美光HBM专家:AI算力提速快于HBM 内存墙问题持续加剧

发布时间:2026年11月16日 18:33

来源:人民日报

窝窝看,资讯聚合,个性化推荐,内容发现,阅读工具,信息流,移动阅读,内容生态“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。

(责任编辑:陆钧生)

收起介绍展开介绍
  • 下载地址
窝窝看:从聚合工具到资讯入口,它凭什么留住用户?

如有发现下载链接错误,请联系小编!

软件排行榜

热门推荐

    在信息过载的当下,用户面对的不是内容太少,而是选择太多。窝窝看正是在这一背景下进入大众视野的——它把自己定位为一款资讯聚合与内容发现工具,试图用更轻的方式帮用户筛掉噪音、找到值得读的内容。与单纯依赖编辑推荐的资讯客户端不同,窝窝看更强调“聚合”与“发现”两个动作:一方面接入多来源内容,另一方面通过算法与标签体系把分散的信息重新组织,让用户在一个入口里完成从浏览到深读的过渡。这种定位看似普通,却切中了不少人“装了三四个资讯App却只看一个”的真实痛点。

    从内容生态看,窝窝看的核心竞争力在于来源的广度与分发的效率。它并不追求自建庞大的采编团队,而是通过内容源接入和分类标签,把新闻、科技、生活、娱乐等不同领域的信息汇聚到统一的信息流中。对用户而言,这意味着不必在多个平台之间反复跳转;对内容创作者而言,多了一个曝光渠道。值得注意的是,窝窝看在推荐机制上强调兴趣匹配,用户停留、点击、收藏等行为会持续影响后续内容的呈现,形成越用越顺手的使用惯性。这种“轻编辑+重算法”的组合,是它区别于传统门户的关键。

    用户体验层面,窝窝看的优势体现在阅读的连贯性上。界面相对克制,信息流加载流畅,文章页去除了过多干扰元素,适合碎片时间快速浏览,也支持较长内容的沉浸阅读。对于习惯在通勤、午休时段刷资讯的用户来说,这种轻量体验比功能堆砌更有吸引力。不过,聚合模式也带来新的考验:内容质量参差不齐、同质化转载较多、部分来源权威性不足,都会影响用户信任。窝窝看若想在长期竞争中站稳,需要在源筛选、去重和优质内容加权上持续投入,而不是单纯追求信息流的刷新频率。

    放到更大的竞争格局中看,窝窝看面对的是资讯客户端、浏览器信息流和社交平台的多重挤压。它的机会在于细分人群:那些不满足于社交平台碎片信息、又不想被重型资讯App绑架的用户,需要的是一个“够用就好”的中间态产品。未来,窝窝看能否把个性化推荐做得更透明、把内容源治理做得更扎实,并围绕收藏、订阅、专题等场景建立用户留存,将决定它能否从工具型产品升级为稳定的资讯入口。对普通用户来说,窝窝看值得一试,但建议主动管理兴趣标签、定期清理低质来源,才能让这款工具真正为自己服务。