9月11日消息，據韓國媒體Thelec報導，韓國科學技術院（KAIST）電機工程系教授 Kim Joung-ho（在韓國媒體中被譽為“HBM 之父”）表示，高帶寬閃存（High Bandwidth Flash，HBF）有望成為下一代 AI 時代的重要存儲技術，將與高帶寬內存（HBM）并行發展，共同推動芯片大廠的業績成長。
HBF 的設計概念與 HBM 相似，均通過硅通孔（TSV）技術將多層芯片堆疊連接。 差別在于HBM以DRAM為核心，而HBF則采用NAND Flash閃存進行堆棧，具備“容量更大、成本更具優勢”的特點。
Kim Joung-ho指出，雖然NAND Flash的速度不及DRAM，但容量往往高出10倍以上，若以數百層乃至數千層堆疊方式構建，將能有效滿足AI模型對龐大儲存的需求，可望成為NAND Flash版本的HBM。
目前生成式 AI 模型正急速擴張，單一模型的輸入 Token 已達百萬級別，需要處理TB 級數據。 在每秒數千次的讀寫過程中，若存儲帶寬不足，就會出現瓶頸，導致 ChatGPT、Google Gemini 等大型語言模型（LLM）的反應速度明顯下降。
Kim Joung-ho 強調，這種限制來自現行的馮諾依曼架構，由于 GPU 與內存是分離設計，數據傳輸帶寬決定了效能上限，“即便將 GPU 規模擴大一倍，如果帶寬不足也毫無意義”。
他預測，未來GPU將同時搭載HBM與HBF，形成互補架構：HBM做為高速快取，負責即時運算數據，而HBF則承擔大容量儲存，直接存放完整的AI模型。 這將有助于突破存儲瓶頸，使 GPU 能處理更龐大的生成式 AI，甚至涵蓋長篇視頻等復雜內容。 Kim Joung-ho 表示：“未來 AI 將不僅限于文字與圖像，而能生成如電影般的長片，屆時所需的內存容量將是現有的 1,000 倍以上。”
之前也有消息顯示，存儲芯片大廠Sandisk正在聯手SK海力士開發用于 AI 系統的HBF規范。HBF能夠以與DRAM型HBM相當的成本和帶寬，提供高達DRAM型HBM約8到16倍的容量。并且，與需要恒定功率來保存數據的 DRAM 不同，NAND 是非易失性的，因此能夠以更低的能耗實現持久存儲。
Sandisk 的目標是在 2026 年下半年交付其 HBF 閃存的第一批樣品，首款集成該技術的 AI 推理硬件預計將于 2027 年初推出。
