SK hynixがHBFを業界に公開、だが真の試金石はハードウェア

SK hynixは初のHigh Bandwidth Flash仕様を公開し、構想段階だったAIメモリ層をオープンな技術設計図へと変えた。8月4日の発表はGoogle Newsを通じて広く報じられたが、重要な争点は見出しの下にある。HBFは最大512GBの容量と最大3.0TB/sの帯域幅を掲げる一方、これらの目標を商用HBFシステムで実証した例はまだない。

Open Compute Projectを通じてSandiskと共同開発されたこの仕様は、High Bandwidth Memoryと従来のソリッドステートドライブの間に位置するNANDフラッシュを説明している。対象はAI推論であり、ここではアクセラレータがユーザーのリクエストを処理しながら大規模モデルの重みを繰り返し読み込む。GoogleとAIプロセッサ開発企業Tenstorrentもコンソーシアムに加わり、この取り組みには2社のメモリサプライヤーを超える将来の利用者が加わった。

これはOpenAIがメモリ技術を発表したという話ではない。「オープン」とはChatGPTの開発元を指すのではなく、仕様とその開発モデルを表す。真の競争は、オープンで容量重視のメモリ層と、高価なHBMに主としてモデルを配置する確立された慣行との間にある。SK hynixは今や仕様、信頼できるパートナー、そして野心的な目標を持つ。だが、実際に動作するシリコン、アクセラレータの対応、生産面での経済性はなお必要だ。

SK hynix、HBFをオープン仕様に

今回の公開により、システム設計者は共通のHBF目標を得るが、完成品を手にするわけではない。

SK hynixとSandiskは、カリフォルニア州サンタクララでFuture of Memory and Storageカンファレンスが開幕した際に、この仕様を発表した。同イベントは2026年8月4日から8月6日まで開催された。発表に先立ち、Open Compute Projectのワークストリームの下でおよそ6カ月にわたる標準化作業が進められていた。

両社は2月25日、Sandiskのミルピタス本社でこのワークストリームを立ち上げた。当初、HBFはHBMとSSDストレージの間を埋める新たな層として説明されていた。新たに公開された仕様は、この概念に明確な容量、性能クラス、インターフェース、パッケージング要件、信頼性ガイドラインを与えている。

初版は、8層または16層のNANDダイ構成を用いるパッケージを対象とする。最大容量はスタック当たり512GBに達する。公表された発表とその後の技術報道によれば、3つの性能グレードは約0.4TB/sから3.0TB/sに及ぶ。

この幅は、HBFが単一の固定された性能水準ではないことを意味する。低位グレードでは容量と効率を重視でき、後続の実装では先進HBMに近い帯域幅を追求できる。この柔軟性は同時に、3.0TB/sという上限を、初代製品で出荷時から保証される性能と見なすべきではないことも示す。

HBFは、HBMで使われるDRAMではなく、SSDに用いられる不揮発性技術であるNANDフラッシュを採用する。不揮発性メモリは、継続的な電力供給がなくても保存データを保持する。しかし、通常のNANDではAIアクセラレータにHBMに近い速度でデータを供給できない。

HBFは、特殊化したNANDダイを積層し、多数の内部アレイに並列アクセスすることでこの差を埋める。ロジックベースダイがそれらの接続を管理し、プロセッサへのはるかに広い経路を提供する。結果として得られるパッケージは、NANDの高密度という利点を保ちながら、HBMの密結合設計思想に似ている。

仕様はまた、HBFとホストプロセッサ間の接続にUniversal Chiplet Interconnect Express、すなわちUCIeを採用している。UCIeは、1つのパッケージ内でチップレット同士がデータを交換できるオープンなダイ間インターコネクトだ。これを組み込むことで、CPU、GPU、アクセラレータの設計者は共通の統合経路を得る。

UCIe specificationがあっても、相互運用性が自動的に実現するわけではない。ベンダーには依然として、コントローラ、メモリ管理、エラー処理、パッケージング、ファームウェア、ソフトウェアの対応が必要となる。ただし、各HBFサプライヤーが互換性のない物理リンクを作るリスクは低減される。

Open Compute Projectを通じた公開も同様に重要だ。OCP仕様は、複数の企業が実装できる共通要件の確立を目指している。contribution frameworkでは、広範な基本仕様と、製造可能な状態まで詳細化された製品文書を区別している。

