SK Hynix abre HBF con Google, aumentando la presión sobre sus rivales en memoria para IA
SK Hynix ha publicado la primera especificación abierta de HBF junto con Sandisk, llevando una pila de memoria de 512 GB y un objetivo de 3 TB/s a la cobertura de noticias de Google. El anuncio ofrece a los diseñadores de chips de IA una alternativa concreta entre la costosa memoria de alto ancho de banda y el almacenamiento de estado sólido más lento.
La especificación no sustituye a HBM, que sigue siendo esencial para alimentar aceleradores a la máxima velocidad. En cambio, High Bandwidth Flash, o HBF, añade un nivel basado en NAND de mayor capacidad cerca del procesador. Esa capacidad podría mantener los pesos de los modelos y los datos de inferencia más próximos al cómputo, reduciendo las transferencias repetidas desde SSD convencionales.
El conflicto pasa ahora de una propuesta técnica a una disputa por la adopción. Google y el diseñador de chips de IA Tenstorrent participaron en el esfuerzo de estandarización, según las compañías. Sin embargo, Nvidia, AMD, Samsung, Micron y otros grandes proveedores de semiconductores no se han comprometido públicamente con HBF.
La especificación HBF convierte una propuesta de memoria en una competencia abierta
SK Hynix y Sandisk han llevado HBF de una ambición compartida a una especificación que otras empresas pueden evaluar e implementar.
Los socios presentaron sus primeras especificaciones estándar de HBF durante la conferencia Future of Memory and Storage en California, el 4 de agosto de 2026. Publicaron el trabajo a través del Open Compute Project, una organización que desarrolla diseños de infraestructura abierta junto con operadores de nube y proveedores de hardware.
Esta decisión importa porque HBF necesita participación más allá de dos proveedores de memoria. Una interfaz propietaria exigiría a las empresas de procesadores aceptar la dependencia de un solo proveedor. Una especificación abierta ofrece a diseñadores de chips, empresas de empaquetado, desarrolladores de software y fabricantes de memoria competidores un punto de partida técnico común.
El diseño inicial admite configuraciones NAND de ocho y 16 matrices. En el extremo superior, un paquete puede ofrecer 512 GB de capacidad. Las clases de rendimiento van de unos 400 GB/s a 3 TB/s, según los detalles técnicos divulgados tras la presentación.
Estas cifras sitúan a HBF en un terreno poco familiar. Un SSD empresarial convencional puede ofrecer una enorme capacidad, pero se conecta mediante interfaces diseñadas para almacenamiento por bloques. HBM se sitúa junto a un acelerador y ofrece un ancho de banda mucho mayor, pero su capacidad es menor y su empaquetado sigue siendo costoso.
HBF intenta ocupar el espacio entre ambas. SK Hynix la describe como una nueva capa de memoria entre HBM y los SSD, diseñada específicamente para cargas de trabajo de inferencia. NAND aporta densidad y no volatilidad, mientras que el empaquetado apilado y las rutas de acceso paralelas aumentan el ancho de banda.
Los socios iniciaron el trabajo formal de estandarización antes de publicar estas especificaciones. En febrero, crearon una línea de trabajo dedicada dentro de OCP tras una reunión del consorcio en la sede de Sandisk en Milpitas. El plan de estandarización presentó HBF como infraestructura para una inferencia de IA escalable y consciente del consumo energético.
Por tanto, la divulgación de agosto representa un avance, no una invención inesperada. Traduce aquel marco inicial en requisitos de capacidad, ancho de banda, interfaz, electricidad, empaquetado, fiabilidad y software.
La especificación utiliza, según se informa, UCIe, o Universal Chiplet Interconnect Express, para conectar un paquete HBF con un procesador anfitrión. UCIe define una conexión común de matriz a matriz para chiplets ensamblados en un mismo paquete.
Esa interfaz es fundamental para la estrategia abierta. Un enlace común puede permitir que distintos procesadores se comuniquen con dispositivos HBF compatibles sin que cada combinación requiera una conexión completamente propietaria.
