Sandisk y SK hynix lanzan una especificación HBF abierta, pero la prueba de hardware viene después

Sandisk y SK hynix publicaron la primera especificación abierta de High Bandwidth Flash el 4 de agosto, solo seis meses después de lanzar su grupo de estandarización. El anuncio llegó a Google News con una promesa inusualmente concreta para una tecnología de memoria emergente: capacidades de hasta 512GB y un ancho de banda de hasta 3TB/s.

Esta combinación apunta a una brecha creciente dentro de los sistemas de IA. High Bandwidth Memory, o HBM, ofrece velocidad cerca de los procesadores, pero sigue estando limitada en capacidad. Las unidades de estado sólido proporcionan mucha más capacidad, aunque están demasiado lejos del procesador para muchas tareas de inferencia sensibles a la latencia.

High Bandwidth Flash, conocida como HBF, está diseñada para ocupar la capa intermedia entre ambas. Sandisk y SK hynix no proponen que la memoria flash NAND sustituya cada pila de HBM. Quieren que los sistemas utilicen HBM para los datos más activos y HBF para conjuntos de trabajo más grandes que aún requieren acceso rápido.

La especificación facilita a los diseñadores de procesadores evaluar esa arquitectura. No demuestra que HBF pueda ofrecer el rendimiento anunciado en hardware de producción. Por tanto, la verdadera competencia no es Sandisk contra SK hynix. Es la especificación abierta frente al trabajo de ingeniería y adopción que aún se requiere.

La especificación HBF convierte una idea de memoria en un objetivo compartido

El lanzamiento ofrece a los equipos de procesadores, empaquetado y software un objetivo común de diseño para HBF, pero no entrega un producto terminado.

SK hynix anunció la especificación junto con Sandisk en FMS 2026, en Santa Clara, California. El evento se celebra del 4 al 6 de agosto y se centra en tecnologías de memoria y almacenamiento.

Las empresas publicaron el trabajo a través del Open Compute Project, u OCP, una organización del sector centrada en infraestructura abierta para centros de datos. Esa elección importa porque HBF necesita participación más allá de dos proveedores de memoria.

Según el anuncio de la especificación HBF, el diseño inicial admite dos configuraciones físicas. Una pila de ocho dies ofrece una opción, mientras que una pila de 16 dies admite la mayor capacidad anunciada.

La especificación cubre capacidades de hasta 512GB. También define tres niveles de rendimiento, con un ancho de banda aproximado de entre 0.4TB/s y 3TB/s.

Estos niveles permiten a los diseñadores de sistemas adaptar las implementaciones de HBF a distintos requisitos de carga de trabajo y coste. Un nivel inferior podría respaldar tareas de inferencia menos exigentes sin obligar a todos los diseños a adoptar el encapsulado más complejo.

El lanzamiento también aborda características eléctricas, fiabilidad del encapsulado, conexiones con procesadores y directrices de entrada y salida de software. Estos detalles llevan a HBF más allá de un concepto de presentación y la acercan a algo que los equipos de ingeniería pueden revisar.

La conexión con el procesador utiliza Universal Chiplet Interconnect Express, o UCIe. UCIe es una interfaz abierta a nivel de encapsulado que conecta dies de semiconductores independientes dentro de un sistema.

Las especificaciones oficiales de UCIe cubren conexiones físicas, protocolos, comportamiento del software y pruebas de conformidad. El uso de esta interfaz reduce la necesidad de que HBF dependa de la conexión privada de un solo proveedor de procesadores.

También crea una vía para que HBF se conecte con CPU, GPU y otros aceleradores. Esa flexibilidad es fundamental para el argumento del estándar abierto, ya que la infraestructura de IA incluye más de una arquitectura de procesador.

Sin embargo, un estándar de interfaz no crea automáticamente interoperabilidad. Los proveedores aún necesitan controladores, métodos de encapsulado, firmware, controladores de dispositivo, políticas de gestión de memoria y pruebas de conformidad que funcionen en conjunto.

Es fácil perder esta distinción en un breve titular de Google News. Sandisk y SK hynix publicaron una especificación, no módulos HBF de disponibilidad general ni servidores de IA de producción.