この区別こそが、HBFの現状を定義している。SK hynixとSandiskはこのアイデアをスライドや非公開の議論の段階から前進させた。しかし、サーバーメーカーが発注し、認定できる製造可能な部品を提供したわけではない。

Google News経由でこの話題にたどり着いた読者にとって、まず覚えておくべきなのはこの違いだ。SK hynixが公開したのは標準仕様であり、商用で入手可能な512GBメモリスタックではない。この発表は目的地と、そこへ至るいくつかの道筋を定めたにすぎない。

AI推論に新たなメモリ層が必要な理由

HBFが存在するのは、AI推論が高速なアクセスと、HBMが経済的に提供できる量を大きく上回る容量の両方を必要とするためだ。

トレーニングは世間の注目を最も集めるが、推論は訓練済みモデルを継続的に運用されるサービスへと変える。推論中、プロセッサはモデルの重み、アテンションデータ、キャッシュされたコンテキストに繰り返しアクセスする。より大きなモデルと長い会話は、計算資源の近くに保持すべきデータ量を増大させる。

HBMは、そのワークロードのうち最も高速な部分を担う。DRAMダイをアクセラレータの隣に積層し、幅広いインターフェースで接続する。この設計は卓越した帯域幅と低レイテンシを提供するが、容量には限りがあり、製造も複雑だ。

SSDは、ビット当たりの低コストで容量問題を解決する。しかし、データはアクセラレータに到達する前にストレージコントローラとインターフェースを通過しなければならない。この経路はレイテンシを生み、パッケージレベルメモリよりはるかに低い帯域幅しか提供しない。

そのためシステム構築者は難しい選択を迫られる。計算資源が十分に活用されていない場合でも、大規模モデルを保持するためにHBM搭載アクセラレータを増やすことができる。あるいは、モデルデータをSSDから移動させ、応答速度の低下を受け入れることになる。

HBFは第3の選択肢を作ろうとしている。数百GBの永続的なNANDをプロセッサのはるか近くに置き、高度に並列化されたチャネルを介してアクセスする。頻繁に変化するデータはHBMに残し、より大きな重みセットはHBFに置ける。

このアプローチは、mixture-of-expertsモデルにとりわけ関連性が高い。このようなモデルには多くの専門化されたパラメータ群が含まれるが、各トークンで活性化されるのはその一部だけだ。各推論ステップで扱うワーキングセットが小さくても、必要な総容量は非常に大きくなり得る。

容量重視の層は、各アクセラレータの近くにより多くのエキスパートを保持できる可能性がある。最終的なアーキテクチャに応じて、ソフトウェアはアクティブなデータをHBMへ移すか、HBFから直接アクセスすることになる。いずれの方法でも、リモートSSDからの転送を減らし、メモリ容量だけを目的に必要となるアクセラレータ数を抑えられる可能性がある。

Sandiskは以前、MetaのLlama 3.1 405Bモデルを用いてHBFをモデル化した。同社によれば、シミュレーション上の重み読み出し性能は、HBM容量が無制限である仮想システムに対して2.2%以内に収まった。この結果は依然として企業によるシミュレーションであり、独立した本番ベンチマークではない。

HBF architecture analysisでは、512GBを保持する16ダイスタックについても説明されている。Sandiskは、この設計がHBM4のフットプリント、スタック高、電力プロファイルに近づける可能性があると述べた。物理製品がテストを受けるまで、これらは開発目標にとどまる。

この比較は、NANDがDRAMになったことを意味するものではない。HBMはレイテンシと耐久性で根本的な優位性を維持している。HBFは、読み取り中心の推論ワークロードにおいてHBMを補完することを目的としており、アクセラレータメモリのすべてのバイトを置き換えるものではない。

この位置付けは、この発表を単なる高速SSDの話とは区別する。HBFはフラッシュをプロセッサパッケージ内へ移し、メモリ指向のインターフェースを通じて利用可能にする。このアーキテクチャは、データの配置場所、プロセッサがデータへ到達する方法、システムがメモリ階層間で作業を分担する方法を変える。

AIサービスのコストにも影響を及ぼす可能性がある。1つのアクセラレータが大幅に多くのモデルデータを扱えるようになれば、事業者は容量制約のあるワークロード向けに複製システムを少なくできるかもしれない。これは、演算スループットではなくメモリ容量がサーバー台数を決める場合に重要となる。

