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。
六大行集体官宣!存款利率再调整,储户的钱该往哪放
工商银行、农业银行、中国银行、建设银行、交通银行、邮储银行六家国有大型商业银行近日陆续在官网发布公告,对人民币存款挂牌利率进行调整。由于六家银行动作高度一致、公告时间集中,被市场概括为六大行集体官宣。本轮调整覆盖活期存款与各期限定期存款,其中三年期、五年期等中长期品种的变动更受关注,也再次释放出银行业主动优化负债结构的信号。
从公告内容看,调整延续了近年的基本路径:活期存款利率小幅下调,整存整取定期存款按期限长短分档调整,期限越长调整幅度相对越明显,通知存款、协定存款等对公品种同步跟进。六大行是行业定价的风向标,其挂牌利率变动往往会在短时间内被股份制银行、城商行和农商行参考跟进,形成梯次传导。对普通储户而言,最直接的变化是同样一笔钱存进银行,到期利息会比此前少一些,尤其是习惯把资金长期锁定在三年期、五年期的稳健型投资者,感受会更为明显。
六大行集体官宣降息的背后,是商业银行持续承压的净息差。近年来贷款市场报价利率多次下行,存量房贷利率批量调整,加之银行持续向实体经济让利,资产端收益率不断走低;而存款作为最主要的负债来源,成本相对刚性。通过下调存款挂牌利率压降付息成本,成为银行稳定盈利、留出进一步让利空间的现实选择。业内普遍认为,存款利率与贷款利率之间的联动正在增强,存款端的调整也为后续贷款利率下行腾出了一定余地。
利率下行也在改变居民的资产配置习惯。存款收益走低后,部分资金开始向银行理财产品、储蓄国债、货币基金和保险类产品分流,储蓄国债往往在开售当天即被抢购。与此同时,阶梯式存款、长短期限搭配、大额存单与定期存款组合等策略受到更多关注。需要提醒的是,理财产品和基金并不保本,收益存在波动,储户在追求更高回报时应对自身风险承受能力有清醒判断,避免盲目追逐所谓高息产品,更要警惕打着存款幌子的违规揽储。
对银行来说,负债成本下降有助于缓解息差压力,但如何在存款流失与成本控制之间取得平衡,仍是长期课题。对储户来说,与其纠结某一次调整的十几个基点,不如把目光放长:先留足三到六个月生活开支的应急资金,其余资金按用途和期限分散配置,既保证流动性,也争取相对合理的综合收益。六大行集体官宣之后,中小银行大概率会陆续跟进,储户不妨多比较几家机构的实际执行利率和起存门槛,再作决定。

打造智能视频推荐与播放系统,整合热门内容与实时更新资源。平台注重用户体验优化,提供高清播放与稳定访问服务。。围绕聚焦|张文宏:2021全球疫情“好不到哪也坏不到哪”的讨论持续升温,相关话题的关注度也在不断上升。谢纪昌表示,提供丰富的视频资源库,涵盖最新更新与热门推荐内容。平台通过优化播放结构,实现更快速的视频加载与更稳定的观看体验。,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:澳门协和医院投入试营运·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。