本文來自微信公眾號： 海豚研究 ，作者：海豚君，原文標(biāo)題：《從綠葉到鮮花，AI 推理如何為 NAND“逆天改命”？》

NAND是一個被“技術(shù)詛咒”的行業(yè)：正如海豚君在前篇《NAND天性“多產(chǎn)”，閃迪憑什么守80%毛利率？》中所說，AI爆發(fā)前的NAND就是典型的大宗生意——產(chǎn)能由市場無情出清，技術(shù)領(lǐng)先換不來溢價，只能“虧得比別人少”，銷量增長的紅利被降價全部吞噬。

根源在供給端太多產(chǎn)：靠單一晶圓上向上堆疊、橫向縮孔，從BiCS5到BiCS11五代，閃迪每片晶圓的bit產(chǎn)出每代增加54%，年化復(fù)合約27%。

也就是說，哪怕一分錢擴產(chǎn)（CapEx）不花，bit產(chǎn)能每年也會自動膨脹近三成。3D轉(zhuǎn)型期更是一次性猛增，供給一度遠(yuǎn)超需求，這讓“輕資產(chǎn)”NAND生意在下行周期比“重資產(chǎn)”DRAM更慘烈。

而AI的爆發(fā)，正在重寫NAND的劇本。本篇報告中，海豚君重點關(guān)注AI浪潮究竟給NAND下游需求帶來了怎樣的結(jié)構(gòu)性重塑？

以下為詳細(xì)分析

1.AI浪潮究竟給NAND下游需求帶來了怎樣的結(jié)構(gòu)性重塑？

AI之前的消費電子周期中，“話事”需求場景——手機、PC、傳統(tǒng)服務(wù)器等核心下游增長平穩(wěn)可預(yù)期，缺乏爆發(fā)變量，所以周期的大起大落，實質(zhì)由供給端的無序擴產(chǎn)與急劇收縮主導(dǎo)。

需求增長來自三大動能：單機容量升級、新興市場滲透，以及固態(tài)硬盤（SSD）對機械硬盤（HDD）的存量替代，緩步而穩(wěn)定。

穩(wěn)定的需求，配上剛性提升供給，導(dǎo)致NAND屬性被困在經(jīng)典的“硅周期”中：供過于求、價格暴跌→原廠減產(chǎn)，低價同時刺激單機容量升級→供需再平衡、價格回升→原廠在高利潤下追高擴產(chǎn)→再次陷入產(chǎn)能過剩。

只要NAND擺脫不了“外圍零件”的定位，這個死循環(huán)就打不破。唯一出路，是出現(xiàn)一個不太看價格、且與GPU算力部署直接綁定的新場景——這正是后來AI浪潮所扮演的破局者角色。

第二階段（2025年之后）：AI推理驅(qū)動的結(jié)構(gòu)性爆發(fā)

2026年是NAND歷史上最具標(biāo)志性的分水嶺：數(shù)據(jù)中心占NAND總需求的比重，從2025年約30%躍升至2026年約45%，歷史性反超智能手機（同期收縮至約23%），成為最大終端基本盤。

驅(qū)動NAND需求的主角，從對價格高度敏感、庫存大起大落的消費電子，換成了以TCO（總擁有成本）和算力回報（ROI）做決策、對價格脫敏的云服務(wù)商。

云廠商關(guān)心的不再是“這季度顆粒夠不夠便宜”，而是“能否按時拿到足額的高性能eSSD，保證未來三年GPU基建不掉鏈子”。從“短期壓價”轉(zhuǎn)向“長期保供”，正是原廠推行NBM（新型長協(xié)模式）的需求側(cè)基石。

伴隨基本盤切換，AI重心“由訓(xùn)轉(zhuǎn)推”，更讓NAND的角色質(zhì)變：

AI早期，NAND只是外圍的“數(shù)據(jù)倉庫”：把訓(xùn)練語料、模型權(quán)重、防宕機的Checkpoint（存檔）等靜態(tài)數(shù)據(jù)，放在GPU能快速調(diào)取的近端。這些數(shù)據(jù)可替代性極強——丟了從數(shù)據(jù)湖重新下載即可，只花帶寬和極少電費，不必動用昂貴GPU重算。

