“HBM之父”：“內存中心計算”時代來臨，GPU或成配角
在人工智能（AI）領域，一場深刻的架構革命正在醞釀。長期以來，以英偉達（NVIDIA）圖形處理器（GPU）為核心的計算體系被視為AI發展的引擎。
近日，被譽為“HBM（高帶寬內存）之父”的韓國科學技術院（KAIST）教授金正浩預言，這一格局即將發生根本性轉變，未來十年，半導體產業的核心將從計算單元徹底轉向內存，一個“內存中心計算”（Memory-Centric Computing, MCC）的新時代正在到來。
金正浩指出，當前我們正處于GPU主導一切的時代，但這一局面正面臨根本性挑戰。隨著AI技術從執行單一指令的“生成式AI”向能夠自主判斷、規劃并生成完整報告的“AI智能體”演進，數據處理的需求模式發生了質變。
“AI已經從只執行指令，發展到能夠自主判斷并生成完整報告。伴隨而來的，是一次性處理海量文檔和視頻的‘上下文工程’。”金正浩解釋道。這種演進要求系統具備前所未有的數據處理能力，內存的帶寬和容量需要提升到現有水平的千倍，才能滿足AI智能體對海量信息的實時存取和分析需求。
更關鍵的是，金正浩認為當前AI模型備受詬病的“幻覺問題”，其根源也在于內存限制。當內存不足以支撐模型調用足夠多的相關信息時，系統只能基于有限的已有信息進行拼湊，從而產生錯誤答案。因此，要實現真正可靠、具備強大記憶能力的智能體，突破內存瓶頸是關鍵。
為應對這一挑戰，金正浩提出了一個由HBM和HBF（高帶寬閃存）共同構成的層級化內存架構。在他看來，當前主導AI加速器市場的HBM，通過堆疊DRAM（動態隨機存取存儲器）實現高速數據傳輸，扮演著“短期記憶”的角色。“HBM就像手邊的參考書，用于快速響應。”
然而，僅有“短期記憶”遠遠不夠。金正浩將HBF比作一個龐大的“圖書館”，它由NAND閃存堆疊而成，代表著“長期記憶”。只有引入類似HBF的層級結構，AI才能在全球數據中進行檢索，并給出完整、準確的答案。HBF的出現，將有效彌補HBM在容量上的不足，為AI智能體提供近乎無限的“知識庫”。
這一技術路線的演進，預示著半導體產業權力結構的深刻變革。過去，GPU和CPU是計算架構的絕對核心，而內存則是為其服務的配套組件。但在“內存中心計算”時代，HBM和HBF將成為核心，GPU和CPU反而可能成為其中的組成部分，扮演“配角”。
圍繞這一未來方向，全球存儲巨頭已經展開激烈競爭。SK海力士已與閃迪（SanDisk）聯手推動HBF的標準化，試圖搶占生態主導權。三星電子則在推進下一代HBM4E的同時，也加大了對NAND架構的投入。金正浩認為，這場競爭與HBM早期發展階段高度相似，提前投入并掌握核心技術的企業將贏得未來。他特別強調，未來十年的勝負將由HBM和HBF共同決定，而真正決定最終格局的，將是HBF。
金正浩預計，HBF的工程樣品將在2027年前后出現，最早到2028年，谷歌、英偉達或AMD中的一家將率先導入這一技術。屆時，計算架構的根本性轉移將拉開序幕。誰能率先構建起以HBM和HBF為核心的“內存中心計算”體系，誰就將主導AI時代的下一階段。而馬斯克計劃建設涵蓋封裝、內存和晶圓制造的大型工廠，也被金正浩視為對這一趨勢的精準判斷。
