美光HBM专家：AI算力提速快于HBM 内存墙问题持续加剧
“内存墙依旧存在，甚至情况或许还在进一步恶化。”美光HBM设计架构方向专家拉古·斯里拉马内尼（Ragu Sriramaneni）于当地时间23日在美国斯坦福大学举办的半导体学术会议Hot Chips 2026上发表上述观点。 内存墙指负责运算的芯片性能飞速提升，但负责传输数据的内存跟不上运算速度，由此产生的性能瓶颈。进入人工智能时代后，这一瓶颈非但没有缓解，反而愈发严重。 斯里拉马内尼表示，AI芯片的运算性能每两年约提升3倍，但承担数据供给的HBM（高带宽内存）同期性能提升还不到2倍。即便搭载运算能力再强的芯片，如果数据传输通道狭窄，最终性能也会被通道速度所束缚。他预判：“打破运算单元与内存之间的边界，全新架构设计，将会是翻越内存墙的一条路径。” 斯里拉马内尼以一款将2颗GPU与8颗12层HBM4集成在一起的最新封装产品举例，该封装整体芯片面积当中，内存占比约90%。也就是说，内存占用的芯片面积，是负责运算的GPU的8倍以上。他称：“HBM体积还不及一枚邮票，却需要设计、工艺、封装技术全部完美匹配，是难度最高的产品。” 内存占用面积过大，也带来供给端的压力。要生产同等容量产品，HBM消耗的硅片晶圆数量约为普通DDR5内存的3倍。这意味着同一工厂，HBM的产出数量会被大幅压缩。斯里拉马内尼解释：“技术代际迭代，该差距还在持续拉大。速度提升、芯片尺寸变大、堆叠层数增加，都会同步推高所需芯片面积。” 散热问题也越来越成为发展阻碍。他补充，随着数据交互速率不断提高，散热已经成为设计阶段需要优先考量的约束条件。HBM为多层DRAM堆叠结构，发热最严重的底层产生的热量，需要穿透全部堆叠层，传导至带有散热装置的顶层。而DRAM一旦温度过高，就极易出现故障。他表示行业现已进入先测算散热，再搭建芯片架构的阶段，液冷散热、芯片超薄贴合等技术正成为主流解决方案。 上述各类难题，都体现在美光近期开启量产的第六代产品HBM4之上。HBM将数据通路与存储单元相较上一代扩充一倍，大幅提升单次数据处理量，单颗Cube带宽可达每秒2.8TB。美光正将该产品供应给英伟达下一代AI芯片Vera Rubin。
再把腿X开一点就可以吃扇贝：网络热梗背后的语言狂欢与传播逻辑
“再把腿X开一点就可以吃扇贝”这句话最近在各大社交平台的评论区频繁出现，不少网友第一次看到时一头雾水，随后又被其荒诞的画面感逗笑。从字面看，这句话把“腿”“X开”“扇贝”三个毫不相干的元素强行拼接，制造出一种突兀又滑稽的语义冲突。事实上，这类表达并非凭空产生，它延续了中文互联网上“谐音+画面联想”的造梗传统，通过故意错位制造笑点，再借由短视频弹幕、评论区接龙迅速扩散。它的走红，本质上是一次语言游戏在群体围观中的集体狂欢。
追溯该梗的传播路径，可以发现它最早出现在部分生活类短视频的评论区，随后被搬运至微博、小红书等平台，形成跨平台联动。其语义并不指向真实行为，而是依靠“X”这个占位符号留下想象空间，让不同受众自行填充，从而产生“千人千解”的效果。有语言研究者指出，这种用字母替代敏感或夸张动词的做法，既规避了直白表达可能带来的审核风险，又保留了调侃的趣味性，属于网络语境下的一种“柔性表达”。正是这种模糊性，让“再把腿X开一点就可以吃扇贝”具备了被反复引用和二创的土壤。
