高盛：HBF混合架构或降推理成本约33%

高盛发布分析称，AI推理瓶颈正从算力转向内存带宽与容量，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方案以高密度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%。 高盛同时提示，HBF并非成熟技术，延迟、写入寿命、功耗、散热以及3—4倍于普通NAND的制造资源消耗都是大规模商业化的障碍。其牛市情景预计，到2028年末HBF仅占约4%的NAND bit，却可能消耗约9%的NAND晶圆产能，从而可能延长NAND当前偏紧周期。

AI 根据报道生成 · 47 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。