Su rapidez sigue siendo notable. Sandisk y SK hynix anunciaron su alianza original de estandarización en agosto de 2025. Lanzaron el grupo de trabajo de OCP en febrero de 2026 y elaboraron esta primera especificación aproximadamente seis meses después.

Google y el desarrollador de procesadores de IA Tenstorrent participan ahora en el consorcio, según SK hynix. Su presencia aporta al proyecto información valiosa tanto desde el lado de las cargas de trabajo como del de los procesadores.

Ninguna de las dos empresas ha anunciado un sistema de producción validado que utilice la especificación. Ningún benchmark independiente ha establecido aún el ancho de banda, la latencia, la resistencia o el rendimiento energético de un dispositivo comercial conforme.

Por tanto, el documento abierto cambia lo que el sector puede debatir. En lugar de discutir una categoría de memoria indefinida, los ingenieros pueden examinar tamaños de pila, niveles de ancho de banda, interfaces, expectativas de encapsulado y requisitos de software.

Ese es el acontecimiento inmediato. La cuestión más amplia es por qué la inferencia de IA necesita otra capa de memoria.

Por qué la inferencia de IA está sometiendo a presión a HBM y las SSD

HBF existe porque la inferencia necesita cada vez más un acceso similar al de HBM para conjuntos de datos demasiado grandes como para mantenerse por completo en HBM.

El entrenamiento de IA recibe gran parte de la atención en infraestructura, pero la inferencia genera un problema de memoria distinto. El entrenamiento construye un modelo. La inferencia ejecuta repetidamente ese modelo para responder solicitudes, generar contenido, utilizar herramientas u operar un agente.

Un servicio desplegado puede necesitar pesos del modelo, datos de atención, tokens almacenados en caché, índices de recuperación y contexto de la aplicación. Mantener cada conjunto de datos activo en la memoria más rápida se vuelve difícil a medida que crecen los modelos y las cargas de trabajo simultáneas.

HBM coloca pilas de DRAM cerca de un procesador y las conecta mediante una interfaz amplia. Este diseño proporciona un ancho de banda elevado para aceleradores que deben mover rápidamente grandes cantidades de datos.

Sus ventajas no eliminan las limitaciones físicas. El espacio del encapsulado, la complejidad de fabricación, la energía, la capacidad y el suministro determinan cuánta HBM puede ubicarse junto a cada procesador.

Las SSD empresariales resuelven un problema diferente. Almacenan mucha más información con un menor coste por bit, y la memoria flash NAND retiene datos sin alimentación continua. Su ruta de almacenamiento convencional añade latencia y sobrecarga de software.

Esto deja una brecha arquitectónica. Algunos datos de inferencia no requieren la menor latencia posible de HBM, pero necesitan un acceso más rápido y directo que el que ofrece una ruta SSD convencional.

SK hynix describe HBF como una capa de apoyo mientras HBM sigue gestionando el trabajo que exige el mayor ancho de banda. Este modelo de memoria por niveles asigna los datos a distintas tecnologías según su frecuencia de acceso y necesidades de rendimiento.

Un modelo grande ofrece un escenario útil. Las partes utilizadas con mayor frecuencia podrían permanecer en HBM, mientras que los pesos menos activos se alojarían en HBF. Una SSD podría almacenar los datos que el sistema necesita con menor frecuencia.

El sistema movería entonces información entre niveles a medida que cambien las condiciones de la carga de trabajo. Este enfoque se asemeja a jerarquías de caché consolidadas, pero las capacidades, los requisitos de ancho de banda y los desafíos de encapsulado son mucho mayores.

El beneficio depende de las decisiones de ubicación. Si el software recupera repetidamente los datos equivocados desde un nivel más lento, los núcleos del procesador pueden esperar y el rendimiento general puede caer.

Por ello, HBF debe convertirse en algo más que memoria flash densa junto a un acelerador. El sistema circundante necesita controladores y software que predigan qué datos pertenecen a cada capa de memoria.

La IA agéntica refuerza esta presión. Un agente puede mantener historiales más largos, consultar conocimiento externo, llamar a herramientas de software y coordinar varias operaciones de modelos para una sola solicitud de usuario.

Estos flujos de trabajo crean conjuntos de trabajo más grandes y menos predecibles. También pueden mantener ocupada la infraestructura de inferencia durante períodos más largos que una sola solicitud y respuesta.

