AI芯片还在不断堆高算力，但真正拖慢AI系统的，可能已经不是“算得不够快”，而是“数据来得不够快”。
随着大模型参数规模持续扩大，AI应用从模型训练进一步走向长上下文、AI Agent和多用户并发，数据量与数据访问频率同步增长。算力越强，对存储容量、带宽以及数据传输效率的要求也就越高。
在这一背景下，存储器正在从AI产业链的“配角”，逐渐走向影响整个系统性能的关键环节。
10月16日，SK海力士宣布在OCP Global Summit 2026上展示面向下一代AI基础设施的完整存储方案，包括HBM4/HBM4E、CXL池化内存、DDR5、SOCAMM2以及HBF（High Bandwidth Flash）等产品和技术。
从表面来看，这是一次产品集中展示；但从产品布局来看，SK海力士正在释放出更加明确的信号：从HBM到CXL，再到HBF，AI存储正在从单一产品竞争走向系统级布局。
AI算力狂奔，数据却成了“供给瓶颈”
过去几年，AI芯片竞争的主线几乎只有一个——算力。
GPU性能不断提升，HBM带宽持续增长，先进封装则进一步缩短计算芯片与高带宽存储之间的数据传输距离。
但当计算能力不断提升，一个新的问题也随之出现：如果数据无法及时到达计算单元，再强的GPU也可能无法充分发挥性能。
尤其是在大模型推理阶段，大量KV Cache需要被频繁读取和复用。模型越大、上下文越长、并发用户越多，对内存容量、带宽以及数据搬运效率的要求就越高。
这意味着，AI基础设施正在从过去的“算力中心”，逐渐走向“算力+存储协同”。
而SK海力士此次重点展示的CXL和HBF，正是针对这一变化进行布局。
CXL：让“闲置内存”流动起来
CXL解决的一个核心问题是内存资源利用率。
传统服务器通常按照单机需求配置内存，但不同服务器在不同工作负载下的内存使用率并不相同，大量内存资源可能处于闲置状态。
CXL则提供了一种新的思路：通过高速互连将内存资源进行池化，让多个计算系统能够共享和动态使用内存。
SK海力士此次展示的第二代256GB CMM-DDR5基于CXL 3.2，带宽达到80GB/s，相比上一代产品提升超过一倍，同时能源效率提升约30%。
更值得关注的是，CXL已经开始进入AI应用场景。
在AI Agent Serving演示中，SK海力士利用CXL池化内存共享和复用KV Cache。对于AI数据中心而言，这意味着内存资源可以从传统的“固定配置”进一步转向“动态调度”，从而提高资源利用率。
换句话说，未来的数据中心可能不再只是不断增加服务器内存容量，而是更加关注如何让整个系统中的内存资源高效流动起来。
HBF：HBM不够用了，怎么办？
CXL解决的是内存扩展和资源共享问题，但随着AI模型规模进一步扩大，另一个问题也越来越突出：HBM的容量和成本压力。
这也是HBF值得关注的原因。
HBF，即High Bandwidth Flash，本质上是在尝试将NAND Flash的大容量优势与类似HBM的高带宽架构结合起来。
简单来看，HBM强调“快”，NAND强调“大”，而HBF试图在速度、容量和成本之间寻找新的平衡。
SK海力士与SanDisk此前已经推动HBF相关标准化工作，其技术路线采用3D NAND堆叠，并通过TSV等技术提高数据访问能力，主要面向AI推理等对大容量、高带宽数据访问有较高要求的应用场景。
为什么HBF值得关注？
因为AI推理正在产生越来越多需要频繁访问的数据。如果所有数据都放入HBM，容量和成本压力会不断增加；如果全部依赖传统SSD，又难以满足高性能AI应用对数据访问速度的要求。
因此，HBF试图填补的，正是HBM与SSD之间越来越重要的一层存储空间。
从HBM到HBF，存储正在成为AI基础设施的新战场
从HBM4/HBM4E、CXL，到HBF和eSSD，SK海力士此次展示的并不是孤立的几款产品，而是一套覆盖不同存储层级的AI基础设施解决方案。
其中，HBM主要承担计算芯片附近的超高带宽需求；CXL解决内存资源共享与扩展问题；HBF则尝试承接AI推理中的大容量、高带宽数据访问需求；eSSD进一步承担更大规模的数据存储。
这背后对应的是AI数据中心正在形成的多层存储架构。
过去，产业链关注的是GPU能够提供多少算力；如今，越来越需要回答另一个问题：这些算力所需要的数据，能不能及时、高效地送到计算单元？
这也是AI产业链的竞争正在从计算芯片进一步延伸至HBM、CXL、SSD、互连以及先进封装的重要原因。
算力决定AI能够跑多快，而存储决定这些算力能否真正被充分利用。
从这个角度来看，SK海力士正在布局的并不只是几款新的存储产品，而是在押注一个更加明确的产业趋势：随着AI算力继续快速增长，存储将不再只是计算芯片的配套环节，而可能成为决定下一代AI基础设施效率的重要变量。
来源：SK海力士
编辑：未来半导体
