社区

核心观点

HBF（High Bandwidth Flash）不是 HBM 的直接替代方案，而是 NAND 厂商试图切入 AI 推理解码环节的一种近端容量层方案。其产业逻辑建立在三点之上：第一，AI 推理阶段的模型权重具备高容量、低写入、可预取特征；第二，HBM 在推理权重承载上的容量经济性弱于 NAND；第三，云厂自研 ASIC 与专用推理架构为新型内存层级提供了试验入口。

从投资映射看，HBF 当前的核心主体不是 Western Digital，而是已经独立分拆上市的 Sandisk（SNDK）。SNDK 是 HBF 概念发起方及技术主导方，SK hynix 是标准化合作方。WDC 分拆后以 HDD 为核心业务，与 HBF/NAND 近端内存叙事无直接关系。

从估值含义看，SNDK 当前股价表现和估值水平已经反映 NAND 景气周期与 HBF 远期叙事。HBF 目前没有收入贡献，真正的验证点在 2026H2 样品、2027 年首批设备实测，以及后续云厂/加速器厂商是否导入。

一、HBF 的产业定位：不是替代 HBM，而是补齐推理权重容量层

AI 训练阶段，HBM 是不可替代的近端高带宽内存。其价值来自低延迟、高带宽、高并发读写能力，主要承载训练中的激活值、梯度、中间状态、热数据交换等任务。

推理阶段的瓶颈更复杂。尤其在 decode 阶段，模型权重反复读取，写入需求极低，数据访问路径具备一定顺序性。对这一类负载而言，HBM 的性能足够强，但容量成本过高。NAND 如果能够通过封装和宽接口获得接近 HBM 的读取带宽，就可能在 “低写入、高容量、顺序读取” 的权重层获得位置。

SanDisk 对 HBF Gen1 给出的目标规格为：1.6TB/s 读取带宽、512GB/stack、16 die stack，并宣称物理尺寸和功耗轮廓对齐 HBM4。该规格如果成立，HBF 将形成介于 HBM 与 NVMe SSD 之间的 G1.5 内存层：带宽显著高于 SSD，容量显著高于 HBM，但延迟和写入耐久弱于 HBM。

HBM / HBF / SSD 核心参数对比

HBM3E / HBM4

介质：DRAM；容量：数十 GB 级；带宽：1TB/s 以上；延迟：ns 级；适配训练、激活值、热 KV cache；核心约束是容量成本与供给。

HBF Gen1 目标

介质：NAND Flash；容量：512GB/stack；带宽：1.6TB/s 目标；延迟：μs 级；适配推理权重、MoE expert、温数据；核心约束是良率、散热、尾延迟与客户导入。

企业级 NVMe SSD

介质：NAND Flash；容量：TB 级；带宽：十 GB/s 级；延迟：tens of μs 级；适配冷数据、冷 KV cache、模型加载；核心约束是带宽不足、距离 GPU 过远。

因此，HBF 的核心命题不是 “能否取代 HBM”，而是 “能否降低推理阶段模型权重对 HBM 容量的占用”。如果这一命题成立，HBF 对 HBM 的影响不是全面替代，而是削弱推理场景中部分容量型需求的边际增速。

图片

二、需求基础：推理解码给 NAND 留下结构性窗口

大模型推理中的 prefill 与 decode 资源约束不同。Prefill 阶段更偏计算密集，decode 阶段更偏内存带宽与容量约束。每生成一个 token，系统都需要持续访问模型权重和 KV cache。模型规模越大，权重容量越成为推理成本的重要变量。

以 Llama 3.1 405B 为例，4050 亿参数在 FP16/BF16 下权重规模约 810GB；即便使用 FP8/INT8，权重规模仍约 405GB。这个容量已经接近 HBF 单堆栈 512GB 的设计靶心。换言之，HBF 并不是泛化地替代所有内存，而是瞄准 “大模型权重常驻/近端读取” 这一特定负载。

HBF 技术可行性依赖三个前提：

1. 权重只读属性成立。推理阶段模型权重基本不更新，NAND 写入耐久问题被弱化。

2. 读取路径可预测。Dense Transformer 模型按层执行，权重访问具备顺序性，可通过预取掩盖部分延迟。

3. 单位 token 成本压力上升。推理商业化后，云厂关注的不再只是峰值吞吐，而是吞吐、尾延迟、功耗、资本开支和单位 token 成本的组合。

但边界同样明确。MoE 模型的专家路由具有随机性，可能削弱顺序预取效果；长上下文和 Agentic AI 会扩大 KV cache 压力，而 KV cache 既有读取也有写入，未必完全适合 NAND 承担。HBF 更稳妥的切入点仍是模型权重层，而不是完整替代 HBM 的热数据层。