但推理時代，計算變成高并發(fā)、持續(xù)性的“動態(tài)消耗”——存儲需求與“AI用戶數(shù)×使用頻次×上下文長度”強綁定。更關(guān)鍵的是，NAND首次存儲“計算的中間產(chǎn)物”。

長文本推理產(chǎn)生的龐大KV Cache不是外部搬來的靜態(tài)數(shù)據(jù)，是GPU大量消耗算力后生成的“工作記憶”。它一旦丟失，中央倉庫沒有備份，只能再花昂貴的GPU算力和電費重算。

存儲的價值第一次可以直接折算成“算力與電費”。正如閃迪所說——SSD本質(zhì)上已經(jīng)進(jìn)化為一塊“Token電池”：Token是已經(jīng)做過的功，與其丟棄重算，不如“充”入硬盤；存KV Cache就是幫云廠商省電、省算力。

鎧俠的預(yù)測也印證了這一趨勢：數(shù)據(jù)中心NAND總需求將從2025年的286 EB增至2031年的1,686 EB（CAGR 34%），且內(nèi)部結(jié)構(gòu)極度分化：

AI推理：從2025年的86 EB激增至2031年的1,251 EB，CAGR高達(dá)56%；占數(shù)據(jù)中心NAND需求的比例也從30%攀升至74%。

AI訓(xùn)練與傳統(tǒng)負(fù)載：同期AI訓(xùn)練的CAGR僅11%，傳統(tǒng)云工作負(fù)載（以CPU為主）僅14%。

推理需求的增速是訓(xùn)練的5倍——本輪NAND超級行情，將主要由推理需求的爆發(fā)主導(dǎo)。

先看NAND在AI數(shù)據(jù)中心的主要應(yīng)用：

①KV Cache卸載——NAND成GPU的上下文存儲層

AI推理時，GPU必須為每個Token實時計算并維護(hù)KV Cache（模型的“工作記憶”）。但早期架構(gòu)中它是“算完即棄”的消耗品：一輪對話結(jié)束，或GPU要騰顯存服務(wù)下一個用戶，HBM里的KV Cache就被清空。

于是用戶一旦追問，或多人并發(fā)調(diào)用同一份超長文檔，系統(tǒng)只能把上下文重新喂給GPU，從頭做一次昂貴的Prefill（預(yù)填充）。

Prefill是推理第一步：GPU一口氣通讀全部輸入、算清Token間的關(guān)聯(lián)（Attention機制），再生成一遍KV Cache——這是整個推理中最吃算力、最費電的環(huán)節(jié)。

過去“用了就丟”，是因為兩筆賬算不過來：

a.重算比存起來更便宜：早期（如GPT-3時代）上下文只有2K Tokens，KV Cache很小，GPU零點幾秒就能重算完；而存進(jìn)硬盤要經(jīng)CPU和內(nèi)存中轉(zhuǎn)、在PCIe上“折返跑”，來回耗時甚至超過重算。

b.HBM又小又貴：GPU自帶顯存“寸土寸金”，必須留給當(dāng)前活躍的計算任務(wù)，不可能長期保管已下線用戶歷史記憶。

但長文本時代推翻了這筆賬：從2020年GPT-3的2K Token到2026年主流模型的百萬級上下文，六年暴漲500倍。重算一次百萬Token的KV Cache，要讓昂貴的GPU滿載跑好幾秒，有算力與電費代價。

這直接促成KV Cache的“再定性”：英偉達(dá)ICMS（推理上下文內(nèi)存存儲）架構(gòu)，正式把它從“算完即棄的臨時緩存”改定義為“AI原生持久數(shù)據(jù)”。