Sin embargo, un documento abierto no equivale a un mercado abierto. Los proveedores aún necesitan matrices fabricables, lógica base, capacidad de empaquetado, soporte de controladores, firmware, integración con sistemas operativos y clientes dispuestos a validar el sistema completo.
SK Hynix y Sandisk han creado la línea de salida. No han establecido al ganador.
Por qué la inferencia de IA necesita un nivel entre HBM y los SSD
El argumento más sólido a favor de HBF procede de cargas de trabajo de inferencia cuyos datos útiles ya no caben cómodamente dentro de la capacidad HBM de un acelerador.
El entrenamiento y la inferencia someten la memoria a exigencias diferentes. El entrenamiento actualiza repetidamente los parámetros del modelo y requiere un alto rendimiento entre muchos aceleradores. La inferencia atiende solicitudes desde un modelo ya entrenado, a menudo mientras gestiona pesos del modelo, datos de atención y cachés en crecimiento.
Una carga de trabajo importante es la caché de clave-valor, comúnmente abreviada como caché KV. Almacena información de atención generada mientras un modelo procesa una instrucción, lo que permite al sistema reutilizar cálculos anteriores durante la generación posterior de tokens.
Los contextos más largos y los usuarios concurrentes amplían esa caché. Los sistemas de recuperación también pueden mantener índices o embeddings considerables cerca de los aceleradores. Los grandes modelos de recomendación añaden otra clase de datos que se beneficia de una mayor capacidad cerca del cómputo.
HBM ofrece el ancho de banda que estos procesadores buscan, pero la capacidad no puede ampliarse sin límites. Cada pila adicional afecta al área del paquete, la energía, el enrutamiento de señales, el rendimiento de fabricación y el coste. Mover los datos excedentes a SSD introduce una mayor latencia y una ruta de acceso orientada al almacenamiento.
HBF propone un compromiso. Su clase más rápida se aproxima al territorio de ancho de banda asociado con los productos HBM actuales, mientras que su mayor capacidad especificada supera varias veces a una pila HBM típica.
Según un análisis de la especificación, una pila HBF de 512 GB se compara con aproximadamente 48 GB a 64 GB de una pila HBM4. Esa comparación no hace que ambas tecnologías sean intercambiables. NAND y DRAM tienen características distintas de latencia, resistencia, comportamiento de escritura y rendimiento.
La capacidad sigue cambiando el diseño del sistema. Un servidor que mantiene más datos del modelo dentro del paquete de su acelerador puede reducir el tráfico hacia el almacenamiento externo y la memoria anfitriona. Menos movimientos pueden mejorar la consistencia de la respuesta y reducir la energía dedicada al transporte de datos.
Esa distinción explica por qué el anuncio atrajo atención más allá de la agregación rutinaria de noticias de Google. La propuesta apunta a un cuello de botella cada vez más determinado por la ubicación de la memoria, no solo por la aritmética del procesador.
Sandisk lleva presentando este argumento desde 2025. Su informe técnico de HBF describía un concepto de primera generación con 1,6 TB/s de ancho de banda de lectura, 512 GB repartidos en 16 matrices y un perfil físico comparable al de HBM4.
Estas cifras eran objetivos del proveedor, no resultados de rendimiento independientes. La nueva especificación eleva el límite a 3 TB/s, pero los compradores aún necesitan mediciones de silicio con cargas de trabajo realistas.
El uso inicial más plausible no es la informática general. HBF se adapta a sistemas en los que los modelos o los datos de inferencia asociados superan la HBM disponible, pero aún necesitan un acceso considerablemente más rápido que el que ofrece un SSD.
Consideremos un servicio que ejecuta varios modelos grandes en una plataforma de aceleradores. El almacenamiento convencional puede contener todos los modelos, mientras que HBM puede atender el cómputo activo. HBF podría conservar un conjunto de trabajo más amplio cerca del procesador, reduciendo la frecuencia y la duración de los cambios de modelo.
Otro ejemplo corresponde a aplicaciones de contexto largo que atienden a muchos usuarios simultáneos. Sus cachés KV pueden competir con los pesos del modelo por la capacidad HBM. Colocar datos seleccionados en HBF podría preservar la escasa HBM para las operaciones más sensibles a la latencia.