この機会は最先端モデルにとどまらない。検索システム、レコメンデーションエンジン、ベクトル検索ワークロードは、プロセッサが繰り返し読み取る大規模なデータ集合を保持する。エッジシステムも、低速ストレージからの絶え間ない転送に頼ることなく、より大きなモデルをローカルに保持できるようになる可能性がある。

これらのシナリオはいずれも保証されていない。ソフトウェアはHBM、HBF、SSDの間にデータを適切に配置しなければならない。書き込みが頻繁なワークロードや厳格なレイテンシ要件を持つワークロードは、依然として適合しにくい可能性がある。HBFの価値は、適切なデータを適切な層に対応付けられるかどうかにかかっている。

主な競争はHBFの容量とHBM依存の間にある

SK hynixはあらゆる用途でHBMに勝とうとしているのではない。推論は主としてHBM内に収まらなければならないという前提に異議を唱えている。

この違いが、HBFの提案をより信頼できるものにしている。NANDとDRAMを直接競わせれば、NANDのレイテンシと耐久性の制約が浮き彫りになる。これに対し階層型設計は、すべてのモデル重みに最速かつ最も高価なメモリ内の領域が必要なのかを問う。

初期仕様では、1つのHBFスタックは最大512GBを保持できる。新世代で密度が高まっているとはいえ、現行のHBMスタックが提供する容量ははるかに少ない。そのためHBFは、アクセラレータの隣により大きな永続データプールを置くことができる。

最高性能のHBFクラスは、3.0TB/sという帯域幅を掲げる。この数値は、個々の次世代HBMスタックに関連付けられる帯域幅の領域に入る。しかし仕様は0.4TB/s近辺から始まる幅広い範囲を対象としており、帯域幅だけではアクセスレイテンシは分からない。

プロセッサは複数のHBMスタックを同時に利用することもできる。HBFスタック1基とHBMスタック1基を比較しても、アクセラレータ全体の帯域幅は説明できない。実際のシステムでは、おそらく両技術を組み合わせ、それぞれに異なる役割を割り当てることになる。

オープン仕様が圧力をかける対象はHBMサプライヤーだけではない。密結合のメモリシステムを制御するアクセラレータベンダーにも影響する。Nvidia、AMD、Googleなどのチップ設計企業は、HBFが新しいコントローラ、パッケージ、ソフトウェアを正当化するほどの価値を加えるかどうかを判断しなければならない。

Googleの参加は、コンソーシアムにとって重要なワークロード知識の源泉となる。Googleは大規模なAIサービスを運用し、独自のTensor Processing Unitsも設計している。同社の関与は、少なくとも1社のハイパースケール事業者が容量豊富なメモリ層を探求する価値を見いだしていることを示す。

ただし、それは将来のTPUでの採用を確認するものではない。コンソーシアムの発表には、Googleの製品コミットメント、導入スケジュール、購入量は含まれていない。参加は商用デバイスを生み出さずとも、標準に影響を与えられる。

Tenstorrentは異なる視点をもたらす。同社はAIプロセッサを開発し、チップレット志向のオープンアーキテクチャ戦略を採用している。UCIe経由で接続されるHBFはこのアプローチと整合するが、TenstorrentはHBFを搭載した出荷製品を発表していない。

発表に含まれなかった企業も、参加企業と同じくらい重要だ。Nvidia、AMD、Intel、Micron、Samsung、Kioxia、Broadcom、Marvell、Qualcommは参加者として挙げられていない。これらの企業が最終的に対応すれば、サプライヤーとプロセッサのエコシステムは拡大する。

オープン仕様は採用の障壁を下げられる一方で、競争の力学も変える。SK hynixとSandiskは、他社の実装を促すのに十分なインターフェースを共有している。HBFが成功すれば、競合他社が参入し、価格や利益率を押し下げる可能性がある。

それは標準になるために必要なトレードオフだ。独自インターフェースは1社のサプライヤーを守れる一方、幅広いプロセッサーの支持を得るのに苦労しうる。オープンなインターフェースは採用を促進する一方、競争の焦点を製造、パッケージング、歩留まり、コントローラー品質へと移すことができる。

SK hynixは、この計算の両面を理解している。同社はHBMの製造とアクセラレーター企業との緊密な提携を通じて、AIメモリーの有力企業となった。HBFによって、DRAMに関する知見、NANDポートフォリオ、先進的なパッケージング能力を結び付けることができる。