現(xiàn)在，臨時緩存變長久緩存，這個賬是否算得過來？

a.容量約束:算法壓縮也趕不上KV Cache膨脹速度

第一個條件，是HBM的擴容速度遠(yuǎn)追不上KV Cache的膨脹。

KV Cache總量=上下文長度×并發(fā)會話數(shù)×單Token存儲量。目前，前兩個變量都在被急劇放大：

上下文長度每年翻倍以上：主流模型從4K、128K快速演進(jìn)到1M+，KV Cache隨之線性放大。

并發(fā)與推理輪次爆發(fā)——正被三種應(yīng)用架構(gòu)急劇放大：

a.RAG（檢索增強生成）：問一句話，后臺塞進(jìn)兩本書。系統(tǒng)把檢索到的大量文檔拼接到輸入端，送進(jìn)GPU的Token遠(yuǎn)超原始提問，單次任務(wù)的KV Cache直接拉爆。

b.Agentic Search：AI從“一問一答”變成自主循環(huán)的“規(guī)劃—調(diào)用—評估—再檢索”。多步任務(wù)把單次Token消耗從數(shù)百個拉到上百萬個。

c.Multi-Agent：多個Agent并發(fā)協(xié)作，每個獨立生成KV Cache，存儲需求隨數(shù)量成倍疊加。

模型廠商每年至少把上下文擴大一倍，HBM的物理擴容卻接近極限：單卡容量約2-3年才翻一倍，紅利還在放緩。

判斷KV Cache會不會溢出，要以單個推理機柜的可用HBM池為單位。以Rubin NVL72的21T的HBM容量為例：

部署2.8T參數(shù)的旗艦MoE模型，F(xiàn)P8下權(quán)重占約2.8 TB；再扣掉激活值、分頁與框架開銷（約占12%，約2.5 TB），真正能給KV Cache的池化空間上限約15.4 TB。

不壓縮時，10萬Token約占40 GB。即便用最前沿的壓縮算法（如谷歌TurboQuant，16位壓到3位、約5–6倍無損壓縮），100萬Token仍要占67–80 GB。

也就是說，一臺造價約500萬美元的機柜，極限只能同時服務(wù)193–230個百萬Token級長度得會話。對企業(yè)級云服務(wù)而言，這意味著極低的算力變現(xiàn)效率（ROI）。

一旦上下文擴到500萬Token，或并發(fā)突破這一閾值，機柜級HBM池會迅速觸頂。因此把KV Cache從HBM逐級卸載到DRAM再到NAND，往后看是一場必然之路。

b.便宜，也是致命吸引力

哪怕HBM容量勉強夠用，用它長期留存KV Cache在經(jīng)濟上也不成立：HBM4約16美元/GB，eSSD約0.3-0.4美元/GB，前者是后者的40-50倍。用它去放幾小時都不調(diào)一次的“溫/冷KV Cache”，是極度的資源錯配。

為此英偉達(dá)確立了新的分層內(nèi)存架構(gòu)：G1 HBM→G2系統(tǒng)DRAM→G3本地SSD（NAND）→G4共享網(wǎng)絡(luò)存儲（NAND/HDD），由NVIDIA Dynamo在軟件層統(tǒng)籌，讓KV Cache在各層間透明遷移。

英偉達(dá)估計，大規(guī)模多智能體推理下每個GPU模組最高需要16 TB的KV Cache，因此在Rubin平臺構(gòu)建了ICMS/CMX上下文存儲層，位于G3本地SSD與G4共享存儲之間，定義為G3.5層——因為G3容量有限、不能跨節(jié)點共享，撐不住多智能體的大規(guī)模復(fù)用。

CMX單層容量約16TB，是單卡288GB HBM的近60倍——NAND夠便宜，才能做到量大不貴。

c.改用NAND，時延上來得及嗎？

卸載值不值得，最終看TTFT（首Token時延）——只有“從SSD讀回來”的時間和成本低于“用GPU重新算一遍”，卸載在商業(yè)上才成立。

GPU Direct Storage（GDS）是跨越門檻的關(guān)鍵：它繞過CPU和DRAM，通過PCIe/RDMA在eSSD與GPU的顯存之間修一條直連高速路。