Para los desarrolladores, la pregunta no es si todas las aplicaciones necesitan HBF. La pregunta es si los futuros sistemas de inferencia necesitan un nivel intermedio que reduzca la costosa capacidad de HBM sin volver al almacenamiento convencional.

Para los compradores empresariales, la arquitectura de memoria puede afectar la utilización de los servidores, el tiempo de respuesta, el consumo energético y el número de modelos que caben en un sistema. Estos factores determinan los costes operativos incluso cuando los usuarios nunca ven los componentes subyacentes.

Los trabajadores del conocimiento también tienen un interés indirecto. Un contexto local más amplio y agentes más persistentes requieren infraestructura capaz de retener y recuperar datos de trabajo de forma eficiente.

Una base de conocimiento con capacidad de búsqueda enfrenta un problema de ubicación similar a nivel de aplicación. El material relevante debe llegar al modelo rápidamente sin cargar cada documento en la capa de contexto más rápida.

HBF aborda el lado del hardware de ese desafío más amplio. Intenta mantener más datos relacionados con el modelo lo suficientemente cerca del procesamiento para una inferencia práctica, sin tratar cada bit como datos HBM prémium.

Esto genera presión sobre los proveedores de procesadores, los operadores de nube y los proveedores de memoria. Cada grupo debe decidir si otro nivel mejora el sistema lo suficiente como para justificar una mayor complejidad de encapsulado y software.

La atención de Google News oculta la verdadera competencia: especificación frente a silicio

La especificación es lo bastante creíble como para atraer socios, pero solo el silicio funcional puede demostrar que HBF merece estar junto a los procesadores de IA.

Sandisk presentó por primera vez HBF como una arquitectura de memoria basada en NAND orientada a la inferencia. Su plan original contemplaba muestras iniciales de HBF durante la segunda mitad de 2026.

La empresa también esperaba muestras de los primeros dispositivos de inferencia que incorporaran HBF a principios de 2027. Estos objetivos se incluyeron en su comunicado de alianza de 2025.

La especificación de agosto de 2026 no confirma que se hayan cumplido esos hitos de muestras. Establece el marco técnico que los posibles productos deberían seguir.

El concepto de primera generación de Sandisk apunta a 1.6TB/s de ancho de banda de lectura y 512GB en una pila de 16 dies. Se prevé que las generaciones posteriores superen los 2TB/s y alcancen finalmente 3.2TB/s.

Estas cifras proceden de la propia ficha técnica de HBF de Sandisk. Siguen siendo objetivos de la empresa, no mediciones independientes de sistemas comerciales.

La ficha también indica que una configuración HBF simulada se situó a un 2.2 por ciento de un modelo HBM de capacidad ilimitada en una prueba concreta. La carga de trabajo utilizó pesos de ocho bits del modelo Llama 3.1 405B.

Este resultado requiere una interpretación cuidadosa. Sandisk se basó en pruebas internas y simulación, y la comparación asumía una capacidad HBM ilimitada. Los productos reales se enfrentarán a capacidad finita, límites térmicos, comportamiento del software y tráfico de datos en competencia.

La memoria NAND también se comporta de forma diferente a la DRAM. Ofrece densidad y no volatilidad, pero por lo general conlleva mayor latencia de acceso y consideraciones de resistencia más estrictas.

El mayor tamaño de página de HBF puede complicar las cargas de trabajo que solicitan fragmentos pequeños y dispersos de datos. Mover bytes innecesarios consume ancho de banda y energía incluso cuando la tasa de transferencia del titular parece elevada.

La inferencia de modelos con muchas lecturas es un punto de partida plausible porque los pesos entrenados cambian menos que muchas otras estructuras de datos. Los usos con mayor intensidad de escritura ejercerían más presión sobre la gestión de resistencia.

El encapsulado plantea otra prueba. Una pila de 16 dies requiere fabricación consistente, control térmico, integridad de señal y un rendimiento de producción aceptable.

Un diseño puede funcionar en simulación y, aun así, volverse costoso al ensamblarse a gran escala. Los defectos de un componente pueden afectar la economía de todo un paquete avanzado.

