $STX #美股

━━━━━━━━━━━━━━━━━━━━━━

【原创声明】

本文由美股投资网（TradesMax.com）研究团队原创完成。

原创机构：美股投资网

英文品牌：TradesMax

本文基于公开财报、SEC文件、市场数据、机构资金、期权交易及产业链信息进行独立分析

如需引用本文，请注明：

“美股投资网（TradesMax.com）原创研究”。

━━━━━━━━━━━━━━━━━━━━━━