HBM之夫金正浩：AI时代下，存储芯片重要性将超过GPU！

导读：在当前AI技术迅猛发展的背景下，算力瓶颈正逐步从计算能力转向内存带宽与容量。被誉为“HBM之父”的韩国科学技术院教授金正浩近日发出重磅预测：未来AI芯片架构将彻底告别以GPU为核心的旧范式，转向以内存为中心的全新体系。

近年来，随着生成式AI向更复杂的“AI智能体”演进，模型对上下文理解、多模态数据处理和长期记忆能力的需求急剧上升。传统以GPU为中心的计算架构虽在训练阶段表现优异，却在推理效率、能耗比和实时响应等方面遭遇瓶颈。尤其在处理超长上下文（如整本书、长视频或跨文档分析）时，现有内存系统难以支撑所需的数据吞吐量。

在此背景下，高带宽内存（HBM）作为当前AI加速器的关键组件，已广泛应用于英伟达等主流AI芯片中。然而，业内权威专家指出，仅靠HBM远远不够——真正的突破在于构建包含“短期记忆”（HBM）与“长期记忆”（HBF，高带宽闪存）的分层存储体系，并以此重构整个计算架构。

金正浩指出，“现在是 GPU 主导一切的时代，但未来，GPU 将被‘装进’HBM（高带宽内存）和 HBF（高带宽闪存）之中，计算核心将彻底转向内存，GPU 和 CPU 将成为配角。”

随着 AI 从“生成式 AI”向“AI 智能体”演进，内存瓶颈正成为核心问题。“AI 已经从只执行指令，发展到能够自主判断并生成完整报告。伴随而来的，是一次性处理海量文档和视频的‘上下文工程’。要应对这种数据规模，内存带宽和容量都需要提升到现在的 1000 倍。”

金正浩进一步指出，AI 的“幻觉问题”本质上同样源于内存限制。“内存不够，系统只能基于已有信息拼凑答案，因此出现错误。如果要实现真正可靠的智能体，必须具备极强的记忆能力。”

据了解，当前主导 AI 加速器市场的 HBM，通过堆叠 DRAM 实现高速数据传输，但在金正浩看来，这只是“短期记忆”。“HBM 就像手边的参考书，用于快速响应。而 HBF 则是由 NAND 堆叠构成的‘图书馆’，代表长期记忆。只有引入类似 HBF 的层级结构，AI 才能在全球数据中检索并给出完整答案。”

围绕这一方向，企业竞争已经展开。SK 海力士已与闪迪推动 HBF 标准化，试图抢占生态主导权；三星电子在推进 HBM4E 的同时，也在加大 NAND 架构投入。

金正浩认为，这一竞争格局与 HBM 早期发展阶段高度相似。“当年 SK 海力士提前投入，最终占据领先；三星因犹豫而付出代价。未来 10 年的胜负，将由 HBM 和 HBF 决定，而真正决定格局的，将是 HBF。如果现在不持续投入基础设施和研发，两家公司都可能面临风险。”

金正浩预计，HBF 工程样品将在 2027 年前后出现，最早到 2028 年，谷歌、英伟达或 AMD 中的一家将率先导入这一技术。其中，最重要的变化在于计算架构的根本转移。“过去计算以 GPU 和 CPU 为中心，但未来将进入‘内存中心计算’时代，HBM 和 HBF 成为核心，GPU 反而成为其中的组成部分。谁能率先构建这一体系，谁就能主导下一阶段。”

金正浩还指出，马斯克计划建设涵盖封装、内存和晶圆制造的大型工厂，正是基于对这一趋势的判断。在 GPU 主导地位仍被普遍接受的背景下，金正浩明确表示，未来 10 年半导体产业的核心将发生彻底转移，而当前正是决定行业格局的关键时刻。

在GPU仍被普遍视为AI核心的今天，金正浩的预言无疑是一记警钟。随着AI从“工具”进化为“智能体”，内存不再只是配角，而将成为决定系统能力上限的基石。未来十年，半导体产业的竞争焦点将从晶体管密度、制程工艺，逐步转向存储带宽、容量与架构创新。