叫板HBM？HBF如何破解AI推理的成本困局 | VIP洞察周报

核心洞察：供需失衡下的存储新变量

一、产业供需：服务器需求主导，价格上涨持续

2026年全球存储产业将持续呈现“供给增幅有限、需求强劲增长”的紧俏格局。供给端，DRAM受HBM产能挤占（HBM晶圆消耗量为DDR5的2-3倍），供给增长预计为19%；NAND Flash则因原厂减产与投资保守，供给增长预计为20%。需求端由服务器市场主导，2026年服务器将分别占DRAM和NAND产业需求的66%和38%，全球八大云服务提供商资本支出预计同比增长40%，成为核心增长引擎。

供需失衡直接推升价格：2025年下半年以来，DRAM主流规格现货价涨幅最高达600%，NAND产品涨幅超500%；合约价同样强劲，2025年四季度传统型DRAM上涨45-50%，NAND上涨33-38%，2026年一季度预计延续高增长。

具体来看，2026年DRAM供给预计预计19%、需求增长27%，供需缺口达-9.7%；NAND预计供给增长20%，需求增长20%，缺口为-6.9%。

二、HBF技术：AI推理的存储破局者

HBF作为介于HBM与固态硬盘之间的新型存储技术，被誉为 “NAND版HBM” ，专为解决AI推理场景的 “内存墙” 问题而生。

与HBM相比，HBF具备三大差异化优势，完美匹配AI推理需求：

-容量更大：单堆叠芯片容量可达512GB，目标容量4TB，远超HBM的64GB，能满足完整AI模型的存储需求；

-成本更低：单位成本仅为HBM的1/8~1/16，大幅降低AI系统总体拥有成本；

-性能够用：尽管存取延迟（微秒级）高于HBM（纳秒级），但SanDisk模拟测试显示，在运行405B参数的Llama 3.1模型时，排除容量影响后HBF与HBM的带宽性能差距仅2.2%，可满足推理场景需求。

三、HBF vs. HBM：互补而非取代

报告用一个生动的比喻解释其在AI系统中的地位：

GPU = 顶尖学者

HBM = 书桌上的书架（快速但容量有限）

HBF = 私人图书馆（容量大，取用稍慢）

SSD/硬盘 = 公共图书馆（更远但容量更大）

这样的分层存储架构，使得AI系统能在成本与效率之间取得最佳平衡。

报告中特别强调，HBF并非要取代HBM，而是与之互补。HBM负责高速数据处理（如训练阶段），HBF则负责大规模数据存储（如推论阶段）。两者共同构建起一个高效、低成本的AI存储体系。

报告指出，目前SanDisk与Hynix在HBF技术研发上最为积极，预计2026下半年推出样品，2027年量产。

解锁报告全部内容