Sandiskは、HBFの原案とNANDプロセス技術を提供する。同社の2025年の標準化に関する合意は、HBMに匹敵する帯域幅と、8～16倍の容量を目標に掲げた。また、初期サンプルのロードマップも示した。

したがって、この提携は相補的な利害を組み合わせたものだ。Sandiskは、フラッシュをAIコンピューティングにより近づけたい。SK hynixは、HBMを唯一のプレミアム層として守るのではなく、メモリー階層のより大きな部分を供給したいと考えている。

これが、この話題がGoogle News上での扱いよりも大きな意味を持つ理由だ。最初の仕様は、メモリーメーカー、プロセッサー設計企業、クラウド事業者が共有アーキテクチャーを協議する場を生み出す。勝者は文書だけで決まるものではない。

仕様にはなおハードウェア面の信頼性ギャップがある

HBFにとって最大のリスクは単純だ。最も魅力的な数値は、認定済みの量産シリコンではなく、仕様とベンダーの予測を示している。

高密度スタックで512GBを実現するには、製造上の課題がある。16個の特殊NANDダイを、先進パッケージングを通じて信頼性高く接続しなければならない。スタックには許容可能な熱特性、管理可能な反り、十分な歩留まり、そして大規模な並列性を制御できるロジックダイが必要だ。

帯域幅も別の課題を生む。提案されている性能クラスに近づくには、NANDアレイを同時並行で動作させなければならない。コントローラーは読み取りのスケジューリング、エラー訂正、不良ブロック管理、厳しいワークロード下で予測可能なサービスの維持を担う必要がある。

レイテンシーは、帯域幅ほど明確に定義されていない。ピーク3.0TB/sという値は、好条件下でどれだけのデータを移動できるかを示す。小規模な要求がどれほど迅速に返されるか、あるいは不規則なアクセスパターンで性能がどう変化するかは示さない。

AI推論では大規模なモデル重みをストリーミングすることが多く、ランダムなトランザクション書き込みよりもフラッシュに適している。ただし、アテンションキャッシュやその他の実行時状態は急速に変化しうる。こうした構造には、依然としてHBMまたは従来型DRAMが必要になる可能性がある。

耐久性にも実地での証拠が必要だ。HBFはNANDを基盤としており、NANDがサポートできるプログラム／消去サイクル数には限りがある。読み取り中心のモデル保存ではこの懸念は小さくなるが、本番システムでは更新、再バランス、障害復旧も必要となる。

消費電力に関する主張も独立した検証を要する。NANDはリフレッシュ電力なしでデータを保持できるため、理論上はDRAMに対して優位性がある。しかし、ベースダイ、広帯域インターフェース、エラー訂正、並列アレイアクセスはいずれもエネルギーを消費する。

Sandiskの以前のファクトシートでは、第1世代の目標として、16ダイスタックで1.6TB/sと512GBが示されていた。また、メモリー技術の中でもビット当たりコストが最も低い部類の1つになるとも主張していた。SK hynixもSandiskも、最終的な商用価格や検証済みの総システムコストを公表していない。

経済性にはNANDダイ以外の要素も含まれる。先進パッケージング、コントローラー用ベースダイ、UCIe統合、冷却、ボード設計、ソフトウェア開発はいずれもコストを加える。多数の部品を含む背の高いスタックでは、歩留まり損失が特に重要になる。

仕様が示す0.4TB/sから3.0TB/sまでの広い範囲も、別の不確実性を生む。複数世代の製品を支えられる一方で、「HBFの性能」に関する一般論の有用性は低下する。購入者は各実装のグレード、容量、レイテンシー、耐久性、消費電力を精査する必要がある。

採用には循環的な課題もある。メモリーサプライヤーは、生産に大きく投資する前にプロセッサー企業の確約を必要とする。プロセッサーベンダーは、パッケージを再設計する前に信頼できるサンプルと複数のサプライヤーを求める。クラウド事業者は、メモリー管理ソフトウェアを書き換える前に試験済みのシステムを必要とする。

オープン標準は、すべての参加者に安定した目標を与えることで、この循環を断ち切ることができる。ただし、財務リスクを取り除くことはできない。HBFコンソーシアムは関心を、リファレンス設計、コントローラー、検証ツール、購入確約へと変えなければならない。

最も前向きな公開ロードマップは、2025年にSandiskが示したものだった。同社は2026年後半に最初のHBFメモリーサンプルを目標としていた。HBFを用いるAI推論デバイスのサンプルは、2027年初頭に予定していた。