據(jù)公開驗證，GDS結(jié)合壓縮技術(shù)可把KV Cache的恢復(fù)時延改善10倍，讓超低時延的上下文交付在工程上成為現(xiàn)實。

NAND存儲KV Cache的數(shù)據(jù)類型：“共享型記憶”和高頻復(fù)用

即使跨過容量與成本的門檻，KV Cache要卸載到NAND里，還需滿足兩個條件：

條件一：必須是共享型緩存

a.短暫型緩存（逐字生成的草稿）：HBM承載

AI逐字回答（Decode階段）時，每吐一個字都要全量重讀歷史上下文。此時強行寫SSD，一是帶寬不夠、會卡死AI“說話”的節(jié)奏（速度墻），二是高頻碎片化追加寫幾周就能耗盡企業(yè)級硬盤的壽命（壽命墻）。所以這類草稿禁止落盤，必須留在HBM顯存中。

b.共享型緩存（靜態(tài)打包案卷）：NAND來存

只有當(dāng)AI剛讀完超長提示詞（Prefill階段）、用戶切出對話或Agent掛起任務(wù)時，產(chǎn)生的才是算完、可整段打包寫出的完整上下文。它“塊大、順序、低頻”，像整箱搬運定稿檔案，與NAND大塊連續(xù)讀寫完美契合，這類數(shù)據(jù)才可以NAND層。

條件二：高頻復(fù)用才能“值回票價”

除了可用，經(jīng)濟也要可行：卸載凈收益=復(fù)用次數(shù)×(重算算力成本?讀回成本)?(寫入成本+占位存儲成本)

GPU重算既費電又費算力，已算好的緩存從SSD讀回，只要被復(fù)用1到2次就能盈虧平衡。挑戰(zhàn)在于硬盤空間同樣稀缺，只有高頻復(fù)用的上下文，才值這個存儲占位。

這最終濃縮為一個核心指標(biāo)——緩存命中率：命中率越高，邊際服務(wù)成本越趨近于零。新請求進(jìn)來時，系統(tǒng)通過“前綴比對”去硬盤取回備份，跳過最燒錢的Prefill重算。

正如Manus團隊指出的：命中緩存的Token比未命中的便宜約10倍。普通大模型命中率在40%–70%（MiniMax 71%、Z.ai GLM5約40%），多步執(zhí)行的Agent場景則長期企穩(wěn)在95%以上（DeepSeek實測98.7%），實現(xiàn)“寫一次、讀上千次”的紅利。

實際使用中，對話變長或GPU換用戶都會產(chǎn)生中斷，當(dāng)前KV Cache就可讓出HBM空間。如果這些會話還會被再次調(diào)用就可存到NAND中，服務(wù)恢復(fù)時再載入。

典型卸載場景包括：用戶閱讀停頓、跨周期歷史回溯、Agent掛起的長空隙、超大規(guī)模并發(fā)共享，以及企業(yè)級知識庫調(diào)用。

KV Cache分層：AI推理對存儲拉動不是單點，而是從高性能閃存（pSLC/TLC）到海量溫冷存儲（QLC），連同DRAM與HBM，把整條企業(yè)級存儲產(chǎn)品線一起拉起來。

這條通路上，各類存儲分工明確：

DRAM（G2）承接活躍任務(wù)的“熱溢出”：它是HBM的直接緩沖帶，收容同一場活躍會話中因顯存觸頂放不下的KV數(shù)據(jù)。速度快，會話不卡頓，但斷電丟失。