La búsqueda vectorial ofrece una tercera posibilidad. Investigadores han explorado aceleradores asistidos por HBF para grandes búsquedas aproximadas de vecinos más cercanos, donde los índices grandes requieren un ancho de banda considerable. Este trabajo sigue siendo experimental, pero ilustra las cargas de trabajo que la capacidad de HBF podría abordar.
El software determinará si estos escenarios funcionan. Los desarrolladores necesitan reglas predecibles para decidir qué permanece en HBM, qué pasa a HBF y qué recurre a SSD. Una mala ubicación podría eliminar el beneficio mediante transferencias innecesarias.
Por eso, HBF debe entenderse como parte de una jerarquía. HBM sigue siendo el nivel de trabajo más rápido. HBF aporta una reserva mayor cerca del cómputo. Los SSD proporcionan capacidad persistente económica fuera del paquete.
El mecanismo parece sencillo, pero la gestión coordinada de la memoria es difícil. El hardware debe exponer los niveles con claridad, mientras que los compiladores y los sistemas de ejecución deben comprender su latencia, ancho de banda, resistencia y capacidad.
Para los compradores de infraestructura, la cuestión práctica no es si 512 GB parecen impresionantes. Es si HBF aumenta los tokens por segundo, admite más solicitudes concurrentes o reduce la energía por token después de contabilizar todos los costes del sistema.
El interés de Google News aumenta la presión sobre el sector establecido de memoria para IA
La participación de Google aporta a HBF un evaluador influyente, pero el amplio respaldo de los proveedores sigue siendo el ingrediente más importante que le falta al estándar.
SK Hynix y Sandisk son defensores naturales de HBF. Ambas comprenden la fabricación de memoria, el empaquetado y el almacenamiento para centros de datos. Su interés comercial también es claro: el crecimiento de la inferencia crea una oportunidad para vender productos basados en NAND de mayor valor.
Google aporta una perspectiva diferente. Diseña unidades de procesamiento tensorial, opera enormes servicios de IA y gestiona infraestructura a una escala que pocas organizaciones pueden igualar. Su implicación indica que al menos un hyperscaler ve suficiente valor como para ayudar a dar forma a la especificación.
Eso no significa que Google se haya comprometido a desplegar HBF. La participación puede incluir evaluación técnica, orientación sobre cargas de trabajo o desarrollo de interfaces sin garantizar un pedido comercial.
Tenstorrent añade otra voz útil. La empresa desarrolla procesadores de IA en torno a chiplets e ideas de arquitectura abierta, lo que hace que un nivel de memoria abierto cercano al cómputo sea relevante para su estrategia de diseño. También tiene mucho menos poder de mercado que Nvidia.
Juntas, Google y Tenstorrent proporcionan al consorcio tanto la perspectiva de un comprador potencial como la de un diseñador de procesadores. Aun así, dos participantes visibles no conforman un ecosistema de suministro completo.
Los nombres ausentes son significativos. Nvidia controla gran parte del mercado de aceleradores. AMD vende GPU y CPU competidoras. Broadcom y Marvell fabrican silicio personalizado para clientes de nube. Samsung y Micron compiten en memoria, mientras que Intel y Qualcomm abarcan procesadores, aceleradores y plataformas.
Ninguna había respaldado públicamente el esfuerzo de HBF cuando apareció la primera especificación. Su ausencia no demuestra oposición. Las empresas suelen evitar respaldar un estándar temprano hasta que los calendarios de productos, los requisitos de los clientes y las compensaciones técnicas quedan más claros.
Sin embargo, el silencio crea un riesgo para los desarrolladores. Si solo un pequeño número de procesadores admite HBF, resulta más difícil justificar la inversión en software. Si solo dos proveedores de memoria lo fabrican, los compradores podrían seguir preocupados por la diversidad del suministro.
Los estándares abiertos tienen éxito cuando los participantes creen que la compatibilidad crea un mercado mayor que el control propietario. Tienen dificultades cuando los principales proveedores pueden lograr mejores resultados económicos mediante interfaces internas o hojas de ruta de productos existentes.
