2026年8月4日、米国カリフォルニア州サンタクララで開催された「FMS 2026（Future Memory and Storage）」において、SKハイニックスとサンディスクは、 最初のOCP技術仕様書 ～のために 高帯域幅フラッシュ（HBF）. この仕様は、世界最大のオープンデータセンター技術組織であるOCP（Open Compute Project）を通じて、業界全体に公開されています。これは、特定のベンダーによる独自の技術標準ではなく、業界に開かれた技術仕様として位置づけられています。 これはHBF技術の開発における重要なマイルストーンであり、HBFがオープンな標準化とエコシステムの検証の段階に正式に参入したことを示すものです。.
標準化プロセスにおける重要な節目
HBFの標準化の進捗は、業界の予想を上回るペースで進んでいます。早くも2025年8月、SKハイニックスとサンディスクは、HBFに関する共同標準化作業を正式に開始しました。両社は、それぞれの技術的専門知識を活かして、AIアプリケーション向けの新しいストレージ技術仕様を共同で策定する計画でした。 2026年2月、OCPの枠組みの下でHBF技術ワークストリームが正式に設立され、業界のバリューチェーン全体にわたる企業が標準策定に参加することとなった。.
2026年2月のワークストリーム開始から、最初のOCP技術仕様の公開に至るまで、全プロセスにかかった期間はわずか6か月でした。 この急速な進展の背景には、AI業界における新たなストレージソリューションへの切実な需要に加え、標準化に向けたオープンで協調的なアプローチがあります。サンディスクとSKハイニックスが主な貢献者となり、GoogleとTenstorrentも標準化プロセスに参加し、技術検証や仕様策定を支援しました。.
HBFは、AIストレージ分野において中間層としての位置づけとなっている
HBFが登場する以前、AIコンピューティングシステムのストレージアーキテクチャは主に以下の構成で成り立っていた。 HBM（高帯域幅メモリー） そして伝統的な エンタープライズSSD. 両者には、性能とコストの両面で明らかな差があった。.
HBFは、このストレージ階層の要件に対応するために設計された新しいソリューションです。 SKハイニックスは、これをHBMとSSDの中間に位置するストレージ層として位置づけています。NANDフラッシュを採用して大容量化を実現するとともに、高帯域幅のインターフェースと先進的なパッケージング技術を用いてデータと演算ユニット間の距離を短縮することで、AI推論などのシナリオにおける「大容量＋高帯域幅」というニーズに応えています。.
| 保存方法 | コア・ミディアム | 帯域幅レベル | 容量特性 | コストレベル | 主な活用シナリオ |
|---|---|---|---|---|---|
| HBM | DRAM | 極めて高い | 定員制限あり | 非常に高い | リアルタイムAI処理、頻繁に参照されるデータ |
| HBF | NANDフラッシュ | 高い | 大容量 | 比較的低い | AI推論、大容量のニアコンピューティングデータ |
| SSD | NANDフラッシュ | 低い | 大容量 | 低い | コールドデータストレージ、永続的アーカイブ |
第1次技術仕様の主要仕様
今回公開されたHBFに関する最初のOCP技術仕様書は、システムインターフェース、電気的特性、基本性能要件、パッケージングおよび信頼性、ならびにソフトウェアの読み書きに関するガイドラインを網羅しています。これは、業界全体におけるHBF製品の開発およびシステム統合のための統一的な技術的枠組みを提供するものです。.
容量構成に関しては、仕様書では8層積層と16層積層の2つのNANDチップ積層オプションが提供されています。1つのHBFモジュールで最大512GBに対応しており、AI推論シナリオにおける大容量のニアコンピューティング・ストレージへのニーズをさらに満たしています。.
性能レベルに関しては、仕様書ではHBFをグレード1からグレード3までの3つのグレードに分類しており、データ転送帯域幅は0.4TB/sから3.0TB/sの範囲となっています。各グレードの製品は、AIシステムごとの帯域幅や容量の要件に応じて構成することができます。.
2つの主要な技術的特徴
HBFは、処理能力と帯域幅のバランスを図っています。高速プロセッサ相互接続や先進的なNANDの積層・パッケージングといった主要技術を活用すると同時に、オープン性と技術的な実現可能性も重視しています。.
- 第一に、UCIeユニバーサル・チップレット・インターコネクト規格の採用が挙げられます。. HBFは、プロセッサ側の相互接続技術としてUCIeを採用しており、GPUやCPUといったさまざまな種類のコンピューティングプロセッサとHBFとの間の高速接続のためのオープンなインターフェース基盤を提供します。 従来のストレージアーキテクチャと比較して、この設計によりデータアクセスパスが短縮され、さまざまなベンダーのコンピューティングチップにHBFを適応させるための、より標準化されたインターフェースが提供されることが期待されています。.
