Sandisk：从 NAND Flash 到 HBF 高带宽闪存的 AI 存储芯片企业
Sandisk 是全球重要的 NAND Flash 和闪存存储技术企业，也是人工智能时代值得重点关注的 AI Memory 企业之一。
与 SK hynix、Samsung 和 Micron 这些传统 HBM 厂商不同，Sandisk 的核心技术长期建立在 NAND Flash 之上。
但公司正在利用 NAND 的高容量和低单位成本优势，开发一种新的 AI 存储器——HBF，也就是 High Bandwidth Flash，高带宽闪存。
希望在 AI 推理市场建立介于传统 HBM 和 SSD 之间的新型存储层。
Sandisk 在 NAND Flash 领域拥有超过 30 年的技术积累，目前业务覆盖数据中心 SSD、客户端 SSD、嵌入式存储、存储卡、USB 闪存产品、NAND 晶圆和存储器组件等。
公司目前在全球拥有超过一万名员工，并把云计算、数据中心和人工智能基础设施作为重要增长市场。
Sandisk 已经重新成为独立公司
很多人过去会把 Sandisk 和 Western Digital，也就是西部数据联系在一起，这是因为 Sandisk 曾经长期属于 Western Digital。这一情况已经发生变化。
2025 年 2 月，Sandisk 正式完成从 Western Digital 分拆，再次成为一家独立上市公司，并以股票代码 SNDK 在美国 Nasdaq 纳斯达克交易。
分拆以后，Western Digital 主要集中于 HDD 机械硬盘业务，而 Sandisk 则集中于 NAND Flash、SSD 和先进闪存技术。
这次分拆对于 Sandisk 的意义非常大，因为公司可以更加集中资源发展 NAND、数据中心 SSD 和下一代 AI Memory，而不再同时管理传统机械硬盘业务。
因此现在介绍 Sandisk 时，更准确的说法是：
Sandisk 是一家独立的全球闪存半导体和先进存储技术企业。
Sandisk 的核心是 NAND Flash
Sandisk 最重要的技术基础是 NAND Flash。
NAND Flash 是一种非易失性存储器，也就是说，即使设备关闭电源，其中的数据仍然可以保存。
这与 DRAM 和 HBM 不同，DRAM 和 HBM 主要作为工作内存使用，断电以后数据通常会消失。
SSD 固态硬盘、手机存储、USB 闪存盘、存储卡以及大量数据中心存储设备，内部都大量使用 NAND Flash。
随着 AI 模型越来越大，需要保存的数据越来越多，NAND 在人工智能基础设施中的地位正在迅速提高。
训练和运行大型 AI 模型需要保存模型参数、训练数据、向量数据库、Checkpoint、中间数据、视频、图片和用户生成数据，因此现代 AI 数据中心不仅需要 GPU 和 HBM，也需要数量巨大的 NAND Flash 和高性能 SSD。
Sandisk 与 Kioxia 的长期合作
Sandisk 的 NAND 产业布局有一个非常重要的特点，就是它与日本 Kioxia 铠侠保持长期合作。
两家公司已经合作超过 25 年，共同开发和制造先进 NAND Flash，并在日本四日市和北上等生产基地进行大规模生产。
双方在 2026 年再次延长合作协议，使相关合资框架延续到 2034 年。
2026 年 7 月，Kioxia 和 Sandisk 又宣布在日本北上工厂 Fab2 开始生产第十代 3D Flash Memory。
这一代产品采用 CBA，也就是 CMOS directly Bonded to Array 技术，通过将控制逻辑和 NAND Memory Array 分别制造，再进行晶圆级结合，提高性能、容量和功耗效率。
2026 年 8 月，两家公司还宣布计划继续在日本投入超过 310 亿美元，用于先进 NAND 和相关生产基础设施，以满足 AI 和数据中心快速增长带来的存储需求。
什么是 3D NAND
早期 NAND Flash 主要在芯片平面上排列存储单元，但随着存储密度越来越高，仅仅缩小平面结构会越来越困难。
3D NAND 的办法，是把大量存储单元向垂直方向堆叠。
可以简单理解为，过去存储单元像一排平房，现在则变成很多层高楼。
通过增加垂直层数，就可以在相同芯片面积中放入更多数据，同时继续提高容量、降低单位容量成本。
