HBF krijgt eerste open standaard voor AI-geheugen
Sandisk en SK hynix hebben de eerste technische specificatie voor High Bandwidth Flash (HBF) gepubliceerd via het Open Compute Project. De aankondiging kwam op 3 augustus, vlak voor de opening van de Future of Memory and Storage-conferentie in Santa Clara, die van 4 tot en met 6 augustus loopt. Het doel is een open standaard voor een geheugensoort die specifiek is bedoeld voor AI-inferentie.
Een nieuwe laag tussen HBM en SSD
HBF zit qua positie tussen High Bandwidth Memory en de gewone SSD. Het gebruikt NAND-flash in plaats van DRAM, waardoor de capaciteit per stapel fors omhoog kan terwijl de bandbreedte in de buurt van HBM blijft. Volgens SK hynix ondersteunt de standaard stapels tot 512 GB, in uitvoeringen met 8 of 16 dies op elkaar. Er zijn drie snelheidsklassen gedefinieerd, van ongeveer 0,4 TB/s tot 3,0 TB/s.
SK hynix koppelt dat aan zijn 375-laags 4D NAND, de tiende generatie, die volgens het bedrijf 2,5 keer zuiniger is dan de vorige. Voor de verbinding met rekenchips leunt de specificatie op UCIe, de chiplet-interconnect die het mogelijk maakt om HBF naast GPU’s en CPU’s in hetzelfde pakket te zetten.
Wat er precies is vastgelegd
StorageNewsletter beschrijft de inhoud van het document: de systeeminterface, elektrische richtlijnen, de host-interface tussen rekenchip en HBF, aanwijzingen voor betrouwbaarheid en packaging van een die-stack, plus een softwarehandleiding voor lees- en schrijfoperaties. Het is dus geen productaankondiging maar een bouwtekening voor systeemontwerpers.
Alper Ilkbahar, CTO van Sandisk, zegt in het persbericht dat de specificatie ontwerpers een praktisch pad geeft om geheugen met hoge capaciteit en hoge bandbreedte dichter bij de rekenkracht te brengen. Kim Chun-sung van SK hynix formuleert het breder en spreekt over het oprekken van de grens tussen geheugen en opslag.
Google en Tenstorrent zijn aangeschoven
De samenwerking tussen Sandisk en SK hynix dateert van augustus 2025. In februari 2026 kwam er een aparte HBF-werkgroep binnen het Open Compute Project, en in het halfjaar daarna sloten Google en Tenstorrent zich aan bij de standaardisatie. Dat tweetal telt zwaar: Google bouwt zijn eigen TPU’s en Tenstorrent ontwerpt AI-versnellers, dus beiden zitten aan de kant die het geheugen straks moet aansturen.
Die interesse past in een breder patroon. Steeds meer partijen proberen de inferentiekosten omlaag te krijgen door hardware zelf in handen te nemen, van AI-labs die hun eigen inferentiechip ontwerpen tot Anthropic dat een eigen chipteam opzet. Ook op landsniveau gebeurt het, zoals blijkt uit het Zuid-Koreaanse investeringsplan van 880 miljard dollar.
Wat betekent dit
Het knelpunt bij het draaien van grote modellen zit vaak niet in rekenkracht maar in geheugen. Een model met lange context of een grote mixture-of-experts vraagt meer capaciteit dan HBM betaalbaar kan leveren, en een SSD is te traag om als werkgeheugen te dienen. HBF probeert dat gat te dichten, en dat is precies waar leveranciers als AMD met de MI400-serie ook op mikken.
Voor wie AI inkoopt verandert er voorlopig niets. Een specificatie is geen silicium, en er staan nog geen samplingdata of prijzen in de aankondiging. Wel is het een signaal dat de industrie het geheugenprobleem serieus genoeg vindt om er een open standaard omheen te bouwen in plaats van vijf onverenigbare varianten. Als HBF echt landt, wordt inferentie op grote modellen goedkoper per token, en dat merkt de gebruiker uiteindelijk in de prijs.