三、主体口径：SNDK 是核心映射，WDC 应剔除

HBF 的投资分析首先要处理主体口径。SanDisk 已从 Western Digital 分拆，并以 SNDK 独立上市。分拆后的 WDC 是 HDD 公司，不再是 NAND/HBF 的直接主体。若将 WDC 估值或股价表现映射到 HBF，结论会发生系统性偏差。

SNDK 当前的核心逻辑是纯 Flash 资产在 AI 数据中心周期中的再定价。HBF 则是其试图把 NAND 从 SSD/冷存储层推向 AI 推理近端内存层的远期选项。

SNDK 与 WDC 口径切分

SNDK：HBF 核心映射

当前业务属性为 NAND Flash / SSD；HBF 关系为发起者、主导方；最新季度营收 59.50 亿美元，毛利率 78.4%，Forward PE 约 53.2x。

WDC：应从 HBF 标的中剔除

当前业务属性为 HDD；与 HBF 无直接关系；其估值和股价表现反映的是 AI 数据湖、冷存储和 HDD 景气，不应映射到 NAND 近端内存叙事。

**资料显示，SNDK FQ3 FY2026 营收为 59.50 亿美元，YoY +251%；毛利率 78.4%；营业利润率 70.0%；Forward PE 约 53.2x，PS 约 18.2x，YTD 涨幅约 581%。这些数据本身已经说明，市场对 SNDK 的定价并非传统 NAND 周期底部估值，而是叠加了数据中心 NAND 景气与 AI 存储/内存叙事溢价。

需要强调的是，SNDK 当前业绩改善并非来自 HBF。HBF 尚处样品和标准化阶段，2026 年没有实质收入贡献。当前收入和利润弹性主要来自 NAND 供需改善、企业级 SSD 需求增长和价格周期上行。

四、SK hynix 的双线卡位：HBM 利润池与 HBF 防御权

SK hynix 同时是 HBM 龙头和 HBF 标准化合作方，这一组合并不矛盾。

HBM 仍然是训练、高性能推理、热数据和低延迟访问的核心资产。短期内，HBF 无法撼动 HBM 在训练和高端推理中的位置。但如果推理阶段持续扩容，模型权重对 HBM 容量的占用会拖高系统 BOM。HBF 一旦成立，将在推理容量层对 HBM 形成局部替代。

因此，SK hynix 推动 HBF 更像防御性卡位：维持 HBM 利润池，同时确保如果推理内存层级向 NAND 扩展，公司不缺席新标准。其战略意义并不是主动压低 HBM 价格，而是把潜在替代路径纳入自身产品组合。

HBF 产业链映射

SNDK

HBF 发起者，NAND + CBA 主导，官方确认。核心映射标的。

SK hynix

标准化合作方，HBM + HBF 双线，官方确认。核心映射标的。

Samsung / Micron / Kioxia

具备 NAND 或 HBM 产业基础，但公开 HBF 确认度不足。更适合作为潜在跟随者或周期标的观察。

NVIDIA / Broadcom / Marvell

属于系统侧或 ASIC 侧变量。只有云厂自研芯片导入 HBF 后，Broadcom / Marvell 才具备间接映射价值。

从行业竞争看，SNDK 与 SK hynix 是当前 HBF 确认度最高的两类主体。Samsung、Micron、Kioxia 不能简单归入确定受益链条，NVIDIA、Broadcom、Marvell 也不应被直接写成 HBF 标的。

五、NAND 供需含义：HBF 的真正弹性来自 bit-per-cell 假设

如果 HBF 仅作为高规格 NAND 封装产品存在，其对 NAND 供需的影响有限；如果 HBF 为满足读取性能、耐久和可靠性要求采用 SLC 或低 bit-per-cell 方案，其供需弹性将明显放大。

原因在于，同样容量下，SLC 相比 TLC 需要约 3 倍 cell 资源，相比 QLC 则需要更高晶圆消耗。若 HBF 未来进入规模化部署，且采用低 bit-per-cell NAND，将对 NAND wafer supply 产生高于传统 SSD 的拉动。该逻辑是 HBF 对 NAND 周期最重要的供需放大器。

但目前 SanDisk 并未公开确认 HBF 的具体 cell 配置。SLC/MLC 假设只能作为情景分析，不应作为确定供需结论。现阶段能确认的是 HBF 的目标规格和标准化进展，不能确认的是单位成本、量产良率、写入寿命、实际功耗和客户导入节奏。

HBF 对 NAND 行业的估值意义主要体现在三层：

1. 产品结构升级：从企业级 SSD 向 AI 推理近端容量层延伸。

2. 价格弹性增强：低 bit-per-cell 方案可能提升单位容量晶圆消耗。

3. 估值锚迁移：NAND 公司可能从周期品估值切换至部分 AI 基础设施估值。

六、商业化路径：NVIDIA 不是唯一入口，云厂 ASIC 可能先试水

HBF 的导入路径大概率不会从最通用的 GPU 平台开始。NVIDIA 尚未公开支持 HBF，同时已经通过 CMX、BlueField、NVMe、Dynamo 等方案处理推理侧 memory/storage tier 问题。对 NVIDIA 而言，是否导入 HBF 不只是硬件成本问题，还涉及软件栈控制权、生态锁定、封装资源分配和 HBM 供应链关系。

