HBF标准规范正式发布：AI存储架构迎来新层级，SK海力士与闪迪联手破局内存瓶颈

HBF首套标准规范在FMS 2026正式亮相

2026年8月4日，美国加州圣克拉拉闪存峰会（FMS 2026）开幕当天，SK海力士联合闪迪（SanDisk）共同发布高带宽闪存（HBF，High Bandwidth Flash）的首套标准规范。这是双方自2025年8月启动合作、2026年2月牵头成立HBF规格标准化联盟以来，历时6个月完成的首个重大成果。整套规范依托全球最大开放数据中心技术合作组织OCP（开放计算项目）对外公开，可供全行业免费使用。

产品规格方面，HBF最高支持16层堆叠，单颗容量可达512GB。谷歌等企业已加入HBF标准化联盟，标志着这一新存储层级获得了产业链上下游的实质性支持。

HBF的定位：填补HBM与SSD之间的存储空白

当前AI推理系统的存储架构存在一个显著的层级空白。HBM（高带宽内存）速度快但容量有限，单颗容量目前停留在数十GB级别，且价格高昂；SSD（固态硬盘）容量大但带宽远不够，随机读写延迟在微秒到毫秒量级，无法满足大模型推理对KV Cache的高速访问需求。

HBF被定义为介于HBM和SSD之间的新型存储层级，核心特征：

• 带宽：具备与HBM类似的高速数据传输能力，带宽远超传统NAND SSD
• 容量：基于NAND闪存大幅提升容量，单颗512GB远超HBM的数十GB上限
• 成本：采用NAND而非DRAM，每GB成本远低于HBM
• 应用场景：AI推理中的KV Cache存储、大模型权重缓存、中间张量暂存

AI推理中的存储瓶颈：为什么需要HBF

大模型推理的内存压力主要来自三部分：模型权重、KV Cache和中间激活值。以一个70B参数模型为例：

• 模型权重（FP8）：约70GB，必须常驻HBM
• KV Cache（batch=32，序列长度4096）：约40-80GB，随batch和序列长度线性增长
• 中间激活值：约10-20GB

单GPU的HBM容量（80GB或141GB）在模型权重加载后，留给KV Cache的空间非常有限。当并发请求增加或序列长度扩展时，KV Cache溢出HBM，要么限制并发（牺牲吞吐），要么溢出到SSD（牺牲延迟）。HBF的定位正是承接这部分溢出的KV Cache，以远高于SSD的带宽提供准HBM级的访问速度。

亚马逊市值破3万亿：AI算力商业化的里程碑信号

同一周内，亚马逊市值首次突破3万亿美元，成为第五家迈入3万亿市值俱乐部的美国科技公司。推动这一里程碑的核心引擎是AWS——2026年Q2营收422.32亿美元，同比增长36.7%，创2021年以来最快增速。AWS负责人Matt Garman表示，公司正与客户签署五年期AI合同，AI算力供不应求的趋势仍将持续。

从存储技术到商业市场，两条线索交汇于一个事实：AI基础设施的瓶颈正在从算力向存储和带宽转移。HBM产能有限，SSD速度不够，HBF填补的是这个结构性缺口。

OpenAI Astra攻克十道数学难题：AI推理深度的上限在哪里

8月1日，OpenAI公布其下一代模型Astra的内部版本在数学与理论计算机科学领域取得十项重大突破。这些难题涵盖高维球堆积、编码理论、群论、量子复杂性和极值组合学，每道题的学术积压均超十年。整个推理过程以约2000美元成本完成，全部成果通过Lean形式化验证并开放代码。

Astra的突破对存储架构也有直接启示：长链推理（Chain-of-Thought）需要维持更长的中间状态链，对KV Cache的容量需求从GB级向TB级演进。现有的HBM加SSD架构难以支撑这种推理深度，HBF作为中间层级恰好可以承接推理过程中的中间状态缓存，使得长链推理不再受限于HBM容量。

白宫AI安全评估框架：30天提前访问权意味着什么

8月4日，美国白宫召集OpenAI、Anthropic、谷歌、Meta等AI巨头举行闭门会议，讨论已制定完成的自愿性前沿AI模型安全评估框架。该框架源于特朗普6月签署的AI网络安全行政令，核心条款是：参与框架的AI开发商在模型向其他合作伙伴开放之前，向政府提供最长30天的提前访问权限，以便政府评估模型在网络攻击、黑客辅助等方面的安全风险。

这是美国政府首次以行政令形式获得前沿模型的提前访问权。30天的窗口期意味着，从模型完成训练到公开发布之间，存在一个强制性的安全审查间隔。对于AI企业而言，产品发布周期需要将这个间隔纳入规划。

产业链影响：谁先受益于HBF标准落地

HBF标准规范的开放免费发布，意味着任何NAND厂商都可以基于规范开发HBF产品，不再需要独立摸索协议层。直接受益方包括：

NAND原厂：三星、美光、铠侠等拥有NAND产能的厂商，可以快速跟进HBF产品线，在AI存储新赛道上与SK海力士竞争。

AI芯片厂商：NVIDIA、AMD等GPU厂商需要在下一代GPU架构中增加对HBF的接口支持，预计2027年后的GPU产品将集成HBF控制器。

云服务商：AWS、Azure、GCP等需要将HBF纳入其GPU实例的存储层级，推理实例的性价比将再次提升。

口袋网认为，HBF标准的发布是AI基础设施从算力焦虑转向存储焦虑的标志事件。当推理成本不再是瓶颈，KV Cache溢出和长链推理的中间状态缓存就会成为下一个必须解决的问题。HBF不是终点，而是AI存储架构演化的必经节点。