高盛：HBM 容量瓶颈浮现，HBF 混合架构或降低约 33% 推理成本

高盛指出 AI 推理瓶颈正从算力扩展至内存带宽与容量，HBM 容量有限已迫使部分数据中心额外购买 GPU 换取内存。其提出的 HBF 以高密度 NAND 补充 HBM，容量远高于 HBM、顺序读取速度接近 HBM，每 GB 成本预计明显更低，高盛模型显示 HBM+HBF 混合架构可使示例推理成本降低约 33%。