NAND（G3–G4）主導(dǎo)高價值資產(chǎn)的“持久復(fù)用”：跨過斷電可保留的門檻后，數(shù)據(jù)進(jìn)入非易失閃存主導(dǎo)的持久化復(fù)用鏈路，并沿介質(zhì)特性逐級下沉：

a.G3直連層（pSLC/性能型TLC）：承接剛剛換出、隨時可能被重新喚醒的溫?zé)釙捝舷挛摹?/p>

b.G3.5本地網(wǎng)絡(luò)層（耐久型TLC）：承接同一算力集群內(nèi)，需跨節(jié)點高頻共享的System Prompt與Agent狀態(tài)。

c.G4遠(yuǎn)端歸檔層（大容量QLC/HDD）：承接海量、極低頻調(diào)用的RAG企業(yè)知識庫與歷史對話歸檔。

②Staging場景：TLC與pSLC的剛性基本盤

據(jù)閃迪測算，Staging（類似候場類數(shù)據(jù)，等待被HBM隨時調(diào)用）占2030年AI數(shù)據(jù)中心NAND需求的40%，是最大的單一板塊，且全部由TLC（含pSLC）包攬。

打個比方：從數(shù)據(jù)湖調(diào)出的數(shù)據(jù)，先存在緊貼GPU主板的高速NVMe SSD緩沖區(qū)（G3直連SSD）。像廚師案板旁的切菜盤——食材從冷庫取出先放手邊，不必每切一刀跑一趟冷庫。

a.訓(xùn)練側(cè)Staging：突發(fā)覆蓋寫

核心任務(wù)是給模型做“定時存檔”（Checkpoint）與數(shù)據(jù)集暫存。訓(xùn)練萬億參數(shù)大模型時，單次存檔高達(dá)TB級，且每隔幾十分鐘就要滾動保存一次。

雖然現(xiàn)在能讓GPU“邊算邊存”（異步存檔）、不必停工干等，但這么大規(guī)模的集中落盤依然會嚴(yán)重擠占帶寬；存檔拖得越久，對計算流水線的干擾越大。

所以訓(xùn)練側(cè)Staging面對雙重約束：既要扛住反復(fù)覆蓋寫入的磨損，又要把寫入窗口壓到最短。

b.推理側(cè)Staging：高并發(fā)讀取

推理側(cè)Staging的三大任務(wù)，共同特征是讀密集、寫極少：

模型冷啟動與彈性伸縮：訓(xùn)練機可按月連軸轉(zhuǎn)，但推理機卻要隨早晚高峰頻繁調(diào)節(jié)容量和開關(guān)機，而內(nèi)存又?jǐn)嚯娂词?。所以新?jié)點上線，都要靠本地SSD的強連續(xù)讀取帶寬把參數(shù)瞬間搬進(jìn)空顯存，實現(xiàn)“秒級接客”（一天可能觸發(fā)數(shù)十次重載）。

多模型/多版本動態(tài)常駐：生產(chǎn)節(jié)點常需同時伺候幾十TB的“全家桶”（不同尺寸、精度、版本）。單卡顯存（288GB）和系統(tǒng)內(nèi)存與之差一到兩個數(shù)量級，唯有4–16TB直連SSD裝得下整套工具箱。讓極少調(diào)用的舊模型霸占昂貴顯存是錯配，下沉至SSD換入換出才是最優(yōu)解。

面對這種極端的I/O強度，各類介質(zhì)逐一被淘汰：

HBM&DRAM：成本極高且容量稀缺，必須留給活躍的KV Cache；更致命的是DRAM斷電即失，而Checkpoint的意義恰恰是“系統(tǒng)崩潰后還能恢復(fù)”。

HDD：吞吐量跟不上GPU突發(fā)的大塊寫入，且受體積與功耗限制，根本進(jìn)不了GPU計算托盤所在的機柜。

QLC：擦寫壽命約為TLC的十分之一（QLC約1,000次，TLC約10,000次）。Staging是AI存儲棧中寫入最重的環(huán)節(jié)，QLC壽命會迅速耗盡——這是硬約束，而非成本權(quán)衡。

這樣，TLC正好適合Staging，但TLC在部分場景下還不夠，由此衍生出pSLC：

pSLC，是把TLC或QLC顆粒當(dāng)SLC用——本可存3 bit或4 bit的Cell只存1 bit。換來更長的耐久度和更低的寫入延遲，代價是犧牲約三分之二有效容量。

