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。
闫学晶直播视频回放哪里看?完整回放内容与观看方式盘点
近年来,闫学晶在短视频和直播领域的活跃度越来越高,不少观众因为错过直播时间而四处搜索「闫学晶直播视频回放」。作为从二人转舞台走向影视荧屏的知名演员,闫学晶的直播往往带有浓厚的东北特色和亲切感,她在直播间里聊天、唱歌、分享生活,偶尔还会即兴来上一段二人转,这种接地气的风格让很多中老年观众和年轻网友都愿意驻足观看。也正因如此,直播结束后的回放内容成为粉丝反复观看、二次传播的重要素材。
从内容来看,闫学晶的直播通常围绕几个固定板块展开。一是家常式聊天,她会聊家里的近况、子女的教育,也会回应网友关心的影视作品动态;二是才艺展示,作为二人转演员出身,她偶尔会在直播间清唱几句经典唱段,或者和徒弟、同行连麦互动;三是带货环节,闫学晶的直播带货以农产品和日用消费品为主,风格偏向实在、不夸张,这也是不少观众愿意看回放的原因之一。此外,她还会在直播中分享剧组趣事和演出花絮,这类内容往往在回放中更耐看,因为可以暂停、反复听清细节。
那么,闫学晶直播视频回放到底在哪里看?目前最常见的渠道是短视频平台。闫学晶本人在多个平台开设了账号,直播结束后,平台通常会在账号主页保留一段时间的直播回放,用户可以进入她的个人主页,在「直播」或「作品」栏目中查找历史记录。需要注意的是,不同平台对回放的保存时限不同,有的只保留几天,有的则会长期留存精彩片段。此外,一些粉丝账号和资讯类账号会剪辑发布直播中的高光片段,这类内容虽然不是完整回放,但胜在短小精悍,适合快速了解直播内容。如果想找完整版回放,建议优先关注官方账号的动态,部分重要直播还会以合集形式整理发布。
在查找闫学晶直播视频回放时,也有几点需要提醒。首先,网络上存在一些打着「完整回放」旗号的搬运视频,画质模糊、内容拼接,观看体验较差,建议以官方账号发布的内容为准。其次,部分回放可能涉及直播带货的商品信息,观看时要注意甄别,避免被过期链接误导。最后,如果非常在意某一场直播的内容,可以在直播进行时就留意平台是否开启「回放」功能,或者关注粉丝社群的分享,往往能第一时间拿到回放链接。总的来说,闫学晶直播视频回放并不难找,关键是认准官方渠道、留意保存时限,就能随时重温她在直播间里的精彩表现。

整合海量视频内容资源,提供稳定、高速的视频播放服务。平台不断扩展内容库,为用户带来持续更新的观看体验。。围绕科技让博物馆有一颗现代的心的讨论持续升温,相关话题的关注度也在不断上升。袁红珍表示,专注打造高效视频内容平台,支持高清视频播放与多源内容解析。系统优化加载速度,使用户能够快速访问所需视频内容。,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:美紧急凑2.5亿军援安抚乌克兰,俄大使:美向乌送上“血腥的新年礼物”·为用户提供丰富的视频内容资源与高清播放体验,覆盖多类型热门视频与精选推荐内容。平台每日实时更新,确保用户能够第一时间获取最新资源;同时支持多终端访问,让观看更加便捷流畅。