徽声在线10月14日讯（记者 李明轩）据SK海力士最新预测，至2030年全球人工智能基础设施性能规模将实现约20倍增长，这一判断基于AI推理需求呈现指数级上升趋势。在10月14日举行的首尔2026半导体展上，该公司半导体开发负责人Ahn Hyun通过主题演讲揭示，AI推理市场正经历三维扩张——任务复杂度、单次处理数据量及并发请求数量同步提升，三者叠加效应正引发对底层算力基础设施的爆发式需求。

内存架构变革成为破局关键。随着AI模型参数规模突破万亿级，传统存储方案面临严峻挑战。Ahn Hyun特别指出，用于存储中间计算结果的键值缓存（KV Cache）容量需求激增，迫使行业采用异构内存架构，通过整合高带宽内存（HBM）、动态随机存取存储器（DRAM）及固态硬盘（SSD）构建分层存储体系。这种技术演进直接推动SK海力士作出2030年性能规模增长20倍的预测。

在技术创新层面，SK海力士同步推进两大战略方向。其一，三维堆叠DRAM技术通过垂直集成存储单元，在相同芯片面积下实现容量数倍提升；其二，持续优化HBM产品性能，最新一代产品已实现带宽与能效的双重突破。这些技术积累为应对AI算力需求提供坚实基础。

革命性架构MARS问世

在旧金山举行的2026年OCP全球峰会上，SK海力士重磅发布MARS（Memory-Centric AI Rack-Scale System）系统。该架构突破传统以处理器为核心的集群设计，采用解耦式机架架构实现计算与内存资源的池化共享。测试数据显示，在多智能体推理场景中，MARS可将首个词元生成时间缩短60%-80%，尾延迟压缩效果更为显著，有效解决传统架构中GPU资源闲置导致的TCO（总拥有成本）虚高问题。

HBF技术突破容量瓶颈

同期推出的高带宽闪存技术HBF（High Bandwidth Flash）开创存储新范式。该技术在保持接近HBM带宽水平的同时，将单芯片容量提升至HBM的14倍，计划2028年进入样品阶段。这项突破性技术特别针对大模型训练场景中的参数存储需求，可显著缓解当前HBM供应紧张局面。

行业分析师指出，SK海力士通过MARS架构与HBF技术构建差异化竞争力，形成对HBM主赛道的战略补充。在英伟达等AI芯片厂商持续扩大HBM采购的背景下，这两项技术有望重塑存储产业链格局，为应对2030年AI算力需求爆发提供关键技术支撑。

（徽声在线 李明轩）