SK 海力士预测 AI 基础设施性能规模至 2030 年将增长约 20 倍，提出 HBF 与 3D DRAM 存储层级优化方案

出处作者 / 发布主体：IT之家

68AI 研判分

核心综述

SK 海力士预测到 2030 年 AI 基础设施性能规模将增长约 20 倍，指出 KV Cache 膨胀导致的数据迁移正成为算力瓶颈。公司提出通过研发高带宽闪存（HBF）和 3D 堆叠 DRAM 来优化全局存储层次结构，其中 HBF 目标带宽达同代 HBM 的 50% 且容量提升 10 倍。

报道全文原始报道全文

安炫指出，当前 AI 推理市场正同时在三个维度快速扩张：任务复杂度的提升、单次处理信息量（上下文长度）的激增，以及推理请求量的井喷。这些因素相互交织，推动了 AI 算力基础设施需求的迅猛增长。

随着 AI 推理需求的暴增，承担海量数据存储与迁移任务的存储器，其关键地位愈发凸显。特别是用于保存并复用前序处理信息的“键值缓存（KV Cache）”容量持续膨胀，迫使系统必须将数据分摊存储于高带宽内存 HBM、DRAM 以及 SSD 等不同介质中。分析表明，在此过程中产生的数据迁移，正演变为制约性能提升并推高系统能耗的全新瓶颈。

对此，安炫作出了这一预测，即人工智能基础设施的性能规模到 2030 年将增长约 20 倍。

安炫强调，行业不能仅停留在提升单一存储芯片的性能上，而亟需采取优化整个存储层次结构的全局方案。

为此，SK 海力士在持续优化现有 HBM 性能的同时，正全力推进 3D 堆叠 DRAM 以及高带宽闪存 HBF 等下一代存储技术的研发：

3D 堆叠 DRAM：通过在 GPU、NPU 等逻辑芯片之上直接堆叠 DRAM，在大幅跃升传输性能的同时显著降低能耗。
高带宽闪存 HBF：将成熟应用于 HBM 的硅通孔立体堆叠与高速 I/O 接口技术导入 NAND 闪存，旨在 HBM 与 DRAM 之间开辟全新的存储层级。

IT之家从报道获悉，SK 海力士的目标是将 HBF 的带宽做到同代 HBM 的 50% 左右，同时实现约 10 倍的容量扩容。