Sandisk 和 Kioxia 长期共同开发 BiCS 3D Flash 技术，这成为 Sandisk SSD 和下一代 HBF 的重要技术基础。
AI 带来的“Memory Wall”
人工智能正在遇到一个越来越明显的问题，叫作 Memory Wall，也就是“内存墙”或者“存储器瓶颈”。
GPU 和 AI 加速器的计算能力提高得非常快，但处理器必须不断从存储器读取模型参数。
如果数据不能足够快地送到 GPU，即使 GPU 有大量计算单元，也只能等待。
HBM 就是为了解决这个问题而快速发展。
HBM 是 High Bandwidth Memory，也就是高带宽存储器。它通过多层 DRAM 堆叠和非常宽的数据接口，为 GPU 提供极高的数据带宽。
但 HBM 也有明显限制。
它速度非常快，但容量相对有限，而且成本高，制造和先进封装也非常复杂。
当大型语言模型发展到数百亿甚至数千亿参数以后，仅靠 HBM 容量越来越难保存全部模型参数。
于是 Sandisk 提出了另外一个方向：HBF。
什么是 HBF 高带宽闪存
HBF 是 High Bandwidth Flash 的缩写，中文可以称为“高带宽闪存”。
这是 Sandisk 在 AI Memory 领域最值得关注的新技术之一。
HBF 的基本思想，是把传统 NAND Flash 从主要承担“大容量低速存储”的角色，进一步提高到能够直接为 AI 加速器提供高带宽数据的存储层。
可以简单理解为：
HBM 追求极高速度。
SSD 追求大容量。
HBF 则希望同时获得较高带宽和超大容量。
Sandisk 的第一代 HBF 设计目标是每个 16 层堆栈达到 512GB 容量，同时提供约 1.6TB/s 的读取带宽，而且物理尺寸、堆栈高度和功耗目标接近 HBM4。
512GB 是一个非常重要的数字。
目前单个传统 HBM 堆栈通常只有几十 GB，而一个 Sandisk HBF 堆栈的目标容量达到数百 GB。
这意味着未来一颗 AI 加速器周围如果安装多个 HBF Stack，就有可能直接获得数 TB 的近处理器存储容量。
HBF 为什么特别适合 AI 推理
HBF 并不是想简单替代所有 HBM。
它最重要的目标市场之一是 AI Inference，也就是 AI 推理。
AI Training，也就是训练，需要频繁更新模型参数，因此对读写性能要求非常高。
而 AI 推理的情况不同。
一个模型训练完成以后，大量运行时间主要是反复读取模型参数，然后根据用户输入生成结果。
例如一个拥有几千亿参数的大语言模型，在回答用户问题时，需要不断从存储器读取大量模型权重。
这里的核心问题变成 需要非常大的容量，同时需要足够高的读取带宽。这恰好是 HBF 希望解决的问题。
Sandisk 表示，其 HBF 设计目标就是针对 AI 推理中不断增加的内存容量、带宽、功耗和成本压力。
HBF 和 HBM 有什么不同
HBM 和 HBF 名字非常相似，但内部使用的存储技术完全不同。
HBM 的基础是 DRAM。
HBF 的基础是 NAND Flash。
DRAM 最大的优势是速度快，但是容量成本较高，而且数据需要持续刷新。
NAND 的优势是容量大、单位容量成本低，而且属于非易失性存储器，断电以后仍然能够保存数据。
过去 NAND 的最大问题是速度远低于 DRAM，因此主要用于 SSD，而不是作为 GPU 附近的高速内存。
HBF 希望通过大量并行 I/O、先进 NAND 架构、3D 堆叠以及新的控制逻辑，大幅提高 NAND 的数据带宽。
因此 HBF 并不是“更快的 SSD”。
它实际上试图建立一种新的 Near-Compute Memory，也就是靠近计算芯片的大容量存储层。
HBF 可以与 HBM同时存在
未来 AI 加速器并不一定只能选择 HBM 或者 HBF。
一个非常可能出现的架构，是两者同时使用。
例如：
少量 HBM 保存需要频繁访问和修改的数据。
大量 HBF 保存模型权重等主要用于读取的数据。
更大的数据再保存到 NVMe SSD。
这样就形成新的 AI Memory Hierarchy，也就是人工智能存储层次结构。
最靠近 GPU 的 HBM 提供最高速度。
HBF 提供非常大的近计算容量。
SSD 则承担更大规模、成本更低的数据存储。
这种体系可能比全部使用昂贵 HBM 更适合超大模型推理。
第一代 HBF 的目标
Sandisk 公布的第一代 HBF 目标参数已经非常值得关注。