直接后果是：要達(dá)到與標(biāo)準(zhǔn)SSD相同的有效容量，需要3-4倍晶圓產(chǎn)出。核心觸發(fā)場景是RAG與Agentic Search的高頻向量檢索。

AI智能體做大規(guī)模向量檢索新特征（如下），逼著NAND必須以高速pSLC模式運行：

a.找得太碎（訪問粒度極細(xì)）：AI搜索知識庫時往往只需比對一小串特征（幾百字節(jié)）。但標(biāo)準(zhǔn)TLC SSD是個“死腦筋”，哪怕只要一個字，也得把整頁（4KB）全讀出來，浪費讀取帶寬。

b.問得太密（并發(fā)強度極高）：現(xiàn)在的AI會自己做計劃、調(diào)工具、反復(fù)查資料，單次任務(wù)瞬間裂變成成千上萬個密集的“查字典”請求。標(biāo)準(zhǔn)TLC SSD在高并發(fā)下迅速排隊飽和。

c.邊讀邊寫（讀寫雙向承壓）：AI智能體會一邊查一邊更新索引、記錄中間狀態(tài)。這種“一邊翻書一邊做筆記”的強度會讓普通TLC壽命快速耗盡，而pSLC壽命是它的十幾倍。

但承載這一層的下一代直連架構(gòu)——NVIDIA Storage-Next（G2.6層，位于G2.5 CXL內(nèi)存之下、G3本地SSD之上）——仍處在英偉達(dá)主導(dǎo)、與鎧俠等廠商協(xié)同定義規(guī)格的階段。

它的定位，是在DDR與本地SSD之間新增一層直連GPU的pSLC存儲層，讓NAND具備接近DRAM的IOPS與訪問粒度（512B細(xì)粒度隨機訪問），同時保留低成本、大容量優(yōu)勢。

③Fast Data Lake場景：QLC的主戰(zhàn)場

如果說GPU直連SSD是案板旁的“切菜盤”，存儲需要讀寫雙能。G4遠(yuǎn)端網(wǎng)絡(luò)層的Fast Data Lake（快速數(shù)據(jù)湖）就是AI數(shù)據(jù)中心的“遠(yuǎn)端中央總倉”，以讀為主：以PB級容量裝下AI運轉(zhuǎn)所需的全部“家底”——訓(xùn)練語料、多模態(tài)數(shù)據(jù)集、各版本模型權(quán)重、RAG知識庫和推理回流日志。

按閃迪2030年的需求拆分，F(xiàn)ast Data Lake約占AI數(shù)據(jù)中心NAND需求的25%，幾乎全部由QLC承載。

核心問題是：QLC能否替代HDD？海豚君認(rèn)為需從以下維度分析：

a.熱數(shù)據(jù)——QLC穩(wěn)坐主位

正在被CPU/GPU高頻消費的數(shù)據(jù)（如正在處理的訓(xùn)練集、等待檢索的RAG知識庫），需要極高的數(shù)據(jù)吞吐量。

HDD的機械磁頭尋道延遲（毫秒級）與AI所需的微秒級響應(yīng)差了兩個數(shù)量級，從一開始就被物理排除。QLC憑借超大容量和讀寫帶寬，在此層是替代的絕對主力。

b.溫冷數(shù)據(jù)：HDD坐主桌

對于“存著備查”和“歷史歸檔”類數(shù)據(jù)，是否放入QLC取決于兩個維度：

①供給側(cè)擾動：短期“假性替代”

短期HDD將出現(xiàn)300EB至400EB的供給缺口。當(dāng)前部分云廠商用eSSD臨時兜底，造成了“加速替代”的假象。

但HDD也能用類似SSD的技術(shù)持續(xù)拉升產(chǎn)能，被eSSD臨時接管的純?nèi)萘啃枨蠡亓鱄DD，替代邏輯變?nèi)酢?/p>

②經(jīng)濟賬：QLC漲價后算不平

短期因缺貨有替代跡象，但后續(xù)QLC因熱數(shù)據(jù)層的替代是剛需，導(dǎo)致QLC漲價。當(dāng)下HDD的每GB價差已飆升至20–25倍。在穩(wěn)冷層數(shù)據(jù)存儲中，QLC反而難取代HDD。后續(xù)要QLC出現(xiàn)大容量低成本的產(chǎn)品面世后，替代概率才可能加大。