相比之下，云厂自研 ASIC 的导入自由度更高。Google TPU、Amazon Trainium/Inferentia、Microsoft Maia 等架构不受 CUDA 生态约束，理论上更适合为 HBF 重写内存控制器和预取调度逻辑。Broadcom、Marvell 作为定制 ASIC 链条参与者，只有在云厂明确采用 HBF 后才具备间接映射价值。

因此，HBF 的第一阶段验证更可能出现在专用推理设备或云厂自研芯片中，而不是直接进入 NVIDIA 主流 GPU 平台。如果 2027 年首批设备样品无法证明 HBF 在吞吐、尾延迟、功耗和 TCO 上具备系统级优势，后续生态扩散将明显受限。

七、估值判断：SNDK 当前定价已包含较高验证溢价

SNDK 当前估值需要拆成两部分。

第一部分是 NAND 周期。FQ3 FY2026 营收 59.50 亿美元，YoY +251%，毛利率 78.4%，营业利润率 70.0%，显示 NAND 景气度已进入强上行状态。该部分对应的是数据中心 SSD、供给紧张、价格上行和库存周期修复。

第二部分是 HBF 远期期权。SNDK 作为 HBF 发起方，叠加 OCP workstream 和 SK hynix 合作，获得 AI 近端内存层的叙事溢价。但 HBF 尚未形成收入，无法用订单、毛利率或现金流验证。

当 Forward PE 约 53x、PS 约 18x 时，市场对 SNDK 的定价已经不是普通 NAND 周期股逻辑。若 HBF 样品延期、良率不达预期、客户导入弱于预期，估值回撤将先于基本面发生。反过来，如果 2026H2 样品数据和 2027 设备实测证明 HBF 能在推理解码中降低 HBM 占用并改善 TCO，SNDK 的估值体系才有进一步上移的基础。

八、风险验证框架

良率

16 die stack、CBA bonding、TSV 互连拉低成品率。观察指标：样品交付、良率披露、成本曲线。时间窗口：2026H2。

散热

近 GPU/ASIC 封装环境下热密度上升。观察指标：实测功耗、温度、长期稳定性。时间窗口：2026H2-2027。

尾延迟

μs 级延迟可能影响 P95/P99 推理体验。观察指标：token latency、batch size 敏感性。时间窗口：2027。

MoE 适配

expert 路由随机性削弱预取效果。观察指标：MoE 实测性能 vs dense 模型。时间窗口：2027-2028。

客户导入

无 NVIDIA 支持时需依赖云厂 ASIC。观察指标：Google、Amazon、Microsoft 是否公开导入。时间窗口：2027 起。

估值回撤

SNDK 已 price in 部分 AI NAND 叙事。观察指标：样品延期、订单缺失、NAND 价格回落。时间窗口：持续。

HBF 的关键验证指标不是峰值带宽，而是系统级 TCO：在同等吞吐和尾延迟约束下，HBF 能否减少 HBM 用量、降低单位 token 成本，并保持可接受的良率与功耗。如果无法证明这一点，1.6TB/s 和 512GB/stack 只能停留在参数层。

结论：NAND 的 AI 估值曲线，仍处验证前夜

HBF 的本质，是 SNDK 试图将 NAND 从存储层推入 AI 推理近端内存层的一次架构下注。它的逻辑并非空泛概念：大模型权重容量上升、推理解码 memory-bound、HBM 容量成本高，这些都是现实约束。HBF 试图以 NAND 的容量经济性和高带宽封装切入权重读取层，方向具备产业合理性。

但投资上需要区分三件事。第一，SNDK 当前财务弹性来自 NAND 周期和数据中心 SSD，不来自 HBF。第二，HBF 当前贡献的是估值期权，不是收入和利润。第三，HBF 是否能从规格走向订单，取决于 2026H2 样品、2027 设备实测、云厂 ASIC 采纳和系统 TCO 验证。

短期看，HBF 强化 SNDK 的 AI NAND 叙事，但估值已处高位，容错率不高。中期看，若样品和客户验证顺利，HBF 有望成为 NAND 行业的新产品曲线。长期看，若其进入 AI 推理主流内存层级，NAND 的估值逻辑将不再完全依赖 SSD 周期，而会增加一条与推理基础设施相关的增量曲线。

当前结论应保持克制：HBF 不是 HBM 杀手，也不是已经兑现的收入来源。它是 NAND 产业争夺 AI 推理内存层的一张入场券。能否转化为订单，要看 2026H2 到 2027 年的工程数据和客户选择。