AI資料中心的軍備競賽，正在從「誰有更多GPU」，進入「誰能更快把資料餵給GPU」的新階段。Sandisk在FMS 2026端出的，不只是新一代SSD，而是一套重新分配AI記憶體階層的藍圖：從BiCS10 QLC 3D NAND、HBF高頻寬快閃記憶體，到高耐寫KV cache企業級SSD、未來PCIe Gen6與超高容量E3.S設計，儲存正從後端配角走向AI推論前線。
GPU不夠快？
更關鍵的是，HBF已不只是Sandisk單一公司的技術概念。首份開放式HBF規格已透過Open Compute Project發布，由Sandisk、SK海力士、Google、Tenstorrent等參與，首版涵蓋8層與16層NAND堆疊，單組容量最高512GB，頻寬約0.4TB/s至3TB/s，並採UCIe作為處理器與HBF之間的介面。
真正瓶頸是「資料搬不動」
大型模型參數持續增加，模型權重、長上下文、向量資料庫與推論暫存資料，早已不是單靠HBM就能解決。HBM的優勢是頻寬極高、距離GPU最近，但容量有限、成本高，也受到先進封裝面積與供應限制；SSD容量大、每GB成本低，卻受PCIe與控制器延遲制約。
HBF的角色，正好卡在兩者之間。它利用NAND高密度與非揮發特性，建立一層比SSD更靠近運算晶片、又比HBM更能堆高容量的新記憶體層。
因此，HBF現階段並不是要「取代HBM」。更合理的架構，是把最熱、最即時的資料留在HBM，次熱資料交給DRAM或LPDDR，再把更大規模的模型權重、KV cache與近運算資料交給HBF及高耐寫SSD。AI伺服器的價值量，也可能從GPU、HBM、CoWoS，繼續向NAND、控制器、企業級SSD與高速介面擴散。HBF目前仍屬標準與樣品階段，不能解讀為HBM需求將消失，更不能認為NAND將全面取代HBM。
Agentic AI讓KV cache 成為新的「記憶體黑洞」
如果說AI訓練時代最吃的是GPU，那麼推論時代最棘手的成本之一，就是KV cache。
大型語言模型在生成每一個Token時，都要保存先前Token對應的Key與Value，當同時使用者增加、上下文從數萬Token拉長至數十萬甚至百萬Token，再加上Agent不斷呼叫工具、查詢資料庫、修改工作計畫與保留任務歷程，KV cache就會快速膨脹。
如果全部塞進HBM，不但昂貴，也等於拿最稀缺的高速記憶體去存放不是每一刻都需要的資料。新架構因此開始分層：HBM保存最高頻資料，DRAM承接次高頻內容，高耐寫SSD則卸載部分KV cache。
AI儲存直接影響Token成本？
AI推論不是只有矩陣運算。模型權重必須載入，RAG要反覆抓取向量資料，Agent還會持續寫入與讀回任務狀態。當資料供應速度跟不上加速器，昂貴的GPU或ASIC就可能花更多時間等待資料，而不是執行運算。
因此Sandisk把「容量、頻寬、功耗與Token經濟性」放在同一套框架下看待。儲存設備的任務，正在從「資料放得下」，升級成「能否用足夠速度、穩定延遲與合理功耗把資料送到算力端」。這也是HBF、KV cache SSD與高速企業級SSD同時被推向舞台的原因。
BiCS10 QLC AI資料湖 要的是「便宜的大容量」
Sandisk與Kioxia共同開發的BiCS10，是另一條重要技術主線。BiCS10採CBA架構，把CMOS控制電路與NAND儲存陣列分別製造後再鍵合，使邏輯與儲存陣列可以各自最佳化。
已開始送樣的TLC版本為332層、1Tb，NAND介面速度最高4.8Gb/s；Kioxia公開的QLC研發版本則達2Tb、332層，每個儲存單元儲存4位元，核心訴求就是提高位元密度、降低容量成本。