サンプル提供ロードマップは、量産スケジュールにはまだなっていない。サンプルによってパートナーは実現可能性を検証できる。しかし、歩留まり、供給可能性、データセンターでの信頼性を確立するものではない。

このギャップは、読者がこの発表をどう解釈すべきかを左右する。SK hynixは、HBFが推論におけるメモリーの壁を解消することを証明したわけではない。関連ハードウェアを構築・接続するための詳細な提案を公表したのである。

最も有力な懐疑的見方は、HBFに有用な用途がないというものではない。メモリー容量の問題は現実であり、階層化アーキテクチャーは確立されたエンジニアリング上の対応策だ。懸念は、レイテンシー、パッケージング、ソフトウェア、コストを考慮した後でも、この特定の実装が十分な利点をもたらせるかどうかにある。

オープンHBFはより広いメモリー市場に圧力をかける

この仕様は、HBFを採用しないと決めた場合であっても、メモリー企業とアクセラレーター企業に対応を迫る。

SamsungとMicronは、HBMでSK hynixと直接競合している。KioxiaはNANDで競合し、Sandiskと製造上のつながりを共有している。各社は現在、参加するか、互換実装を開発するか、別の解決策を推進するかという選択に直面している。

参加すればHBFの正当性は強まるが、当初はSK hynixとSandiskが形作った標準に関与することになる。外部にとどまれば戦略的な独立性は維持できるが、2社の競合企業が新たなインターフェースを定義することを許すリスクがある。

アクセラレーターベンダーも同様の計算に直面する。容量の大きいフラッシュ層があれば、同等のHBM容量を追加せずに、より大きなモデルをサポートできる可能性がある。一方で、パッケージ設計を複雑化し、既存メモリーアーキテクチャーの単純さを損なう可能性もある。

Nvidiaの立場は特に注目に値する。同社のアクセラレーターは、現在のAIインフラ市場の大部分を支えているためだ。NvidiaはHBF採用を発表していない。主要なアクセラレータープラットフォームの支持がなければ、HBFはカスタムシリコンと特化型推論システムに限定される可能性がある。

Googleの参加は、そのリスクを部分的に相殺する。カスタムプロセッサーを持つハイパースケーラーは、汎用GPUのロードマップを待たずに新しいメモリーアーキテクチャーを採用できる。社内展開が成功すれば、技術的な証拠と意味のある規模を提供できる可能性がある。

Tenstorrentは、このオープンインターフェースがより小規模なプロセッサーエコシステムで機能するかを検証できる。同社の参加は、確立されたメモリー企業やクラウド企業を超えてコンソーシアムの裾野を広げる。ただし、どちらの参加企業も現時点で大衆市場での受容を保証するものではない。

HBFの取り組みは、データセンターハードウェアで確立されたパターンに従う。数社が共通インターフェースを定義し、業界団体を通じて公開し、製品が成熟する前に利用者を募る。成功は、競合他社が相互運用性を支配よりも価値あるものと見なすかにかかっている。

HBMは、JEDEC標準とメモリーサプライヤーおよびプロセッサー設計企業の緊密な連携を通じて、異なる制度的な道筋をたどった。HBFのOCPルートでは、クラウド事業者とシステムアーキテクトが仕様策定プロセスにより近い位置を占める。

このアプローチは、想定するワークロードに適している。AI推論インフラは、プロセッサー、メモリー、ストレージ、ネットワーキング、オーケストレーション、アプリケーションソフトウェアにまたがる。メモリーコンポーネントだけを最適化しても、重要なシステムのボトルネックを見逃すことになる。

512GBのHBFスタックは、ソフトウェアが小さく散在したブロックを繰り返し要求する場合、性能を改善できない。コンパイラーとランタイムが長い連続読み取りに向けて重みを配置するとき、その有用性は高まる。宣伝される帯域幅が生産的な処理になるかどうかは、システムアーキテクチャーが決める。

したがって、開発者はハードウェア仕様に触れる前に、ソフトウェアを通じてHBFに出会う可能性がある。フレームワークには、割り当てポリシー、プロファイリングツール、配置制御が必要になる。運用者には、HBM、HBF、SSDの各層をまたぐ可観測性が必要となる。