Nvidia, por ejemplo, puede coordinar aceleradores, interconexiones, sistemas y software. Podría decidir que una mayor capacidad HBM, una mejor agrupación de memoria o un almacenamiento estrechamente integrado atienden a sus clientes sin adoptar HBF.
Los proveedores de memoria enfrentan otro cálculo. Samsung y Micron ya invierten mucho en HBM. Respaldar HBF ampliaría el mercado potencial para NAND de alto rendimiento, pero también podría introducir otro producto complejo y otro requisito de empaquetado.
SK Hynix ocupa una posición inusual porque ya es un proveedor líder de HBM. Promover HBF no necesariamente perjudica ese negocio. Un sistema jerárquico puede utilizar ambos productos, lo que expone a la empresa a dos niveles valiosos de memoria.
El interés de Sandisk está más directamente ligado a NAND. La empresa quiere acercar la memoria flash a los procesadores y captar una mayor parte del gasto en infraestructura de IA. Su anterior hoja de ruta de HBF apuntaba a muestras de memoria en la segunda mitad de 2026 y a muestras de dispositivos de inferencia impulsados por HBF a principios de 2027.
Ese calendario presiona al consorcio para convertir rápidamente el papeleo en hardware. Cada retraso da a los competidores más tiempo para mejorar la capacidad de HBM, la expansión de memoria basada en CXL, la descarga hacia SSD y el almacenamiento en caché por software.
CXL, o Compute Express Link, ofrece a los procesadores una conexión coherente con dispositivos de expansión de memoria. Aborda un problema de capacidad relacionado, aunque su topología y rendimiento difieren de un paquete HBF apilado junto al procesador.
Las rutas de datos al estilo DirectStorage, el almacenamiento computacional y los dispositivos NVMe avanzados también compiten por partes de la misma carga de trabajo. Estos enfoques mantienen grandes conjuntos de datos más lejos del acelerador, pero pueden mejorar la eficiencia de transferencia.
Por tanto, la competencia principal no es SK Hynix contra un solo rival. Es HBF abierto frente a jerarquías de memoria consolidadas construidas con HBM, memoria del host, CXL y SSD.
La visibilidad en las noticias de Google ayuda a atraer atención hacia esa competencia. Los compromisos de ingeniería importarán mucho más que los titulares.
El objetivo de 3 TB/s todavía debe sobrevivir al hardware real
La capacidad de HBF resulta creíble como ventaja de NAND, pero sus afirmaciones sobre ancho de banda, latencia, resistencia, consumo y software siguen sin demostrarse a escala de producción.
La especificación define qué deberían hacer los productos compatibles. No demuestra que SK Hynix o Sandisk puedan fabricar esos productos de forma económica, a volumen y con un rendimiento consistente.
Una pila de 16 matrices introduce complejidad de encapsulado. Cada matriz necesita un acceso paralelo sustancial, mientras que el paquete requiere una matriz base capaz de coordinar el tráfico hacia el procesador host. El calor debe disiparse sin superar el presupuesto energético del sistema.
Alcanzar 3 TB/s también exige más que una interfaz rápida. Las matrices NAND deben proporcionar suficiente paralelismo interno, el controlador debe programar las solicitudes de manera eficiente y el software debe mantener cargas de trabajo adecuadas para un alto rendimiento de lectura.
NAND tiene fortalezas importantes. Conserva los datos sin alimentación y ofrece una densidad mucho mayor que DRAM. También presenta una latencia de acceso más lenta y una resistencia de escritura limitada en comparación con DRAM.
Estas diferencias influyen en qué datos pertenecen a HBF. Los pesos de modelos con predominio de lectura parecen más adecuados que los datos de trabajo actualizados con frecuencia. El comportamiento de la caché KV requiere un examen más detallado porque los sistemas crean y modifican continuamente entradas de caché durante la inferencia.
El rendimiento puede variar según el patrón de acceso. Un proveedor podría alcanzar un ancho de banda secuencial impresionante y, al mismo tiempo, ofrecer resultados más débiles en lecturas pequeñas e irregulares. Las cargas de trabajo de IA pueden implicar tanto flujos predecibles como consultas dispersas.
