Dentro de HBF: Cómo la High Bandwidth Flash de SanDisk carga LLMs directamente en el hardware

Puntos clave

• High Bandwidth Flash (HBF) es un nuevo nivel de memoria desarrollado conjuntamente por SanDisk y SK hynix, diseñado para situarse entre la High Bandwidth Memory (HBM) y el almacenamiento SSD tradicional para resolver el "muro de capacidad de memoria" en IA.
• HBF apunta a un ancho de banda comparable al de HBM, ofreciendo entre 8 y 16 veces la capacidad de almacenamiento a un costo similar, permitiendo que los aceleradores de IA mantengan muchos más parámetros de modelo y datos de contexto accesibles directamente para el chip.
• La tecnología fue presentada formalmente el 25 de febrero de 2026 en un evento de lanzamiento conjunto en Milpitas, California, junto con un impulso de estandarización global a través del Open Compute Project.
• HBF se basa en la tecnología existente BiCS NAND y CBA (CMOS Bonded Array) de SanDisk, con la Gen 1 ya en fase de muestreo y hojas de ruta para Gen 2/Gen 3 que prometen anchos de banda de lectura superiores a 2 TB/s y 3.2 TB/s respectivamente.
• El muestreo para clientes está previsto para 2026, y se espera que el primer hardware de IA integre HBF a principios de 2027, posicionándola como una tecnología de futuro que aún no se comercializa.
• HBF es citada ampliamente por analistas como una de las razones estructurales detrás del enorme repunte bursátil de SanDisk en 2026, ya que podría abrir un mercado de memoria de inferencia de IA de varios años que NVIDIA y otros proveedores competidores también están tratando de abordar con sus propios enfoques.

Si ha seguido la extraordinaria racha bursátil de SanDisk en 2026 y sigue viendo el término HBF mencionado como una razón detrás de ella, este artículo explica exactamente qué es la High Bandwidth Flash, cómo funciona técnicamente, por qué es importante específicamente para la inferencia de grandes modelos de lenguaje (LLMs) y en qué punto se encuentra la tecnología hoy frente a lo que es solo una hoja de ruta. En resumen, HBF es una nueva arquitectura de memoria que combina la alta densidad de almacenamiento de la memoria flash NAND con un rendimiento de ancho de banda que se acerca al de HBM, la memoria ultrarrápida utilizada actualmente dentro de los aceleradores de IA de NVIDIA y AMD. El objetivo es permitir que los chips de IA mantengan muchos más pesos de modelo y datos de contexto de inferencia cerca del procesador, reduciendo los lentos y costosos viajes al almacenamiento externo que causan "lag" durante la inferencia en los modelos de lenguaje más grandes de hoy. SanDisk y SK hynix anunciaron conjuntamente HBF y un esfuerzo de estandarización en 2025 y aceleraron el despliegue con un evento de lanzamiento formal en febrero de 2026. Si bien la ingeniería subyacente es genuinamente novedosa y ha obtenido reconocimiento de la industria, es importante separar el estatus real y a corto plazo de la tecnología (muestreo, prototipos, hoja de ruta inicial) de las afirmaciones especulativas sobre productos que aún no existen.

Si está rastreando cómo avances como HBF están remodelando las acciones de infraestructura de IA y desea una plataforma para actuar sobre esa investigación con datos de mercado en tiempo real, puede crear una cuenta gratuita a través de WEEX en https://www.weex.com/es-ES/register?vipCode=vrmi y explorar sus herramientas de trading.

Qué es la High Bandwidth Flash (HBF), en términos sencillos

Para entender HBF, ayuda comprender el problema de la jerarquía de memoria que intenta resolver. Los aceleradores de IA como las GPU dependen de un sistema de memoria en capas: la High Bandwidth Memory (HBM), ultrarrápida pero costosa y de capacidad limitada, se sitúa más cerca del chip, mientras que el almacenamiento SSD, más lento pero mucho más grande y barato, se sitúa más lejos. A medida que los grandes modelos de lenguaje han crecido, y especialmente a medida que sus ventanas de contexto han escalado hacia el rango de millones de tokens, la cantidad de datos que estos modelos necesitan mantener "cerca" del procesador durante la inferencia se ha disparado. Cuando esos datos no caben en la HBM, los sistemas tienen que volver a calcularlos (lento y costoso) o buscarlos en niveles de almacenamiento mucho más lentos, lo que crea los cuellos de botella de latencia que los usuarios pueden notar en las aplicaciones de IA bajo carga pesada.