これは、関連性とアクセス頻度に基づいて情報を管理する、より広範な取り組みに似ている。検索可能なナレッジベースも、アクティブなコンテキストを、より大規模に保持されたコレクションから分離する。HBFは、同様の階層をハードウェア速度でマシンデータに適用する。

この類推には限界があるが、原則は有用だ。最も高速なリソースは依然として希少である。システムは、直ちに必要な情報を近くに置き、緊急性の低い素材をより大きな支援層へ移すことで改善する。

これがHBFの戦略的な主張だ。重要になるためにHBMを置き換える必要はない。意味のある推論ワークロード群において、HBM容量の決定力を低下させればよい。

Google Newsの見出しが消えた後に注目すべきこと

HBFがAIメモリー標準になるのか、それとも野心的な紙上のアーキテクチャーにとどまるのかは、3つのシグナルで決まる。

第1のシグナルは、物理的なサンプルの提供だ。Sandiskの公開ロードマップは、2026年後半にHBFメモリーサンプルを目標としていた。動作するパッケージがあれば、パートナーは再現可能な条件下でレイテンシー、持続帯域幅、耐久性、熱特性、消費電力を測定できる。

示された性能クラスに近い結果が得られれば、大規模に並列化されたNANDがプロセッサー近傍メモリーとして機能し得るという主張は強まる。遅延、あるいはピーク性能と持続性能の大きな隔たりは、仕様が掲げる容量優先の論拠を弱めるだろう。

最も有用なベンチマークは、単体パッケージではなく完全なシステムを比較するものだ。1秒当たりのトークン数、最初のトークンまでの時間、トークン当たりのエネルギー、サーバー総コストを測定すべきである。また、どれだけのデータがHBMに残るかも開示すべきだ。

第2のシグナルは、名称が明示されたプロセッサー設計だ。GoogleとTenstorrentはコンソーシアムに加わっているが、HBFを搭載する量産アクセラレーターを発表してはいない。具体的なチップ、パッケージ、リファレンスプラットフォームが示されれば、統合作業が助言的な参加を超えたことを示すだろう。

Sandiskが以前に示したスケジュールに沿う2027年初頭の推論デバイスサンプルは、コンソーシアムの実行力に関する主張を裏付けることになる。プロセッサーパートナーから沈黙が続けば、パッケージングまたはソフトウェアの作業が未解決であることを示唆する。

Nvidia、AMD、あるいは別の汎用アクセラレーターベンダーの参加は、特に大きな意味を持つ。これらの企業が参加すれば、HBFはカスタムシステムを超えて広がり、複数のメモリーサプライヤーを引き付ける可能性も高まる。

第3のシグナルは、より広範なサプライヤーとソフトウェアの支持だ。独立した企業が互換コンポーネントを構築できるようになると、オープン標準は強靭になる。そのためSamsung、Micron、Kioxia、コントローラーベンダー、パッケージング企業、クラウド事業者は極めて重要である。

ソフトウェアの対応も同じくらい重要だ。AIフレームワークはHBFを別個の層として認識し、アクセスパターンに応じてデータを配置しなければならない。この層がなければ、開発者は手動チューニングと一貫しない性能に直面することになる。

SK hynixの8月の発表は、重要なチェックポイントを打ち立てた。同社とSandiskは、容量、性能グレード、スタック構成、接続性、信頼性の目標を定義した。GoogleとTenstorrentは、信頼性のある業界参加を加えた。

この発表は、より難しい問いに答えるものではない。容量、帯域幅、レイテンシー、消費電力、コストのバランスについて、主張どおりの成果を示した公開済みの本番システムはまだ存在しない。主要な汎用アクセラレータ企業も、このインターフェースへの対応を表明していない。

Google Newsを通じてこの動きを追う読者は、理論的な比較がもう一巡することよりも、次の3つのシグナルに注目すべきだ。実測されたシリコン、実名で示されたアクセラレータ、そして独立した追加実装者である。

この3つがすべて揃えば、HBFはHBMやSSDsを実用的に補完する存在になり得る。仕様とシミュレーションだけが積み上がるなら、業界はより多くのHBM、従来型ストレージ、ソフトウェア最適化によって推論容量の課題に対応し続けるだろう。

したがって、次に決定的となる見出しには、製品名と実測ワークロードの結果が含まれているべきだ。それまでは、SK hynixはAIメモリーの壁を越える有望な道筋を開いたにすぎず、ハードウェア自体はまだその壁を越えていない。