Por eso la cifra de 512 GB es importante, aunque la capacidad útil es solo una parte del producto. Los compradores examinarán la distribución de latencia, el ancho de banda sostenido, la gestión de errores, la temperatura, la vida útil y el comportamiento bajo cargas de trabajo mixtas.

Los tres niveles de ancho de banda también plantean preguntas de implementación. La especificación identifica objetivos, pero los proveedores deben demostrar qué procesadores y paquetes pueden sostener cada nivel.

UCIe proporciona una base de interfaz abierta, no una garantía de que cualquier pila HBF se conecte con cualquier acelerador. Los programas de cumplimiento y los diseños de referencia determinarán cuánta interoperabilidad obtiene realmente el mercado.

Aquí es donde Google y Tenstorrent importan. Google aporta experiencia operando grandes servicios de IA y diseñando aceleradores personalizados. Tenstorrent puede comprobar si la interfaz funciona más allá del modelo de GPU dominante.

Su pertenencia al consorcio es una señal positiva de adopción. No equivale a un compromiso de compra, un anuncio de producto ni un despliegue.

La ausencia de un procesador de envío identificado sigue siendo la principal brecha de verificación. HBF necesita al menos una plataforma de acelerador con controlador, diseño de paquete, pila de software y un beneficio documentado en cargas de trabajo.

Sin esa integración, el estándar corre el riesgo de resultar técnicamente interesante pero comercialmente periférico. La industria de los semiconductores contiene muchas especificaciones que nunca lograron un uso amplio en producción.

Sandisk y SK hynix mejoran las probabilidades porque sus capacidades son complementarias. Sandisk aporta diseño NAND y arquitectura flash, mientras que SK hynix abarca NAND, DRAM, HBM, empaquetado y producción masiva.

Su asociación también reduce la impresión de que HBF sea simplemente un intento propietario de proteger a un único proveedor. La publicación a través de OCP invita a una revisión más amplia y a una posible participación.

Aun así, la apertura puede ralentizar las decisiones cuando las empresas discrepan sobre los detalles de implementación. Un ecosistema amplía su alcance al aceptar más participantes, pero el consenso y el trabajo de cumplimiento llevan tiempo.

La especificación ha superado el primer obstáculo institucional. La validación de silicio es lo siguiente, seguida de la validación del sistema, el soporte de software, la cualificación de clientes y la economía de producción.

Un titular puede presentar la publicación como una conclusión. Los mercados de hardware la consideran el inicio de una prueba más larga.

HBF complementa a HBM, y esa disyuntiva define su mercado

HBF solo gana si la capacidad adicional compensa sus costes de latencia e integración sin debilitar las cargas de trabajo que pretende respaldar.

Presentar HBF como un sustituto de HBM plantea la competencia equivocada. SK hynix la sitúa explícitamente entre HBM y los SSD, mientras que HBM conserva la responsabilidad del nivel de ancho de banda más exigente.

Esa distinción protege a la arquitectura de un estándar poco realista. La HBF basada en NAND no necesita superar a la DRAM en cada operación. Debe hacer útil un conjunto de memoria más grande con un rendimiento aceptable.

Sandisk dijo anteriormente que HBF podría ofrecer entre ocho y 16 veces la capacidad de HBM a un coste similar. La actual especificación abierta es más contenida: define configuraciones y niveles de rendimiento en lugar de demostrar esa afirmación económica.

La comparación de capacidad también cambiará con el tiempo. Los proveedores de HBM siguen aumentando la capacidad y el ancho de banda de las pilas, por lo que HBF compite frente a una referencia cambiante.

HBM se beneficia de soporte establecido para aceleradores y de la demanda de producción. Las hojas de ruta de procesadores, las inversiones en empaquetado, los controladores de memoria y las herramientas de software ya giran en torno a ella.

HBF parte sin esa base instalada. Su ventaja propuesta es la densidad, no la madurez.

Los SSD ejercen presión desde el otro lado. No pueden igualar un nivel de memoria integrado en el paquete, pero las mejoras en software e interconexión pueden hacer que el almacenamiento sea más útil para las cargas de trabajo de IA.

Los diseñadores de sistemas podrían decidir que una caché SSD mejorada ofrece un rendimiento suficiente con menor riesgo de integración. Otros podrían reservar grupos HBM más grandes para cargas de trabajo premium en vez de añadir un tercer nivel.