HBF está diseñada como un nuevo nivel que se sitúa entre estos dos extremos. Construida a partir de la tecnología flash NAND 3D BiCS existente de SanDisk en lugar de la DRAM utilizada en HBM, HBF está diseñada para ofrecer un ancho de banda en el mismo rango general que la HBM, al tiempo que ofrece aproximadamente de 8 a 16 veces la capacidad de almacenamiento a un costo comparable. En efecto, permite que un chip mantenga físicamente a mano muchos más parámetros de modelo y datos de caché clave-valor, abordando lo que los ingenieros llaman el "muro de capacidad de memoria" de la IA, el punto donde los modelos se ven limitados no por la potencia de cálculo bruta, sino por cuántos datos relevantes pueden mantenerse fácilmente accesibles.

Por qué HBF es importante para cargar LLMs directamente en el hardware

La frase "cargar LLMs directamente en el hardware" captura bien la promesa central de HBF. Debido a que HBF puede contener un volumen mucho mayor de datos mientras sigue ofreciendo un ancho de banda cercano al de HBM, se vuelve factible mantener significativamente más parámetros de un gran modelo de lenguaje, o su creciente caché clave-valor durante la inferencia de contexto largo, residente en memoria rápida en lugar de mover constantemente datos de un lado a otro desde un almacenamiento distante. Según la investigación arquitectónica que hace referencia a la pila HBF de SanDisk, una configuración HBF única que proporcione 512 GB de almacenamiento de parámetros a alrededor de 1.2 TB/s de ancho de banda podría soportar la inferencia en tiempo real de grandes modelos de mezcla de expertos y razonamiento a velocidades de generación de tokens significativas, un perfil que los investigadores han comparado con los niveles de rendimiento normalmente asociados con clústeres de GPU a escala de rack, pero en una huella mucho más compacta.

Esto es importante porque el cuello de botella actual de la industria limitado por la memoria en la inferencia de transformadores no se trata principalmente de la computación bruta, sino de cuánto tiempo pasa un sistema buscando datos en la memoria en lugar de realizar cálculos. Como ha explicado uno de los asesores de la tecnología, un profesor de KAIST involucrado en el desarrollo original de HBM, las cargas de trabajo de inferencia en modelos de transformadores pasan más tiempo moviendo datos que calculando sobre ellos. HBF apunta directamente a ese cuello de botella de movimiento de datos al ampliar el ancho de banda de un grupo de memoria mucho más grande y barato.

La cronología de HBF: Del anuncio a la estandarización

El desarrollo de HBF ha avanzado a través de varios hitos concretos y verificables en lugar de permanecer puramente conceptual, lo cual es parte de la razón por la que ha sido tomado en serio tanto por la industria de semiconductores como por los analistas de renta variable.

Esta cronología muestra que HBF se encuentra actualmente en la fase de muestreo y estandarización, aún no se envía en hardware de IA comercial. Esa distinción es importante para cualquiera que evalúe los titulares que sugieren que la tecnología ya está "eliminando el lag" en los sistemas de producción hoy en día; a mediados de 2026, HBF sigue siendo una tecnología de hoja de ruta a corto plazo respaldada por prototipos funcionales y asociaciones industriales serias, en lugar de un producto ampliamente desplegado.

Hoja de ruta técnica de HBF: Generaciones de rendimiento

SanDisk ha publicado objetivos de rendimiento prospectivos a través de múltiples generaciones de HBF, construidos sobre su base NAND CMOS Bonded Array (CBA).

SanDisk enmarca esta hoja de ruta como una de sus plataformas de semiconductores más escalables, argumentando que, a diferencia de la DRAM, que enfrenta crecientes desafíos de escalado físico, HBF se beneficia de la ruta de escalado de densidad más favorable de NAND a través de la arquitectura BiCS de SanDisk. Si estos objetivos generacionales se cumplen según lo programado será una de las señales técnicas más claras que los analistas observarán en los próximos dos o tres años.

Cómo se compara HBF con el enfoque competitivo de NVIDIA

SanDisk y SK hynix no son los únicos actores que abordan el muro de capacidad de memoria de IA. NVIDIA, como comprador dominante de HBM, ha buscado su propia respuesta a través de lo que se ha descrito como una plataforma de almacenamiento de memoria de contexto de inferencia (ICMSP), que utiliza SSD NVMe conectados a DPU, específicamente vinculados a la unidad de procesamiento de datos BlueField-4 de NVIDIA, para mantener los datos de caché clave-valor que se desbordan de la HBM y la DRAM del servidor GPU. Este enfoque se conecta a las GPU en la plataforma Vera Rubin de NVIDIA a través de redes Ethernet de alta velocidad utilizando fotónica, funcionando a 800 Gbps por puerto.