這種QLC特性，正適合AI資料湖、RAG知識庫、模型檢查點與大量歸檔資料。這些資料不需要HBM等級的超低延遲，卻需要更大的TB數與更低的每GB成本。
反過來看，KV cache、日誌及高頻隨機寫入仍較適合高耐寫TLC SSD，因此未來AI SSD不會「全面QLC化」，而是依工作負載分工。
E3.S＋PCIe Gen6 SSD競爭 從容量轉向「控制器」
當AI伺服器放入更多SSD，傳統2.5吋U.2開始面臨空間、氣流、散熱與維修效率問題。E3.S屬EDSFF規格，更適合高密度伺服器，也有利熱插拔與前端維護。搭配未來PCIe Gen6後，企業級SSD的競爭重點將從「用了多少NAND」轉向控制器、韌體、QoS、LDPC錯誤更正、壞區管理、寫入放大、斷電保護與散熱能力。
Sandisk甚至提出減少SSD板載DRAM用量，代表未來控制器必須以更少快取資源完成映射表與資料管理。對台灣業者而言，真正能拉高附加價值的，不再只是低價買進NAND、組成SSD，而是控制器、韌體與整體系統整合能力。
若按照產業直接度排序，群聯(8299)最具代表性。群聯不是NAND製造商，卻掌握企業級SSD控制器、韌體、Pascari品牌、KV cache方案、aiDAPTIV記憶體延伸技術，以及PCIe Gen5、E3.S、E3.L、U.2等產品線；Pascari產品容量更已延伸至245.76TB。當AI SSD競爭轉向高耐寫、穩定QoS與軟體整合，控制器與韌體價值將更加突出。
台股誰站第一排？ 群聯、威剛、宜鼎最具代表性
第二是威剛(3260)。旗下TRUSTA已布局PCIe Gen5企業級SSD、U.2、E1.S與AI Scaler，其中AI Scaler可在GPU、DRAM與SSD之間動態分配推論與微調資料。若企業級產品比重持續提高，威剛就有機會從傳統記憶體模組商，進一步走向AI儲存方案商。
第三是宜鼎(5289)。公司已有PCIe Gen5 E3.S、E3.L及U.2企業級SSD，並延伸至Edge AI、工業AI與高可靠度資料中心儲存，優勢在工業客戶、長供貨週期及系統整合。
宇瞻(8271)、創見(2451)也可受惠企業及工業SSD升級，但在大型Hyperscale資料中心的直接度較低。緯穎(6669)、緯創(3231)、廣達(2382)、鴻海(2317)與英業達(2356)則屬系統端間接受惠，因為更多E3.S、KV cache節點與近運算儲存，將迫使ODM重新設計SSD背板、PCIe交換架構、散熱、電源與資料路徑。
相較之下，南亞科(2408)、華邦電(2344)、旺宏(2337)不宜直接貼上HBF概念股標籤；先進封裝與載板的台積電(2330)、日月光投控(3711)、欣興(3037)、景碩(3189)、南電(8046)雖具長期技術想像，但目前也沒有公開證據證明已取得Sandisk HBF訂單。
AI資料中心重繪記憶體金字塔
FMS 2026真正值得投資人注意的，不是「又多一種記憶體」，而是AI資料中心正在重畫記憶體金字塔：最上層由高價、高頻寬HBM處理最熱資料，中間加入DRAM與HBF，底層再由企業級SSD與QLC資料湖承接龐大容量。
短期最可能先形成營收的，仍是企業級SSD、控制器與KV cache方案；中長期則要追蹤HBF樣品、Google與Tenstorrent採用進度、PCIe Gen6導入，以及NVIDIA、AMD等AI晶片業者是否加入標準。
最大的風險則是HBF仍有延遲、耐久度、散熱、封裝成本與軟體整合等驗證關卡，加上NAND本質仍是循環產業，需求增加不代表價格只漲不跌。
換言之，AI儲存的趨勢已逐漸清楚，但真正值得追蹤的不是誰最會喊HBF，而是誰已經擁有控制器、韌體、企業級SSD與AI記憶體延伸能力。