HBF debe superar esas alternativas a nivel de sistema completo. Un coste favorable por bit no ayuda si los controladores adicionales, el área del paquete, la refrigeración o el software eliminan el ahorro.

Las afirmaciones energéticas requieren una cautela similar. NAND retiene la información sin energía de refresco, lo que le da una ventaja estructural para los datos almacenados.

Sin embargo, el uso de energía también incluye movimiento de datos, corrección de errores, controladores y gestión térmica. La métrica relevante es la energía por inferencia completada, no la característica de potencia aislada de un componente.

La capa de gestión de memoria se vuelve decisiva. El software debe identificar los datos usados con frecuencia, colocarlos adecuadamente y moverlos antes de que el procesador se detenga.

Este requisito crea oportunidades para los proveedores de aceleradores y los operadores de nube. Ellos controlan la planificación, el comportamiento del compilador, el servicio de modelos y la telemetría que puede guiar la colocación.

También crea riesgo de dependencia. Una interfaz física abierta no garantiza que el software de nivel superior siga siendo portátil entre procesadores y proveedores de memoria.

Los desarrolladores necesitarán herramientas que expongan el comportamiento de HBF sin obligar a cada equipo de modelos a gestionar páginas manualmente. De lo contrario, solo los mayores operadores de infraestructura podrían obtener ganancias consistentes.

Es probable que las primeras cargas de trabajo atractivas compartan varias características. Serán intensivas en lectura, limitadas por capacidad, tolerantes a cierta latencia adicional y lo bastante importantes como para justificar hardware especializado.

El servicio de modelos grandes encaja en ese perfil. Los sistemas de recuperación, los modelos de recomendación y algunas aplicaciones multimodales también podrían beneficiarse cuando los datos activos superen la capacidad práctica de HBM.

No todas las tareas de IA lo hacen. Los modelos pequeños que caben cómodamente en la memoria existente ganan poco con otro nivel. Las aplicaciones sensibles a la latencia con patrones de acceso irregulares pueden preferir HBM pese a sus límites de capacidad.

El entrenamiento presenta un caso más difícil porque lee y escribe grandes estructuras de datos repetidamente. La narrativa inicial de HBF se centra en la inferencia por buenas razones.

Esta disyuntiva mantiene el anuncio con los pies en la tierra. HBF no elimina la jerarquía de memoria. Añade otro nivel y pide a los diseñadores de sistemas que gestionen esa jerarquía de forma más inteligente.

La estrategia más amplia de SK hynix refuerza esta visión. La empresa promueve una cartera que abarca HBM, DRAM convencional, NAND, SSD empresariales y capas de memoria emergentes.

Esa cartera puede reducir la competencia interna entre HBM y HBF. SK hynix puede respaldar la combinación que elijan los clientes, aunque la economía de cada producto seguirá influyendo en sus prioridades.

Sandisk tiene un incentivo distinto. Su concentración en flash convierte la inferencia de IA en una oportunidad para acercar NAND a la computación de alto valor.

La asociación alinea esos incentivos en torno a un estándar común. No elimina la competencia de Samsung, Micron, Kioxia, los proveedores de procesadores ni las arquitecturas de memoria alternativas.

La participación de competidores reforzaría HBF como categoría industrial. También podría debilitar la capacidad de Sandisk y SK hynix para diferenciar sus productos.

Esa es una tensión saludable para un estándar abierto. La adopción amplia suele requerir que los proveedores cedan cierto control a cambio de un mercado mayor.

Tres señales mostrarán si HBF avanza más allá del titular

La próxima evidencia debe proceder de muestras, compromisos de procesadores y cargas de trabajo medidas, no de otra presentación de especificaciones.

La primera señal es silicio HBF funcional vinculado a la nueva especificación. La hoja de ruta anterior de Sandisk situaba las muestras iniciales en la segunda mitad de 2026, lo que deja una ventana limitada para la ejecución.

Un anuncio útil de muestras debería identificar la capacidad, el nivel de ancho de banda, la configuración del paquete y el estado de las pruebas. También debería distinguir las muestras internas de ingeniería del hardware disponible para clientes.