Por ello, las primeras pruebas independientes deberían informar más que el rendimiento máximo. Los compradores necesitan distribuciones de latencia, comportamiento de lectura aleatoria, rendimiento de escritura, limitación térmica, tasas de error, resistencia y energía por byte transferido.
También necesitan mediciones a nivel de sistema. Tokens por segundo, tiempo hasta el primer token, capacidad de usuarios simultáneos y energía por token conectan el comportamiento de la memoria con los resultados empresariales.
Un análisis de la especificación técnica señaló que el diseño incluye requisitos eléctricos, de interfaz, encapsulado, fiabilidad y E/S de software. También destacó el reto de extraer incluso 400 GB/s de un paquete de 512GB.
Esa cifra menor es importante. El estándar ofrece varias clases de rendimiento, por lo que el límite de 3 TB/s no debería convertirse en una referencia abreviada para todos los futuros dispositivos HBF.
Las configuraciones de capacidad también requieren un tratamiento cuidadoso. Un paquete de 512GB representa el extremo superior de la especificación, no una promesa de que cada muestra inicial entregará esa cantidad al máximo ancho de banda.
El calendario de comercialización sigue siendo otra incertidumbre. Sandisk había previsto anteriormente muestras de memoria HBF durante 2026 y dispositivos que utilizaran HBF a principios de 2027. El anuncio de la especificación no sustituyó públicamente ese calendario.
Una cautelosa evaluación de comercialización describió la solución actual como existente sobre el papel mientras los proveedores preparan muestras. Esa distinción debería orientar las expectativas.
El muestreo es solo un hito inicial. Los clientes deben probar la funcionalidad, integrar controladores y entornos de ejecución, homologar el encapsulado, validar la fiabilidad y decidir si el rendimiento justifica nuevos diseños de sistemas.
La economía de producción podría convertirse en el factor decisivo. HBF utiliza NAND, pero no es un paquete estándar de memoria flash de consumo masivo. Las matrices especializadas, la lógica, las conexiones de alta densidad y el ensamblaje avanzado añaden costes.
Si el dispositivo terminado se acerca al precio de HBM sin igualar el comportamiento de HBM, su ventaja de capacidad quizá no sea suficiente. Si proporciona varias veces más capacidad a un coste de sistema convincente, los diseñadores de aceleradores obtendrán una nueva opción significativa.
El consumo energético crea una disyuntiva similar. Mantener los datos cerca del cómputo puede reducir la energía empleada para moverlos desde SSD. Sin embargo, las interfaces amplias, el acceso NAND paralelo y los controladores complejos también consumen energía.
El consorcio debe demostrar ahorros netos con tráfico de inferencia real. Las estimaciones de los proveedores por sí solas no resolverán ese cálculo.
La madurez del software presenta el riesgo menos visible. Un procesador puede conectarse técnicamente a HBF mientras las aplicaciones no logran utilizarlo de forma eficaz. La asignación de memoria, el almacenamiento en caché, la expulsión, el movimiento de datos y la observabilidad requieren soporte nuevo.
Los operadores de nube tienen experiencia gestionando niveles complejos de almacenamiento, pero la memoria heterogénea a nivel de paquete cambia el problema de optimización. Los desarrolladores necesitan herramientas que expongan el beneficio sin obligar a cada equipo de aplicaciones a gestionar manualmente regiones de memoria individuales.
Los entornos de ejecución de código abierto podrían reducir esta carga. Las herramientas compartidas también ayudarían al estándar a atraer adoptantes más allá de los hyperscalers capaces de desarrollar software personalizado.
Hasta que lleguen esas piezas, HBF sigue siendo una arquitectura creíble con una historia de producto incompleta. La distinción importa para inversores, compradores y desarrolladores que siguen la cobertura de las noticias de Google sobre el anuncio.
Qué observar tras el anuncio de Open HBF
Tres señales determinarán si HBF se convierte en un nivel de memoria para IA o sigue siendo una especificación atractiva sin un mercado amplio.
La primera señal es el silicio funcional. SK Hynix y Sandisk deben proporcionar muestras HBF con capacidad, ancho de banda, latencia, consumo, resistencia y comportamiento térmico divulgados.