因此QLC替代HDD絕非單向線性推進(jìn)，而是分化為三種敘事：

a.性能關(guān)鍵路徑（熱數(shù)據(jù)）上，替代已經(jīng)完成且不可逆；

b.溫冷歸檔層，高昂價差阻斷了正常置換，目前的“替代份額”更多是HDD缺貨逼出的“臨時補位”，未來面臨回流風(fēng)險；

c.長期勝負(fù)手在于大容量高密度QLC量產(chǎn)，能否靠極致“空間與能耗壓縮”，在TCO上跨過2-3倍的替換紅線。

據(jù)閃迪業(yè)績會，超大容量QLC在FQ4'26（2026年4-6月）剛產(chǎn)生首批收入，F(xiàn)Q1'27進(jìn)入早期爬坡。閃迪預(yù)計QLC占整體bit出貨的比例，從2025年約20%升至2026財年末的40%，主要由Stargate（超大容量QLC）在云廠商放量驅(qū)動。

④HBF:需求上行期權(quán)

在傳統(tǒng)AI存儲層級中，緊貼GPU的HBM雖有百納秒級延遲與超高帶寬，但受DRAM制程限制，單堆棧容量小、成本高；再往下到NVMe SSD，延遲與帶寬又出現(xiàn)嚴(yán)重斷層。

NAND廠商現(xiàn)在在努力推新品：HBF（High Bandwidth Flash）——它的結(jié)構(gòu)基本是HBM的復(fù)刻：多層堆疊、TSV貫通連接上下、與XPU共同封裝，只是把DRAM顆粒換成了NAND顆粒

閃迪正開發(fā)的HBF，號稱堆疊16層NAND、在維持HBM級帶寬的同時把容量放大8倍。（參考：從HBM限高到NAND加量，英偉達(dá)vs存力到底誰拿捏誰？）。

HBF與HBM并非簡單替代關(guān)系，而是基于物理特性的優(yōu)劣互補：

HBF優(yōu)勢是容量大，成本低，但短板同樣明確：微秒級延遲讓它反應(yīng)偏慢，不擅長細(xì)碎的隨機散讀；且有物理擦寫壽命上限，只能當(dāng)“只讀參考書”，扛不住高頻寫入。

此外HBF仍在工程推進(jìn)期：2026年下半年進(jìn)入試產(chǎn)建線、預(yù)計2027年商業(yè)化，但緊貼高發(fā)熱GPU部署的散熱標(biāo)準(zhǔn)仍待確立。

由此形成分工：

HBM專注“性能至上”，是旗艦GPU的絕對標(biāo)配，負(fù)責(zé)對延遲極敏感的預(yù)填充（Prefill）階段、高頻讀寫的活躍KV Cache，以及要求最高對稱讀寫帶寬的訓(xùn)練任務(wù)。

HBF主打“容量為王”，接管以順序讀取為主的常規(guī)推理、需單機容納全量模型的長文本與MoE場景，以及讀多寫少的溫冷KV Cache卸載，讓中低端GPU甚至未來的邊緣設(shè)備也能跑超大模型。

因此海豚君認(rèn)為，HBF不是顛覆HBM，二者共存互補——HBM管延遲敏感的熱數(shù)據(jù)，HBF管容量饑餓的溫數(shù)據(jù)。未來HBF的使用滲透還要繼續(xù)觀察。

閃迪將HBF分成四種部署形態(tài)，具體定義可見《AI推理大爆發(fā)，“悲催”閃迪真有鳳凰涅槃？》。海豚君認(rèn)為，③增配型（HBF+HBM混搭）和④解耦型（池化）落地可能性最大。