Cabe destacar que NVIDIA no ha expresado públicamente un interés directo en adoptar HBF, sino que está desarrollando su propia solución de nivel de almacenamiento en red. Esto es importante tanto para inversores como para tecnólogos porque señala al menos dos filosofías arquitectónicas en competencia para resolver el mismo problema subyacente: una (HBF) integra flash directamente en un paquete similar a la memoria cerca del chip de cómputo, mientras que la otra (ICMSP) se basa en redes rápidas para conectar el almacenamiento flash externo a la GPU. Qué enfoque, o combinación de enfoques, se convierta en el estándar de la industria probablemente dará forma a los patrones de demanda de NAND frente a redes y hardware DPU en los próximos años.

Por qué HBF está vinculado a la historia bursátil de SanDisk

HBF se ha convertido en una de las explicaciones técnicas recurrentes que los analistas citan al discutir el dramático rendimiento del precio de las acciones de SanDisk en 2026. La lógica conecta tres cosas: las cargas de trabajo de inferencia de IA están cada vez más limitadas por la capacidad de memoria en lugar de puramente por el cómputo; HBF aborda directamente esa restricción con una solución basada en NAND que juega con la fortaleza de fabricación central de SanDisk; y el negocio NAND existente de SanDisk ya se está beneficiando de un ciclo de demanda de SSD empresariales impulsado por IA separado y más inmediato. Juntos, crean una narrativa en la que SanDisk no solo está montando un ciclo de precios NAND a corto plazo, sino que también puede estar posicionado en el centro de un cambio arquitectónico a más largo plazo en cómo se construye el hardware de IA, suponiendo que HBF logre una adopción amplia en la industria.

Vale la pena ser claro sobre la distinción entre estas dos historias. El aumento de las acciones de SanDisk hasta mediados de 2026 ha sido impulsado abrumadoramente por la demanda actual de SSD empresariales y los precios de los contratos NAND, una tendencia real y que ya está monetizando. HBF, por el contrario, es una oportunidad de ingresos futura que aún se encuentra en la fase de muestreo y estandarización, y no se espera la integración de hardware comercial hasta alrededor de 2027 como muy pronto. Algunos analistas de mercado proyectan una aceleración significativa de la demanda relacionada con HBF solo alrededor de 2030, a medida que las cargas de trabajo de inferencia de IA escalen aún más en toda la industria. Los inversores y traders deben tratar a HBF como un factor de opcionalidad a largo plazo superpuesto a la historia de precios NAND de SanDisk a corto plazo, ya probada, no como un motor de ingresos actual.

Riesgos y preguntas abiertas en torno a HBF

Quedan varias incertidumbres genuinas antes de que HBF se convierta en un componente principal de la infraestructura de IA. La estandarización a través del Open Compute Project lleva tiempo y requiere una amplia aceptación de la industria más allá de solo SanDisk y SK hynix; sin una adopción más amplia por parte de los fabricantes de GPU e integradores de sistemas, HBF corre el riesgo de seguir siendo una solución de nicho. La falta de compromiso público de NVIDIA con HBF, dada su posición dominante en el diseño de aceleradores de IA, es una pregunta abierta significativa, ya que su propio enfoque ICMSP representa una arquitectura en competencia que podría capturar la misma oportunidad de mercado a través de una ruta técnica diferente. La complejidad de fabricación también es no trivial; HBF combina técnicas avanzadas de apilamiento NAND 3D, empaquetado novedoso y unión de obleas que deben escalar a una producción de alto volumen de manera confiable, un proceso en el que los equipos de ingeniería han estado trabajando durante casi dos años, incluso antes de la presentación pública. Finalmente, como cualquier tecnología de semiconductores emergente, las cifras reales de rendimiento, rendimiento y costo logradas en la producción en masa podrían diferir de los objetivos de hoja de ruta generacional que SanDisk ha publicado.

