今天，NAND 存储巨头 SanDisk 公布了 2028 至 2030 财年的中期经营目标。公司预计未来几年收入将保持中高双位数增长，毛利率达到约 80%，自由现金流利润率达到约 50%，同时计划将 100% 的超额现金返还给股东。80% 左右的毛利率目标一路看到 2030 年，100% 的超额现金还准备全部返还给股东。看到这里，笔者一时间甚至不知道还能说什么…只能说两个字，无敌。此时此刻，笔者想提一句咱们的 YMTC，好好搞，这一波真能吃点热乎的。就是，就是，分红就别想了，笑...当然，SanDisk 敢给出如此激进的中期目标，背后显然不只是对传统 NAND 周期的乐观判断，更重要的是 AI 推理正在重新打开 NAND 的价值空间。其中一个非常值得关注的判断是，SanDisk 预计，到 2030 年，KV Cache 相关需求可能占到 AI 数据中心 NAND 工作负载的 35%。背后的逻辑笔者此前已经讲过多次。随着上下文窗口越来越长、并发推理规模不断扩大，推理阶段产生的中间状态正在快速膨胀。如果所有 KV Cache 都长期驻留在 HBM 中，容量、成本和供给都会越来越不经济。因此，更合理的方向很可能是构建更加明确的分层存储体系。最需要低延迟和高带宽的数据继续留在 HBM，而访问频率相对较低、但仍需要反复调用的数据，则逐步下沉到 NAND。这样既能释放宝贵的 HBM 容量，也能够降低整个推理系统的单位成本。关于 NAND 向新一代高带宽内存层演进的判断，如下。置顶文章和历史推文真的要认真读，不然等产业逻辑开始兑现，真的跟不上，笑。当 HBM 和 DRAM 的容量与成本逐渐成为约束，AI 系统自然会尝试把更多数据迁移到容量更大、成本更低的 NAND 上，只要迁移后的性能仍然可以接受。Storage Next 和 HBF，只是这场迁移的两种不同实现方式。前者通过 GPU Direct I/O、高 IOPS SSD、PCIe Switch 和软件栈，把 NAND 拉得更靠近计算单元。后者则通过高速接口、3D 堆叠和先进封装，直接把 NAND 做成新的高带宽内存层。梦四维，公众号：第四维的梦想AI 智能体越多，为什么存储也要开始像内存一样工作？如果这条路径真正走通，NAND 在 AI 数据中心里的角色就会发生变化。它不再只是负责保存模型、数据集和冷数据，而是开始向推理运行过程本身渗透。对 SanDisk 来说，未来的增长引擎也就不再只是传统 NAND 景气周期，而是进一步延伸到增速更快、价值量更高的 AI 推理存储市场。而 HBF，恰恰可以理解为 SanDisk 对这套分层存储逻辑给出的具体答案之一。SanDisk 表示，其 HBF 架构在读取带宽上可以接近 HBM，但容量却能够做到后者的 8–16 倍，核心目标就是承接未来越来越“吃内存”的 AI 推理负载。按照 SanDisk 的设想，HBF 未来可以有多种部署方式：既可以替代部分 HBM 堆栈，也可以与 HBM 共存，作为容量更大的读优化内存层，还可以采用 HBM + HBF 的分层架构，由 HBM 负责高速缓存，而 HBF 承载模型权重以及部分 KV Cache。SanDisk 还特别提到，HBF 可以部署在 Decode 阶段，专门承载权重和 KV Cache。换句话说，未来的 AI 推理并不一定只是继续堆更多 HBM，而可能逐渐走向更加清晰的分层架构。HBM 负责最极致的速度，HBF 负责更大的容量，两者协同完成推理阶段的数据供给。笔者认为，更准确的理解并不是简单 HBM 减配，而是四个字：放弃容量，保住 I/O。梦四维，公众号：第四维的梦想英伟达为何考虑下调 Rubin Ultra 的 HBM 配置：不是简单减配，而是放弃容量保 I/O再回头看笔者此前对 Rubin Ultra 减配 HBM 原因的判断，就更有意思了。SanDisk 如今对 HBF、KV Cache 与推理内存层级的最新描述，几乎把前后的逻辑完整串了起来。一切，都是这么丝滑。除非在 Rubin Ultra 代际，英伟达能够通过更高效的内存管理，或引入 HBF 等其他层级的存储方案进行补偿，否则这一调整本质上就是以牺牲单卡显存容量与模型承载能力为代价，换取更高的 HBM 良率和 GPU 出货量。
作者声明： 本文转载自第三方，旨在提供资讯参考，并非证券推荐或投资建议。作者对内容的真实性、准确性不承担保证责任。本文不构成任何投资建议或证券推荐。截至发文日，作者与文中提及的标的不存在持仓关系。