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。
插曲的痛三十分钟视频为何刷屏?深度解析背后真相
近日,一段名为「插曲的痛三十分钟视频」的内容在多个社交平台迅速传播,成为不少网友讨论的焦点。所谓「插曲的痛三十分钟视频」,指的是以一段完整叙事为主线、时长约三十分钟的视频作品,其内容围绕一段令人揪心的插曲展开,通过较长的篇幅铺陈情绪,让观众在观看过程中逐步代入。与常见的短视频不同,这类三十分钟的长内容更考验叙事节奏,而「插曲的痛」之所以能引发关注,恰恰在于它没有依赖碎片化的刺激,而是用完整的时间线把情绪层层推进,最终形成较强的代入感与讨论度。
从传播路径来看,「插曲的痛三十分钟视频」最初在部分兴趣社群中小范围流传,随后被剪辑片段和观后感截图带入更大范围的讨论场。不少观众表示,视频中段落的情绪张力是促使他们完整看完三十分钟的主要原因。也有分析认为,三十分钟的时长本身构成了一种筛选机制:愿意花时间看完的人,往往更容易产生共鸣,并在评论区留下较长的文字反馈,从而进一步推动内容扩散。这种由深度观看带动二次讨论的模式,与当下快节奏的短视频传播形成鲜明对比,也让「插曲的痛三十分钟视频」具备了更持久的话题生命力。
围绕这段视频的讨论,网友的关注点并不完全一致。一部分人聚焦于视频所呈现的情感冲突,认为「插曲的痛」这一命名本身就点明了内容的核心——一段看似偶然的插曲,却带来了持续的痛感;另一部分人则更关心视频的叙事手法,讨论其三十分钟的篇幅是否必要、情绪铺垫是否充分。还有观众提醒,面对网络上流传的各类长视频内容,应保持理性判断,注意甄别信息来源,避免被剪辑片段或断章取义的标题误导。这种多元讨论本身,也构成了「插曲的痛三十分钟视频」传播过程中的一部分。
从内容生态的角度看,「插曲的痛三十分钟视频」的走红并非偶然。它反映出观众对完整叙事和深度情绪体验的需求依然存在,也说明在信息过载的环境下,能够让人静下心看完三十分钟的内容仍具有稀缺价值。对于内容创作者而言,这一案例提示我们:标题中的关键词固然重要,但真正决定传播深度的,仍是内容本身的叙事质量与情绪真诚度。至于「插曲的痛三十分钟视频」后续是否会出现更多讨论或衍生内容,仍有待观察,但可以肯定的是,围绕它的关注已经超出了单纯的热度层面,触及了网络内容传播中情绪、时长与共鸣之间的微妙关系。

提供全网视频内容聚合服务,实时更新热门资源与精选推荐内容。平台支持多设备访问,并通过优化加载机制提升整体播放效率,让观看更加顺畅。。围绕土耳其逮捕189名与“伊斯兰国”有关人员的讨论持续升温,相关话题的关注度也在不断上升。黎壮妍表示,持续更新全网视频资源,涵盖多种类型内容。平台优化播放体验,使用户能够轻松获取并观看高质量视频。,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:广东体彩扬帆新征程 奋力再出发·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。