第一代 HBF 使用 256Gb NAND Die，通过 16 层堆叠形成约 512GB 容量，并计划提供约 1.6TB/s 的读取带宽。
Sandisk 还提出后续 HBF Gen 2 和 Gen 3 路线。
第二代 HBF 的初步目标读取带宽超过 2TB/s，而第三代计划超过 3.2TB/s，未来单个 HBF Stack 的容量目标还可能达到 1TB甚至 1.5TB。
如果这些路线能够真正量产，HBF 将与传统 NAND SSD 形成完全不同的产品类别。
Sandisk 与 SK hynix 推动 HBF 标准化
HBF 如果只由 Sandisk 一家公司使用，很难形成完整产业生态。
因此 Sandisk 正在积极推动 HBF 标准化。
2026 年 2 月，Sandisk 与 SK hynix 宣布通过 Open Compute Project，也就是 OCP，建立专门工作组，共同推动 HBF 标准化。
到了 2026 年 8 月，两家公司已经发布第一份 HBF 技术规范。
Google 和 AI 芯片企业 Tenstorrent 也加入这一标准化工作，参与 HBF 技术验证和相关规范制定。
这点非常重要。
因为 HBF 如果得到 GPU、AI 加速器、云计算企业和存储器制造商共同支持，就有机会从 Sandisk 自己的一项技术发展为一个真正的产业标准。
CBA 是 HBF 的重要基础
HBF 背后还有一个重要技术叫 CBA。
CBA 是 CMOS directly Bonded to Array 的缩写。
传统 NAND 芯片中的存储阵列和外围控制电路通常存在于同一整体结构中，而 CBA 可以分别优化 NAND Memory Array 和 CMOS 控制逻辑，再通过先进晶圆结合技术连接。
这样可以让控制电路采用更加适合高速运行的设计，同时让 NAND 阵列继续提高存储密度。
对于普通 SSD，这可以提高 NAND 性能。
对于 HBF，它更加重要，因为 HBF 需要远高于普通 NAND 的并行数据传输能力。
Sandisk 正是利用 CBA、先进 3D NAND 和多层芯片堆叠，尝试把 NAND 带宽提升到接近高性能 AI Memory 的水平。
QLC 3D Flash 与 AI 数据中心
除了 HBF，Sandisk仍然继续发展传统 NAND。
2026 年 8 月，Sandisk 与 Kioxia 发布新一代 2Tb QLC 3D Flash 技术，专门强调 AI 和数据密集型应用。
QLC 是 Quad-Level Cell 的缩写，也就是一个 NAND 存储单元可以保存四个 Bit 的数据。
QLC 最大优势是容量密度非常高，因此特别适合大规模数据存储。
AI 数据中心需要保存极其庞大的训练数据、模型文件、视频、向量数据库和推理数据，所以高容量 QLC SSD 很可能成为未来 AI Storage 的重要组成部分。
企业级 SSD
Sandisk 的另一个重要 AI 产品方向是 Enterprise SSD，也就是企业级固态硬盘。
企业级 SSD 和消费级 SSD 的需求并不相同。
数据中心 SSD 往往需要每天持续运行，同时处理大量读写请求，因此对于可靠性、耐久性、延迟、容量和功耗都有更严格要求。
随着 AI 推理增加，SSD 还需要承担 KV Cache、模型数据加载和大规模数据湖等新型工作负载。
Sandisk 在 2026 年展示的 AI 数据中心路线已经包括面向 KV Cache 工作负载的高耐久 SSD、未来 PCIe Gen 6 SSD，以及大容量 E3.S 企业级 SSD。
什么是 KV Cache
KV Cache 是大型语言模型推理过程中非常重要的一类临时数据。
KV 是 Key 和 Value 的缩写。
Transformer 模型在生成文本时，会不断保存此前 Token 计算产生的一部分中间结果，这样生成下一个 Token 时不需要从头重新计算。
这些保存下来的数据就是 KV Cache。
用户对话越长、模型越大、同时运行的用户越多，KV Cache 占用的存储空间就越大。
过去 KV Cache 主要放在 HBM 或 DRAM 中，但当 AI 服务同时面对数百万用户以后，全部使用昂贵 HBM 可能成本非常高。
因此 NAND SSD 也正在开始承担部分 AI Cache 工作负载。
这也是为什么 Sandisk 把 AI 推理视为 NAND 的一个重要增长市场。
HBF 与 SSD 之间的区别