- 2つ目は、高密度NANDの積層およびウェーハボンディング技術です。. HBFは、サンディスクのBiCSフラッシュ技術とCBA（CMOS directly bonded to array）技術を採用し、独自のダイ積層技術と組み合わせることで、最大16層までの高密度積層を実現しています。 SanDiskが以前に公開した技術資料によると、同社のHBFソリューションはTSVやマイクロバンプなどのパッケージング用相互接続構造を採用しており、独自の積層技術によってダイの反りを低減し、多層積層を実現していることが示されています。.
業界のエコシステムと量産計画
オープンな技術仕様として、HBFは設立当初から産業チェーン全体の連携を重視してきました。現在では、ストレージ、AIチップ、クラウドコンピューティングなどの分野の企業が参画するエコシステムが形成されています。.
HBFの標準化プロセスには、ストレージベンダーのSKハイニックスやサンディスクのほか、AIチップ企業のテンストレントやグーグルなどが主要な参加者として名を連ねています。 FMS 2026サミットでは、SKハイニックス、Google DeepMind、サンディスクが共同でHBFに関するパネルディスカッションに参加し、AIインフラ向けストレージアーキテクチャの開発方向性について議論した。.
製品開発の面では、サンディスクはすでにHBFチップの開発を進めており、2026年8月には、HBF技術が業界エコシステムからますます注目を集めていることを明らかにした。8月13日に開催された2026年「インベスター・デイ」において、同社はさらに、HBF技術の応用を支える業界エコシステムが形成されつつあると述べた。.
同時に、フラッシュメモリの基盤技術も進歩を遂げている。今回のサミットで、SKハイニックスは第10世代（V10）の375層4D NANDフラッシュを初めて公開した。 同社によると、ワット当たりの性能は前世代に比べて2.5倍向上したとのことです。また、SKハイニックスは、AIインフラ向けの次世代ストレージ技術ロードマップも披露しました。.
業界への影響と今後の見通し
HBFに関する初のOCP技術仕様の公開は、ストレージ技術の開発における重要な試みであるだけでなく、AIインフラのストレージアーキテクチャにも影響を与えると期待されています。.
まず、AIストレージの階層型アーキテクチャをさらに充実させます。HBFは、演算用チップやHBMに加え、従来のSSDよりも大容量かつ高帯域幅を備えた「演算に近い」ストレージ層を提供することを目指しており、大規模モデルの推論やエージェント型AIといったデータ集約型アプリケーションに向けた新たなストレージの選択肢となります。 また、SKハイニックスは、AI推論の時代において高まる容量および帯域幅の要件に対応するため、HBFをHBMとSSDの中間に位置づけることを明確にしています。.
第二に、AIインフラにおいて、性能とコストのバランスをより良好なものにするのに役立つと期待されています。大容量のデータをすべて高コストのHBMに格納するのではなく、HBFを使用して、大容量であると同時に比較的高い帯域幅を必要とする一部のデータを格納することで、システムの全体的なストレージコストを削減し、データアクセス効率を向上させることができるでしょう。.
第三に、NAND、先進パッケージング、チプレット相互接続、AIサーバー、およびその他の上流・下流産業にわたるさらなる連携を促進する可能性がある。HBFには、高密度NAND積層、ウェーハボンディング、高速相互接続、およびソフトウェアによる読み書きメカニズムが含まれる。 したがって、その商用化は、ストレージチップ自体だけでなく、コンピューティングチップ、パッケージング、サーバー、そしてソフトウェアエコシステムの各分野における共同の進展にも依存する。.
全体として、HBFに関する初のOCP技術仕様が公開されたことは、この技術が個々のベンダーによる独自開発の段階を超え、オープンな標準化、業界連携、および製品検証の段階へとさらに進んだことを意味します。 オープンなOCPフレームワークを通じて、SKハイニックス、サンディスク、グーグル、Tenstorrent、およびその他の参加企業が共同で技術仕様の策定を推進しており、さまざまなベンダーがHBFの応用分野を模索するための統一された技術的基盤を提供しています。.
今後の製品サンプルの提供、システム検証、エコシステムへの適応が進むにつれ、HBFがAI時代において真に重要なストレージ階層となり得るかどうかは、実際のAI推論システムにおけるその性能、コスト、信頼性をさらに注視する必要がある。 しかし、一つ明らかなのは、AIがトレーニングから大規模な推論へと移行するにつれ、従来の「HBM + SSD」というストレージアーキテクチャは容量と帯域幅の面で新たな課題に直面している一方で、HBFはこの新しいストレージ層として業界が模索する主要な方向性のひとつになりつつあるということです。.