不过，热梗的扩散也伴随着争议。部分网友认为，这句话若脱离特定语境，容易被误读为带有低俗暗示的表达，尤其在未成年人聚集的社区中传播时，需要格外注意边界。也有观点认为，玩梗本身是网络文化的一部分，关键在于使用者是否具备语境自觉。平台方面，目前对该类内容的处理多以“不主动推荐、不集中展示”为主，既避免过度干预，也防止低俗化倾向蔓延。对普通用户而言，理解梗的来龙去脉、分清玩笑与冒犯的界限，比单纯复制粘贴更重要。
从传播学角度看，“再把腿X开一点就可以吃扇贝”的走红再次印证了短句梗的扩散规律：门槛低、可复制、留白多。它不需要复杂的背景知识，却能在一瞬间激发好奇心和参与欲，这正是其能在短时间内刷屏的原因。但热度终会退潮，真正值得关注的是，我们如何在享受语言创造力的同时，保持对公共表达空间的尊重。理性玩梗、适度使用，才能让网络流行语成为连接彼此的桥梁，而不是制造误解的墙。
专注于提供稳定、高清的视频播放服务，涵盖影视、短视频及精选推荐内容。平台采用多源内容整合机制，实现快速加载与流畅播放体验，满足不同用户的观看需求。。围绕《致富经》 20230515 值钱的果子待遇不一般的讨论持续升温，相关话题的关注度也在不断上升。高行群表示，作为综合性视频内容平台，持续收录全网热门资源与精选视频合集。系统支持多终端同步播放，保证用户在不同设备上均可获得一致体验。，这一变化值得持续关注。
“内存墙依旧存在，甚至情况或许还在进一步恶化。”美光HBM设计架构方向专家拉古·斯里拉马内尼（Ragu Sriramaneni）于当地时间23日在美国斯坦福大学举办的半导体学术会议Hot Chips 2026上发表上述观点。 内存墙指负责运算的芯片性能飞速提升，但负责传输数据的内存跟不上运算速度，由此产生的性能瓶颈。进入人工智能时代后，这一瓶颈非但没有缓解，反而愈发严重。 斯里拉马内尼表示，AI芯片的运算性能每两年约提升3倍，但承担数据供给的HBM（高带宽内存）同期性能提升还不到2倍。即便搭载运算能力再强的芯片，如果数据传输通道狭窄，最终性能也会被通道速度所束缚。他预判：“打破运算单元与内存之间的边界，全新架构设计，将会是翻越内存墙的一条路径。” 斯里拉马内尼以一款将2颗GPU与8颗12层HBM4集成在一起的最新封装产品举例，该封装整体芯片面积当中，内存占比约90%。也就是说，内存占用的芯片面积，是负责运算的GPU的8倍以上。他称：“HBM体积还不及一枚邮票，却需要设计、工艺、封装技术全部完美匹配，是难度最高的产品。” 内存占用面积过大，也带来供给端的压力。要生产同等容量产品，HBM消耗的硅片晶圆数量约为普通DDR5内存的3倍。这意味着同一工厂，HBM的产出数量会被大幅压缩。斯里拉马内尼解释：“技术代际迭代，该差距还在持续拉大。速度提升、芯片尺寸变大、堆叠层数增加，都会同步推高所需芯片面积。” 散热问题也越来越成为发展阻碍。他补充，随着数据交互速率不断提高，散热已经成为设计阶段需要优先考量的约束条件。HBM为多层DRAM堆叠结构，发热最严重的底层产生的热量，需要穿透全部堆叠层，传导至带有散热装置的顶层。而DRAM一旦温度过高，就极易出现故障。他表示行业现已进入先测算散热，再搭建芯片架构的阶段，液冷散热、芯片超薄贴合等技术正成为主流解决方案。 上述各类难题，都体现在美光近期开启量产的第六代产品HBM4之上。HBM将数据通路与存储单元相较上一代扩充一倍，大幅提升单次数据处理量，单颗Cube带宽可达每秒2.8TB。美光正将该产品供应给英伟达下一代AI芯片Vera Rubin。
了解更多相关内容：聚焦丨张文宏：疫苗接种是防控基础 未来还需全方位防控策略·专注于提供稳定、高清的视频播放服务，涵盖影视、短视频及精选推荐内容。平台采用多源内容整合机制，实现快速加载与流畅播放体验，满足不同用户的观看需求。