虽然 HBF 和 SSD 都使用 NAND Flash，但它们的设计完全不同。
SSD 通常通过 PCIe 和 NVMe 接口连接服务器。
数据需要经过 SSD Controller，再经过 PCIe，然后到 CPU 或 GPU。
HBF 则希望直接放在 AI Accelerator 附近，以类似 HBM Stack 的形式提供非常宽的并行接口。
因此从系统结构上看：
SSD 更像“大容量外部存储”。
这也是为什么 Sandisk 把 HBF 称为 Memory Technology，而不只是 Storage Product。
Sandisk 在 AI Memory 市场的位置
如果把主要 AI Memory 企业按照技术路线分类，Sandisk 与 SK hynix、Samsung 和 Micron 有明显不同。
SK hynix、Samsung 和 Micron 的主要优势是 DRAM 和 HBM。
Sandisk 的主要优势则是 NAND Flash、3D NAND、SSD 和未来 HBF。
因此 Sandisk 并不是当前传统 HBM 三强之一。
但是如果未来 AI Memory 从单纯的 HBM 向多层存储体系发展，Sandisk的重要性可能明显增加。
尤其是在 AI Inference 市场，模型容量增长速度可能比 GPU 周围 HBM 容量增长速度更快。
如果 HBF 能够把数百 GB甚至 TB 级别 NAND 放到靠近 GPU 的位置，同时保持 TB/s 级别带宽，就可能形成一个全新的 AI Memory 市场。
为什么 Sandisk 值得关注
Sandisk 值得关注的核心原因，不只是它是一家大型 NAND 厂商，而是公司正在尝试重新定义 NAND 在计算机存储体系中的位置。
过去 NAND 的位置通常是：
未来 Sandisk希望增加一个新的层级：
GPU / AI Accelerator → HBM → HBF → SSD。
甚至某些针对推理优化的系统可能变成：
GPU / AI Accelerator → HBF → SSD。
如果这种架构成功，AI Memory 市场就不再只是 SK hynix、Samsung 和 Micron 的 HBM 竞争，也会加入 Sandisk、Kioxia 等拥有先进 NAND 技术的企业。
Sandisk 正从 Storage Company 走向 AI Memory Company
Sandisk过去在人们印象中更多是一家存储卡、USB 闪存盘和 SSD 企业。
但现在公司战略正在发生明显变化。
2026 年 Sandisk 已经明确把 AI 推理、高性能 NAND、HBF 和数据中心 SSD 作为重要增长方向。
公司在 2026 Investor Day 也把 HBF 列为未来关键技术之一，并表示围绕 HBF 的产业生态正在形成。
因此今天介绍 Sandisk，已经不能只把它理解为一家普通的 SSD 或闪存企业。
它正在从传统 Flash Storage Company，逐渐向 AI Memory and Storage Company 转变。
总结
Sandisk 是全球领先的 NAND Flash、SSD 和先进存储半导体企业。
2025 年从 Western Digital 分拆以后，Sandisk重新成为独立上市公司，并把更多资源集中到先进 NAND、数据中心和 AI Memory 市场。
公司的传统优势是 3D NAND 和企业级 SSD，而目前最值得关注的新方向是 HBF，也就是 High Bandwidth Flash 高带宽闪存。
HBF 使用 NAND 而不是 DRAM，通过 CBA、先进 3D NAND、宽 I/O 和多层堆叠，希望在接近 HBM 的物理封装和功耗范围内，提供远高于传统 HBM 的存储容量。
Sandisk 第一代 HBF 的设计目标是单个 16 层堆栈达到约 512GB 容量和 1.6TB/s读取带宽，后续产品路线还计划进一步提高到 TB 级容量和超过 3TB/s 的读取带宽。
2026 年，Sandisk 已经与 SK hynix 共同推动 HBF 标准化，并吸引 Google、Tenstorrent 等企业参与。
因此，在 AI 存储器产业中，Sandisk 最准确的定位不是传统 HBM 制造商，而是：
全球领先的 NAND Flash 企业，以及 HBF 高带宽闪存和下一代 AI Memory 的重要推动者。