闪迪近日宣布成立技术顾问委员会，以指导其HBF（高带宽闪存）技术的开发与战略。HBF是一种结合了HBM高带宽和NAND高容量的新型存储技术，有望在相同成本下实现8至16倍的容量提升，并能与HBM兼容混合搭配。该委员会汇聚了闪迪内部及外部的行业专家，包括ACM图灵奖得主David Patterson和GPU架构专家Raja Koduri。Patterson认为HBF将是数据中心AI的关键，能够突破当前AI推理工作负载的限制，降低新AI应用的成本。Koduri则强调HBF在满足AI模型对片外内存容量需求方面的巨大优势，这正是其相较于HBM的突出之处。

🌟 HBF技术整合高带宽与高容量：闪迪提出的HBF（High Bandwidth Flash）技术，旨在融合HBM（High Bandwidth Memory）的高带宽特性与NAND闪存的高容量优势，创造一种新型的存储解决方案。

🚀 容量与成本效益显著提升：HBF技术能够在相同的成本下，实现比现有技术8至16倍的容量扩展，并且由于其电气接口的兼容性，可以与HBM技术进行混合搭配使用，为存储应用带来更高的性价比。

🤝 专家顾问团助力技术发展：为加速HBF技术的研发与战略规划，闪迪组建了由内部及外部行业专家组成的技术顾问委员会。外部成员包括RISC精简指令集计算机的共同开发者David Patterson和前AMD、英特尔GPU架构主管Raja Koduri，他们的加入为HBF技术的进步提供了宝贵的专业指导。

💡 HBF对AI推理的颠覆性影响：David Patterson指出，HBF技术在高带宽下提供前所未有的存储容量，将使数据中心AI的推理工作负载能力大幅提升，突破当前限制，并有望降低新兴AI应用所需的成本。

🎯 满足AI模型对片外内存的迫切需求：Raja Koduri强调，当前AI模型对片外内存容量的需求日益增长，而HBF技术在这方面相比HBM具有显著的优势，能够更好地满足AI模型对大规模数据存储和访问的需求。

IT之家 7 月 25 日消息，闪迪美国加州当地时间 24 日宣布，为其在今年早些时候提出的 HBF 高带宽闪存概念成立技术顾问委员会，指导这一兼具 HBM 高带宽与 NAND 高容量的新型存储技术的开发与战略。

这一委员会由闪迪内部和外部的行业专家与高级技术人才组成，闪迪也在同一公告中宣布了委员会的两位外部成员：2027 年 ACM 图灵奖得主 David Patterson 与著名 GPU 架构人才 Raja Koduri。

David Patterson 是 RISC 精简指令集计算机的共同开发者，也在 RAID 存储阵列和 NOW 工作站网络的开发中起到了关键作用，为计算机科学发展与教育作出了卓越贡献。

David Patterson 表示：

HBF 通过在高带宽下提供前所未有的存储容量，使推理工作负载能够远远超出当今的限制，从而在数据中心人工智能中发挥重要作用，从而有望发挥重要作用。HBM 可以降低目前无法负担的新人工智能应用程序的成本。

Raja Koduri（拉贾・科杜里）此前先后在 AMD 和英特尔担任图形架构主管，指导了 AMD Polaris / Vega / Navi GPU 架构、英特尔锐炫 / Ponte Vecchio GPU 的开发，在 HBF 的关键用例之一 AI GPU 上有丰富经验。

Raja Koduri 强调了 AI 模型对片外内存容量的需求，而这正是 HBF 相较 HBM 的巨大优势。