Damnang
· Damnang’s Substack
· 2026년 8월 18일, 16:24
· ⏱ 12 분 소요
| Substack에서 읽기 ↗
요약
Sandisk의 HBF는 읽기 중심의 모델 가중치는 HBF에, KV 캐시는 HBM에 두는 좁은 구성에서만 기술적으로 타당하며, 전체를 HBF로 구성하는 방식은 쓰기 내구성과 열 제한 문제로 실패할 가능성이 높습니다. 따라서 Sandisk의 상승 여력은 HBM을 광범위하게 대체하는 것이 아니라, 특히 Google과 Meta에서의 설계 채택(design win) 여부에 달려 있습니다.
•해당 기사는 Li et al. 2026의 연구를 인용하여 HBF 전용 방식이 일반적인 대화형 추론에는 '적용 가능성이 낮다'고 평가했습니다. 해당 연구에 따르면 모든 트레이스에서 쓰기 트래픽이 읽기 트래픽을 초과했고, 최대 대역폭에 도달하기 전에 열 제한에 걸렸으며, TLC 마모도가 교체 대상인 SSD 풀보다 빠르게 진행되었습니다.
•모델 가중치는 HBF에, KV 캐시는 HBM에 두는 HBF(+HBM) 방식이 가장 현실적인 기본 시나리오입니다. 이 경우 k=4 노드에서 메모리는 288GB에서 2.2TB로 증가하지만, 대역폭은 22TB/s에서 17.4TB/s로 감소합니다.
•Sandisk가 인베스터 데이에서 주장한 '4개의 HBF 전용 가속기가 8개의 HBM 전용 가속기와 맞먹으며, 8배의 자본 효율성과 2배의 GPU 효율성을 제공한다'는 내용은 GPU당 192GB HBM과 BF16 정밀도를 사용한 비교라는 점에서 의문이 제기됩니다.
•HBF는 또한 토큰당 비용이나 시스템 효율성 측면에서 디코드를 위한 SRAM 랙과 GDDR7 기반 프리필 가속기를 결합한 비분산형 설계보다 우위에 있어야 합니다.
•기사는 Google과 Meta가 'HBF를 평가할 비교적 강력한 유인'을 가지고 있는 반면, NVIDIA는 이를 채택할 가능성이 낮다고 평가합니다.
•바텀업 모델은 Google과 Meta의 가속기 유닛 풀, HBF 부착률, 가속기당 스택 수를 통해 HBF 매출을 직접 산출하며, 이후 제품 믹스와 NAND 웨이퍼 흡수량에 미치는 2차 효과를 추가합니다.
기사는 HBF가 '상업적 배포에 도달하면 샌디스크의 주가를 움직일 수 있다'는 상향식 논거를 명시적으로 제시하며, NAND 웨이퍼 흡수와 제품 믹스를 2차 매출 동력으로 식별한다.
기사는 HBF가 '상업적 배포에 도달하면 샌디스크의 주가를 움직일 수 있다'는 상향식 논거를 명시적으로 제시하며, NAND 웨이퍼 흡수와 제품 믹스를 2차 매출 동력으로 식별한다.
위험: 실현 가능성에 논란이 있으며, SSD급 쓰기 관리 없이는 HBF 전용 KV-캐시 경로가 지속 불가능하다고 평가되므로 상업화 시기와 고객 확약은 여전히 불확실하다.
기사는 구글과 메타가 HBF를 평가할 '상대적으로 강한 인센티브'를 가지고 있다고 말하며, 구글의 가속기 유닛 풀을 샌디스크의 직접 HBF 매출의 주요 동력으로 사용한다.
기사는 구글과 메타가 HBF를 평가할 '상대적으로 강한 인센티브'를 가지고 있다고 말하며, 구글의 가속기 유닛 풀을 샌디스크의 직접 HBF 매출의 주요 동력으로 사용한다.
위험: 구글은 경쟁적인 분리형 또는 SRAM 기반 설계를 선호할 수 있으며, 기사에 따르면 HBF는 토큰당 비용 또는 시스템 효율성에서 이를 이겨야 한다.
기사는 'NVIDIA가 HBF를 채택하지 않을 것'이라고 판단한다. 이는 NVIDIA의 HBM 중심 가속기 메모리 로드맵이 Sandisk의 NAND 기반 HBF에 의해 교란되지 않음을 시사한다.
기사는 'NVIDIA가 HBF를 채택하지 않을 것'이라고 판단한다. 이는 NVIDIA의 HBM 중심 가속기 메모리 로드맵이 Sandisk의 NAND 기반 HBF에 의해 교란되지 않음을 시사한다.
리스크: HBF의 경제성이 개선되고 하이퍼스케일러 ASIC이 추론 분야에서 점유율을 얻는다면, NVIDIA는 결국 대응 압박을 받을 수 있다.
This newsletter, published August 18, 2026,
features Damnang
discussing SNDK, GOOGL, META, NVDA.
4 trade ideas extracted by AI with direction and confidence scoring.