SK海力士于9月15日至17日在圣克拉拉举行的AI Infra Summit 2026上发布了面向AI基础设施的新产品路线图。

SK hynix参加了2026年9月15日至17日在加利福尼亚州圣克拉拉举行的AI基础设施峰会（AI Infra Summit 2026）。这场为期三天的会议探讨了新兴技术趋势，并围绕数据与模型、计算、数据移动、AI数据中心以及物理AI五个赛道探索未来发展方向。随着全球主要科技企业展示其最新创新成果，展会现场在整个活动期间始终保持高度活跃。

维持AI的快速增长需要服务器和数据中心等核心基础设施的持续创新。鉴于这一优先事项，本届峰会吸引了约6,000名参会者——是去年的两倍。为此，SK hynix将其展位面积扩大了一倍，展示了广泛的下一代内存解决方案组合，巩固了其在AI基础设施领域的领导地位。

SK hynix以“New Spectrum”为主题运营展位，突出了其最新的AI内存技术并加强了品牌存在感。展位布局设计旨在让人一目了然：后墙展示了公司技术愿景的图形化呈现，左侧展示了PIM和SALT-KV技术，而入口处则醒目地陈列着一个详细的HBF结构模型。

HBF展区配有介绍视频和实体结构模型。随着AI行业从训练转向推理，市场对一种新型存储层的需求日益增长，该层级位于提供高带宽的HBM和提供海量存储容量的SSD之间。HBF（高带宽闪存）是一种基于TSV技术的下一代NAND解决方案，类似于HBM，它将传统存储的高容量与高速数据传输相结合。作为Agentic AI推理驱动时代的基础技术，HBF展品吸引了最高的访客参与度。参观者经常观看完整的介绍视频，并花费大量时间研究产品模型以了解其架构。

PIM（存内处理）展区展示了SK hynix的AiM芯片、基于AiM的加速器卡（AiMX），以及一台完全集成的服务器，并现场演示了增强型大语言模型（LLM）服务。PIM将计算功能直接嵌入内存中，以最小化处理器与内存之间的数据移动，从而解决“内存墙”瓶颈，同时提升性能和能效。参观者对该技术简化AI工作负载的潜力表现出浓厚兴趣，并明确表示期待其近期部署。

SALT-KV（面向KV缓存的语义感知生命周期分层）展区配备了一台装有SK hynix eSSD的服务器，旁边有一块显示器可视化显示AI系统内的实时数据流动。SALT-KV将LLM的KV缓存划分为基于上下文的段，评估每一段的复用价值和存储成本，然后动态将其分配至HBM、DRAM或SSD中的最佳层级。这种方法在受限的内存资源内实现了最大化利用。该展区还举办了一场互动演示， attendees使用由SALT-KV支持的LLM构建并运行一个简单的游戏，始终吸引渴望现场测试该解决方案的人群。

除了展览活动外，SK hynix还通过一场专题演讲强化了其满足不断变化的客户需求的承诺。在会议第二天，解决方案AT副总裁兼负责人Lim Eui-cheol在“数据移动”赛道下发表了题为“超越一刀切：为AI服务的新频谱提供PIM、HBF及更多”的主题演讲，概述了下一代内存技术方面的持续研发进展。

Lim表示：“随着AI工作负载变得更加多样化——从超低延迟的智能体服务到对成本效率至关重要的长上下文应用——仅靠传统的GPU-HBM架构已越来越不足。” “为了应对这些不断变化的需求，SK hynix正在开发包括PIM、HBF和SALT-KV在内的软硬件集成解决方案。”他进一步指出：“HBF结合了高带宽和大容量，以优化长上下文工作负载；而PIM则提升了高性能服务的快速解码需求所需的性能和效率。两者都是突破当前架构限制的有力途径。SALT-KV通过考虑KV缓存的特性和可复用性来提高处理效率，也具有推动AI系统演进的巨大潜力。”

通过参加2026年AI基础设施峰会，SK hynix展示了包括PIM、HBF和SALT-KV在内的下一代AI内存解决方案，并阐述了其在AI基础设施创新领域保持领先的战略。该公司致力于推进其技术能力，以满足AI时代迅速演变的需求。

**参考定义**

* HBM（高带宽内存）：一种高价值、高性能的产品，通过垂直连接多个DRAM芯片来增加容量并大幅提高数据处理速度。HBM的发展顺序如下：第一代（HBM）、第二代（HBM2）、第三代（HBM2E）、第四代（HBM3）、第五代（HBM3E）和第六代（HBM4）。

* TSV（硅通孔）：一种通过穿过硅基底的垂直电极垂直连接芯片的技术。

* AiM（存内加速器）：一种将处理器的计算功能嵌入内存中的下一代解决方案。

* LLM（大型语言模型）：一种从大数据中学习以生成和理解自然、类人句子的AI模型。通过大幅增加参数规模，它获得了复杂的上下文理解、推理和翻译等高级语言处理能力。

* KV Cache（键值缓存）：基于大型语言模型的AI智能体在生成文本时存储先前计算结果的临时内存。与用户的对话越长、需要处理的任务越多，其增长就越呈指数级——因此，高效存储和处理这种内存的能力对AI智能体的性能有着重大影响。