增配型的邏輯最簡單：HBM不撤，HBF加進(jìn)來一起用。GPU廠商不用大改，HBM繼續(xù)干擅長的活，HBF在旁邊裝權(quán)重和冷KV緩存。SK海力士新提的H3架構(gòu)就是HBM和HBF混搭——2027年量產(chǎn)、2028年客戶上車，是目前阻力最小的路。

解耦型則是把HBF從GPU旁獨立出來，像硬盤柜一樣池化部署、通過網(wǎng)絡(luò)連接計算單元。這是未來大方向——NVIDIA的CMX方案推的也是類似的機架級存儲池；但它要求網(wǎng)絡(luò)架構(gòu)跟著升級，預(yù)計2028年之后才可能成為實際選項。

從各廠商路線來看，HBF目前仍處于標(biāo)準(zhǔn)聯(lián)盟階段，尚未進(jìn)入GPU廠商（特別是NVIDIA）的官方架構(gòu)標(biāo)準(zhǔn)中。

閃迪與SK海力士是當(dāng)前唯二的實質(zhì)推動者：雙方已于2026年初成立標(biāo)準(zhǔn)聯(lián)盟并建起試產(chǎn)線，比原計劃提前半年——預(yù)計2026年底造出芯片，明年推控制器，2027年沖刺量產(chǎn)。

谷歌、英偉達(dá)、AMD等最早要到2028年才可能作為客戶采用，但采用≠定義——HBF真正進(jìn)入GPU廠商的架構(gòu)體系，還要過標(biāo)準(zhǔn)認(rèn)證、參考設(shè)計集成、生態(tài)適配等關(guān)卡。

其他廠商：三星有專利儲備，但未公開原型與時間表；鎧俠走XL-FLASH路線（G2.6 Storage Next），與HBF不直接競爭；美光暫無公開計劃。

總體看，HBF產(chǎn)業(yè)化時間線雖在加速，但格局本質(zhì)是“存儲廠商在推動，GPU廠商尚未上車”。真正的分化要等2027年樣品表現(xiàn)，以及2028年頭部客戶是否正式將其納入系統(tǒng)設(shè)計。

總結(jié)：

AI對NAND的重塑，不只是把需求曲線抬高一個臺階，確實有希望打破“硅周期”宿命：“算力部署與推理負(fù)載主導(dǎo)”下，NAND也從“外圍零部件”變成“計算路徑上的必需品”。

在“由訓(xùn)轉(zhuǎn)推”與長上下文時代，用NAND存KV Cache是保存昂貴的GPU算力與電費資源，SSD一定程度上就是“Token電池”。

據(jù)閃迪測算，2030年AI數(shù)據(jù)中心NAND出貨量將達(dá)1.2 ZB（較2026年增長約三倍），三大核心負(fù)載分工明確：

a.Staging暫存層（占比40%）：貼近GPU的極高強度I/O緩沖區(qū)，受極端覆蓋磨損與高并發(fā)限制，由高性能TLC（及pSLC）壟斷。

b.KV Cache卸載層（占比35%）：推理時代全新增量，承載HBM溢出的動態(tài)存儲容量，由TLC/QLC梯次承接。

c.Fast Data Lake快速數(shù)據(jù)湖（占比25%）：遠(yuǎn)端中央數(shù)據(jù)總倉，由大容量QLC穩(wěn)坐主位。

按NAND類型計，TLC占66%、QLC占34%：占比最大的Staging因?qū)懭霃姸龋烊慌懦釷LC，TLC穩(wěn)占基本盤；QLC聚焦數(shù)據(jù)湖與溫冷KV Cache卸載。

這三類負(fù)載的演進(jìn)方向恰好相反：數(shù)據(jù)湖向“更便宜”走（QLC容量放大），Staging與熱路徑則向“更快更耐用”走（TLC乃至pSLC，犧牲約三分之二容量換取10倍耐久性）。

而這波漲價的“超級行情”還能飛多久？站在當(dāng)前估值節(jié)點，涅槃后的閃迪是否仍有向上空間？海豚君將繼續(xù)在下篇為您拆解，敬請期待！