前英特尔CEO炮轰HBM：高带宽闪存（HBF）或成AI内存墙终极解法？

随着AI算力需求激增，传统HBM（高带宽内存）的散热与堆叠物理极限日益凸显，业界领袖开始质疑其作为AI算力核心支撑的长期可持续性，并转向探索高带宽闪存（HBF）等替代路径。

• ▶ HBM的物理天花板：前英特尔CEO与SK海力士高管均指出，HBM4若堆叠至20层，其逻辑核心速度可能因极端散热压力和信号延迟不增反降，甚至低于标准DDR内存。
• ▶ 架构范式转移：业界正从单纯追求极低延迟转向追求“容量-带宽”的最优平衡，高带宽闪存（HBF）被视为解决万亿参数模型推理成本瓶颈的关键。

八卦洞察

「八卦资本」认为，HBM目前在AI加速器（如Nvidia B200）中的统治地位正面临“边际效用递减”的危机。HBM的本质是在昂贵的硅片上进行极限微缩，但物理定律不可逾越——当堆叠层数超过16层，热密度将直接限制时钟频率。SK海力士副总裁的表态极具信号意义：连最大的受益者都在寻找退路。高带宽闪存（HBF）的兴起，本质上是存储层级（Memory Hierarchy）的重构。对于LLM推理而言，容量往往比极速延迟更重要。如果HBF能通过CXL协议实现类内存的访问带宽，AI硬件的成本结构将发生颠覆性改变，这不仅是技术的更迭，更是对英伟达HBM护城河的直接挑战。

行动建议

对于AI芯片初创公司，应立即评估CXL 3.0与高带宽闪存集成方案，避免过度依赖昂贵且供应受限的HBM供应链。对于二级市场投资者，需警惕HBM概念股的长期估值溢价，关注在存算一体及新型存储介质领域有布局的潜在颠覆者。云服务商（CSP）则应在数据中心架构中提前布局异构内存池，以应对未来万亿参数模型对海量、廉价带宽的需求。