2026年8月4日，在美国加利福尼亚州圣克拉拉举行的FMS 2026（未来存储与存储技术）大会上，SK海力士和闪迪正式发布了 首份 OCP 技术规范 用于 高带宽闪存 (HBF). 该规范通过全球最大的开放式数据中心技术组织 OCP（开放计算项目）向整个行业公开。它被定位为一项行业开放的技术规范，而非任何单一厂商的专有技术标准。 这是HBF技术发展历程中的重要里程碑，同时也标志着HBF正式迈入开放标准化与生态系统验证阶段。.
标准化进程中的一个重要里程碑
HBF标准化的推进速度超出了业界预期。早在2025年8月，SK海力士和闪迪就正式启动了HBF的联合标准化工作。两家公司计划基于各自的技术专长，共同制定适用于人工智能应用的新型存储技术规范。 2026年2月，在OCP框架下正式成立了HBF技术工作组，汇聚了整个行业价值链上的企业共同参与标准制定工作。.
从2026年2月启动该工作流到发布首份OCP技术规范，整个过程仅耗时六个月。 这一快速进展的背后，既源于人工智能行业对新型存储解决方案的迫切需求，也得益于标准制定过程中采取的开放协作方式。SanDisk和SK海力士是主要贡献者，而谷歌和Tenstorrent也参与了标准化进程，并在技术验证和规范制定方面提供了支持。.
HBF被定位为人工智能存储领域的中端产品
在HBF出现之前，人工智能计算系统的存储架构主要由以下部分组成： HBM（高带宽内存） 和传统 企业固态硬盘. 两者在性能和成本方面都存在明显的差距。.
HBF 是一种旨在满足这一存储层级需求的新型解决方案。 SK海力士将其定位为介于HBM和SSD之间的存储层。该方案采用NAND闪存以提供更大的容量，同时利用高带宽接口和先进的封装技术缩短数据与计算单元之间的距离，从而满足AI推理等场景对“更大容量+更高带宽”的需求。.
| 存储类型 | 核心介质 | 带宽级别 | 容量特性 | 成本水平 | 主要应用场景 |
|---|---|---|---|---|---|
| HBM | 内存 | 极高 | 名额有限 | 非常高 | 实时人工智能计算、高频访问的数据 |
| HBF | NAND 闪存 | 高 | 大容量 | 相对较低 | AI推理、大容量近计算数据 |
| 固态硬盘 | NAND 闪存 | 低 | 超大容量 | 低 | 冷数据存储、持久归档 |
第一份技术规范的核心规格
此次发布的首份针对HBF的OCP技术规范涵盖了系统接口、电气特性、基本性能要求、封装与可靠性，以及软件读写指南。该规范为整个行业的HBF产品开发和系统集成提供了统一的技术框架。.
在容量配置方面，该规格提供了两种NAND芯片堆叠方案：8层堆叠和16层堆叠。单个HBF模块最高支持512GB容量，进一步满足了AI推理场景下对大容量近计算存储的需求。.
在性能级别方面，该规范将HBF分为三个等级，即1级至3级，数据传输带宽范围为0.4TB/s至3.0TB/s。不同等级的产品可根据不同AI系统的带宽和容量要求进行配置。.
两大核心技术特点
HBF 致力于在容量与带宽之间取得平衡。它依托高速处理器互连和先进的 NAND 堆叠与封装等关键技术，同时强调开放性和工程可行性。.
- 首先是采用了UCIe通用芯片片互连标准。. HBF采用UCIe作为处理器侧互连技术，为不同类型的计算处理器（如GPU和CPU）与HBF之间的高速连接提供了开放的接口基础。 与传统的存储架构相比，该设计有望缩短数据访问路径，并提供更标准化的接口，从而使 HBF 能够适配不同厂商的计算芯片。.
- 第二项是高密度NAND堆叠和晶圆键合技术。. HBF 采用 SanDisk 的 BiCS 闪存技术和 CBA（CMOS 直接键合到阵列）技术，并结合专有的芯片堆叠技术，支持高达 16 层的高密度堆叠。 SanDisk此前发布的技术资料显示，其HBF解决方案采用了通孔（TSV）和微凸点等封装互连结构，并强调通过专有堆叠技术减少芯片翘曲，以支持高层数堆叠。.
产业生态系统与量产计划
作为一项开放的技术规范，HBF自诞生之初便一直强调产业链协作。目前，一个由存储、AI芯片、云计算等领域的企业组成的生态系统已初具规模。.
HBF标准化进程的主要参与者包括存储厂商SK海力士和闪迪，以及AI芯片公司Tenstorrent和谷歌。 在FMS 2026峰会上，SK海力士、谷歌DeepMind和SanDisk还共同参与了一场关于HBF的小组讨论，探讨了AI基础设施存储架构的发展方向。.
在产品开发方面，闪迪（SanDisk）已推进HBF芯片的研发，并于2026年8月透露，HBF技术正受到行业生态系统越来越多的关注。在8月13日举行的2026年投资者日上，该公司进一步表示，一个支持HBF技术应用的行业生态系统正在形成。.
与此同时，基础闪存技术也在不断进步。在本次峰会上，SK海力士首次公开展示了其第十代（V10）375层4D NAND闪存。 该公司表示，其每瓦性能较上一代提升了2.5倍。SK海力士还展示了面向人工智能基础设施的下一代存储技术路线图。.
对行业的影响及未来展望
首份针对HBF的OCP技术规范的发布，不仅是存储技术发展领域的一项重要尝试，预计还将对人工智能基础设施的存储架构产生影响。.
首先，它进一步丰富了AI存储的分层架构。除了计算芯片和HBM之外，HBF旨在提供一种比传统SSD具有更大容量和更高带宽的“近计算”存储层，为大型模型推理和代理式AI等数据密集型应用提供新的存储选择。 SK海力士还明确将HBF定位在HBM和SSD之间，以满足AI推理时代日益增长的容量和带宽需求。.
其次，预计这将有助于人工智能基础设施在性能与成本之间实现更好的平衡。与其将所有大容量数据都存放在成本高昂的HBM中，不如利用HBF来承载部分既需要更大容量又需要相对较高带宽的数据，这样既能降低系统的整体存储成本，又能提高数据访问效率。.
第三，这可能会促进NAND、先进封装、芯片片互连、AI服务器以及其他上下游产业之间的进一步合作。HBF技术涉及高密度NAND堆叠、晶圆键合、高速互连以及软件读写机制。 因此，其商业化不仅取决于存储芯片本身，还取决于计算芯片、封装、服务器以及软件生态系统的协同发展。.
总体而言，首份针对HBF的OCP技术规范的发布，意味着该技术已超越各厂商的独立研发阶段，进一步迈入了开放标准化、行业协作和产品验证的阶段。 通过开放的OCP框架，SK海力士、SanDisk、谷歌、Tenstorrent等参与方正共同推动技术规范的制定，为不同厂商探索HBF应用提供了统一的技术基础。.
随着后续产品样机、系统验证及生态系统适配工作的持续推进，HBF能否真正成为AI时代的重要存储层，仍需进一步观察其在实际AI推理系统中的性能、成本和可靠性表现。 不过，有一点是明确的：随着人工智能从训练阶段向大规模推理阶段过渡，传统的“HBM + SSD”存储架构在容量和带宽方面正面临新的挑战，而HBF正逐渐成为业界为这一新存储层所探索的关键方向之一。.