Las pruebas independientes o de clientes reforzarían aún más el caso. La latencia medida, el ancho de banda sostenido, la potencia, la resistencia y la temperatura importan más que una cifra máxima de transferencia.

Si aparecen muestras conformes con el calendario, la especificación ganará credibilidad como base de producto. Un retraso sugeriría que el empaquetado, el comportamiento de NAND, los controladores o la fabricación siguen sin resolverse.

La segunda señal es un procesador o plataforma de nube identificados. Google y Tenstorrent participan en el consorcio, pero ni la participación ni las apariciones en paneles confirman una adopción comercial.

Un compromiso serio conectaría HBF con una hoja de ruta de procesador, un paquete de referencia, una placa de desarrollo o un despliegue en la nube. También identificaría cómo el software asigna los datos entre HBM y HBF.

Observe el soporte de controladores y las herramientas para desarrolladores junto con el hardware. Un dispositivo de memoria sin software de planificación, perfilado y colocación no puede ofrecer todo su beneficio a nivel de sistema.

Una plataforma comprometida no garantizaría un estándar industrial. Establecería que un diseñador de procesadores ve suficiente valor como para asumir el coste de integración.

Varios participantes de procesadores o nube respaldarían la tesis del ecosistema abierto. Una única implementación propietaria reduciría el papel de HBF y aumentaría la dependencia de un solo cliente.

La tercera señal es evidencia de cargas de trabajo bajo restricciones realistas. La simulación de Sandisk ofrece una hipótesis inicial, pero los sistemas de producción deben manejar HBM finita, solicitudes mixtas, límites térmicos y patrones de acceso cambiantes.

Los benchmarks deberían comparar configuraciones completas, no componentes aislados. Un sistema HBF necesita demostrar rendimiento, latencia, energía y coste frente a grupos HBM más grandes o alternativas respaldadas por SSD.

Las pruebas más informativas cubrirán la inferencia de modelos grandes con múltiples usuarios simultáneos. También deberían explicar la precisión del modelo, el tamaño de lote, la longitud de contexto, la política de caché y la utilización del procesador.

Un resultado favorable mostraría que HBF mantiene ocupadas las costosas unidades de cómputo mientras admite modelos activos más grandes. Reforzaría el argumento de la memoria por niveles a medida que escala la inferencia.

Los resultados débiles revelarían el coste de la latencia de NAND o del movimiento de datos. Podrían limitar HBF a usos más específicos donde la capacidad importe más que el tiempo de respuesta.

La publicación de la especificación a través de OCP proporciona a investigadores y posibles adoptantes una base compartida para esas evaluaciones. El lanzamiento del flujo de trabajo abierto también muestra que las empresas pretenden atraer un ecosistema en lugar de mantener HBF cerrado.

Los lectores que sigan la historia a través de Google News deberían distinguir cada hito futuro. Un miembro del consorcio, una muestra, un dispositivo integrado y un despliegue en producción representan niveles de evidencia muy diferentes.

Sandisk y SK hynix han completado la primera de esas etapas. Han definido una arquitectura abierta con objetivos claros de capacidad, ancho de banda, interfaz, empaquetado y software.

Ahora la carga pasa del documento de estándares a los equipos de ingeniería. Deben demostrar que HBF puede fabricarse de forma fiable, conectarse entre procesadores y gestionarse sin crear un nuevo y costoso cuello de botella.

El resultado importa más allá de dos empresas de memoria. Un hardware HBF exitoso daría a los diseñadores de sistemas de IA otra forma de equilibrar capacidad, ancho de banda, energía y coste.

El fracaso también ofrecería una lección útil. Mostraría que la brecha entre HBM y los SSD no puede cerrarse simplemente empaquetando NAND densa más cerca de la computación.

Por tanto, el próximo titular de Google News que merezca abrirse debería contener algo más que otra asociación. Busque silicio medible, un procesador identificado y un resultado de carga de trabajo que otra organización pueda examinar.

Hasta que lleguen esas señales, HBF es una propuesta inusualmente detallada con patrocinadores creíbles. Aún no es una capa probada en infraestructura de IA de producción.

Siga las muestras, las integraciones y los benchmarks en lugar del número de anuncios. ¿Qué proveedor de procesadores será el primero en demostrar que HBF abierto puede mejorar un sistema real de inferencia?