Una muestra que se aproxime a los objetivos publicados en cargas de trabajo realistas reforzaría el caso de HBF. Una demostración limitada que utilice lecturas secuenciales favorables dejaría sin resolver la cuestión central del rendimiento.
El calendario también importa. La hoja de ruta comunicada anteriormente por Sandisk situaba las muestras iniciales en la segunda mitad de 2026. Cumplir esa ventana demostraría que la estandarización y la ingeniería de producto avanzaron en paralelo.
La segunda señal es la adopción por parte de procesadores. Google y Tenstorrent ayudaron a dar forma al esfuerzo, pero los observadores deberían estar atentos a una hoja de ruta de aceleradores, una placa prototipo o una prueba de inferencia descrita públicamente que utilice HBF.
Un despliegue de Google tendría un peso particular porque la empresa controla tanto modelos de IA como procesadores personalizados. Incluso una prueba limitada podría proporcionar datos de carga de trabajo creíbles que no están disponibles en el laboratorio de un proveedor de memoria.
Tenstorrent podría ofrecer un punto de prueba distinto. Su arquitectura orientada a chiplets puede mostrar cómo una empresa independiente de procesadores integra HBF mediante UCIe sin depender de una pila cerrada de proveedores.
La validación más sólida sería que otra gran empresa de procesadores o nube se uniera a la especificación. El apoyo de AMD, Broadcom, Marvell, Microsoft, Meta o Amazon reduciría el riesgo de que HBF quede ligado a un grupo pequeño.
La tercera señal es el software y la economía. Los compradores necesitan soporte de entornos de ejecución que trate HBF como parte de una jerarquía gestionable, en lugar de como un dispositivo de almacenamiento controlado manualmente.
Esté atento a funciones de compiladores, políticas de colocación de memoria, cambios en el sistema operativo, integraciones con marcos de inferencia y herramientas de monitorización. Estos lanzamientos revelarán si el ecosistema se prepara para el despliegue en lugar de limitarse a revisar una especificación.
La evidencia económica debe seguir. Las métricas relevantes incluyen tokens por segundo por servidor, sesiones simultáneas, energía por token y el coste de alojar un modelo con un nivel de servicio definido.
El ancho de banda bruto no puede responder a esas preguntas. La capacidad por sí sola tampoco.
La comparación debería incluir sistemas existentes que utilicen configuraciones HBM más grandes, memoria del host, expansión CXL y descarga optimizada hacia SSD. HBF solo se gana un lugar si su rendimiento y capacidad combinados mejoran la plataforma de inferencia completa.
Para los desarrolladores, el anuncio es un motivo para examinar más de cerca el uso de memoria. La optimización de modelos depende cada vez más de dónde residen los pesos, las cachés, los índices de recuperación y los datos intermedios.
Los equipos que evalúan futura infraestructura de IA deberían registrar ahora esas características de carga de trabajo. Una base de conocimientos técnica con búsqueda puede ayudar a los ingenieros a comparar especificaciones, notas de benchmarks, decisiones de arquitectura y afirmaciones de proveedores a medida que surgen productos HBF.
Para los compradores empresariales, la acción inmediata es más modesta. Pregunten a los proveedores cómo planean abordar la capacidad de memoria para inferencia, qué interfaces abiertas admiten y qué evidencia de cargas de trabajo respalda sus hojas de ruta.
No trate una etiqueta HBF como prueba de rendimiento. Solicite mediciones que reflejen los tamaños de sus modelos, las longitudes de contexto, los objetivos de concurrencia y los requisitos de nivel de servicio.
La especificación de SK Hynix y Sandisk ha hecho concreto el debate. HBF cuenta ahora con clases de capacidad definidas, objetivos de rendimiento, un espacio de estándares abiertos y dos participantes externos destacados.
Aún carece de dispositivos de producción, benchmarks independientes y un amplio respaldo de procesadores. Esas carencias separan un estándar interesante de un mercado duradero.
El próximo titular de las noticias de Google importará menos que el primer benchmark completo de HBF. Observe si los sistemas funcionales ofrecen menores costes de inferencia sin sacrificar el tiempo de respuesta y, después, compare esa evidencia con las alternativas de HBM y expansión de memoria que mejoran rápidamente.
