叫板HBM？HBF如何破解AI推理的成本困局 | VIP洞察周報

核心洞察：供需失衡下的存儲新變數

一、產業供需：伺服器需求主導，價格上漲持續

2026年全球存儲產業將持續呈現「供給增幅有限、需求強勁增長」的緊俏格局。供給端，DRAM受HBM產能擠占（HBM晶圓消耗量為DDR5的2-3倍），供給增長預計為19%；NAND Flash則因原廠減產與投資保守，供給增長預計為20%。需求端由伺服器市場主導，2026年伺服器將分別佔DRAM和NAND產業需求的66%和38%，全球八大雲服務提供商資本支出預計同比增長40%，成為核心增長引擎。

供需失衡直接推升價格：2025年下半年以來，DRAM主流規格現貨價漲幅最高達600%，NAND產品漲幅超500%；合約價同樣強勁，2025年四季度傳統型DRAM上漲45-50%，NAND上漲33-38%，2026年一季度預計延續高增長。

具體來看，2026年DRAM供給預計預計19%、需求增長27%，供需缺口達-9.7%；NAND預計供給增長20%，需求增長20%，缺口為-6.9%。

二、HBF技術：AI推理的存儲破局者

HBF作為介於HBM與固態硬碟之間的新型存儲技術，被譽為 「NAND版HBM」 ，專為解決AI推理場景的 「內存牆」 問題而生。

與HBM相比，HBF具備三大差異化優勢，完美匹配AI推理需求：

-容量更大：單堆疊晶元容量可達512GB，目標容量4TB，遠超HBM的64GB，能滿足完整AI模型的存儲需求；

-成本更低：單位成本僅為HBM的1/8~1/16，大幅降低AI系統總體擁有成本；

-性能夠用：儘管存取延遲（微秒級）高於HBM（納秒級），但SanDisk模擬測試顯示，在運行405B參數的Llama 3.1模型時，排除容量影響後HBF與HBM的帶寬性能差距僅2.2%，可滿足推理場景需求。

三、HBF vs. HBM：互補而非取代

報告用一個生動的比喻解釋其在AI系統中的地位：

GPU = 頂尖學者

HBM = 書桌上的書架（快速但容量有限）

HBF = 私人圖書館（容量大，取用稍慢）

SSD/硬碟 = 公共圖書館（更遠但容量更大）

這樣的分層存儲架構，使得AI系統能在成本與效率之間取得最佳平衡。

報告中特彆強調，HBF並非要取代HBM，而是與之互補。HBM負責高速數據處理（如訓練階段），HBF則負責大規模數據存儲（如推論階段）。兩者共同構建起一個高效、低成本的AI存儲體系。

報告指出，目前SanDisk與Hynix在HBF技術研發上最為積極，預計2026下半年推出樣品，2027年量產。

解鎖報告全部內容