Reflexiones finales

HBF representa un enfoque genuinamente novedoso para uno de los cuellos de botella técnicos más apremiantes de la infraestructura de IA: cómo mantener suficientes datos relevantes lo suficientemente cerca del procesador para evitar el lag creado por los límites de capacidad de memoria actuales. Al combinar la alta densidad de la memoria flash NAND con un rendimiento de ancho de banda que se acerca a la HBM, SanDisk y SK hynix están abordando un problema que se vuelve más urgente a medida que los modelos de lenguaje escalan hacia ventanas de contexto cada vez más largas y cargas de trabajo de razonamiento más complejas. La tecnología ha pasado del concepto al prototipo funcional y a un lanzamiento conjunto formal con un impulso de estandarización real en poco menos de dos años, lo cual es un ritmo rápido para los estándares de la industria de semiconductores. Dicho esto, HBF sigue siendo precomercial a mediados de 2026, con el muestreo de clientes previsto para finales de este año y el primer hardware de IA integrado no esperado hasta 2027. Para cualquiera que evalúe la historia de almacenamiento de IA más amplia de SanDisk, HBF se entiende mejor como una apuesta creíble y bien financiada a largo plazo superpuesta al negocio de NAND y SSD empresariales de la compañía, ya probado y que actualmente monetiza.

Si este tipo de análisis profundo sobre la tecnología que impulsa las acciones de infraestructura de IA le resulta útil, puede poner esa investigación en acción registrándose a través de WEEX en https://www.weex.com/es-ES/register?vipCode=vrmi y explorando su plataforma de trading.

Preguntas frecuentes

1. ¿Qué es la High Bandwidth Flash (HBF) y en qué se diferencia de la HBM?

HBF es una nueva tecnología de memoria construida sobre memoria flash NAND en lugar de DRAM, diseñada para ofrecer un ancho de banda comparable a la High Bandwidth Memory (HBM) mientras ofrece de 8 a 16 veces más capacidad de almacenamiento a un costo similar. La HBM sigue siendo más rápida y de menor latencia, pero la HBF permite que los sistemas de IA mantengan muchos más datos, como parámetros de modelo o contexto de inferencia, accesibles sin los límites de costo y capacidad de la memoria basada puramente en DRAM.

2. ¿Cuándo estará disponible HBF en productos de hardware de IA reales?

A mediados de 2026, HBF se encuentra en la fase de muestreo y estandarización. Los módulos de muestra están destinados a ser lanzados a clientes seleccionados en la segunda mitad de 2026, y se espera que los primeros productos de hardware de IA integren HBF a partir de principios de 2027, según informes de la industria.

3. ¿Reemplaza HBF a la HBM en chips de IA como las GPU de NVIDIA?

No. HBF está diseñada para complementar a la HBM, no para reemplazarla. Está destinada a actuar como un nivel de memoria adicional que se sitúa entre la HBM ultrarrápida y el almacenamiento SSD tradicional, mucho más lento, manejando datos de gran capacidad como el contexto de inferencia que no necesita la velocidad absoluta más rápida de la HBM, pero que aún necesita un rendimiento mucho mejor que el almacenamiento estándar.

4. ¿Qué empresas están desarrollando la tecnología HBF?

SanDisk y SK hynix están desarrollando conjuntamente HBF y firmaron un Memorando de Entendimiento en agosto de 2025 para estandarizar su especificación. Lanzaron formalmente la tecnología en un evento conjunto en febrero de 2026 y están trabajando con el Open Compute Project en la estandarización de toda la industria, mientras que competidores como NVIDIA y Samsung están siguiendo sus propios enfoques alternativos al mismo cuello de botella de memoria.

5. ¿Cómo está conectada HBF al aumento del precio de las acciones de SanDisk en 2026?

Los analistas citan a HBF como un motor de crecimiento a más largo plazo y con visión de futuro superpuesto a la historia de precios de SSD empresariales y NAND impulsada por IA más inmediata de SanDisk, que ha sido el principal factor a corto plazo detrás del aumento de las acciones. HBF representa una opcionalidad futura vinculada a un mercado de arquitectura de memoria de IA potencialmente nuevo, en lugar de una fuente actual de ingresos, ya que no se esperan productos comerciales antes de 2027.

Descargo de responsabilidad

Este artículo es solo para fines informativos y educativos y no constituye asesoramiento financiero, de inversión, legal o técnico. La información sobre la tecnología HBF, los cronogramas de productos y las declaraciones de la empresa refleja los datos disponibles públicamente a mediados de 2026 y puede cambiar a medida que se desarrolla la tecnología; la disponibilidad comercial, las especificaciones de rendimiento y los cronogramas de adopción podrían diferir materialmente de las hojas de ruta actuales. Las referencias al rendimiento de las acciones de SanDisk son ilustrativas y no una recomendación para comprar o vender ningún valor. Realice siempre su propia investigación independiente y consulte a un asesor financiero con licencia antes de tomar cualquier decisión de inversión. Ni el autor ni el editor son responsables de las pérdidas resultantes de la confianza en este contenido.