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。
抖动美女胸部视频走红背后：健身博主与内容审核的博弈
近段时间，“抖动美女胸部”这一关键词在多个短视频平台的搜索联想中频繁出现，相关视频往往以健身、舞蹈或运动挑战为包装，通过高频率的身体晃动画面吸引眼球。从内容形态看，这类视频大致分为三类：一是健身博主在展示跳绳、开合跳等运动时强调身体动态；二是舞蹈区创作者在翻跳流行舞步时突出特定动作；三是部分账号以“测试弹性”“运动实测”为名进行擦边拍摄。有运营人士透露，此类内容的完播率和互动率普遍高于平均水平，因为画面动态容易触发用户的重复观看行为，而算法会据此进一步推高曝光，形成“越抖越推、越推越抖”的循环。
然而，这一流量密码正面临越来越严格的平台治理。2024年以来，多家短视频平台更新了低俗内容判定细则，明确将“刻意突出身体特定部位抖动”“以运动为名进行软色情暗示”列入限流或下架范围。审核机制上，除了传统的画面识别模型，部分平台还引入了动作轨迹分析和音频语境判断，对反复出现同类动作的账号进行人工复核。一位不愿具名的审核员表示，难点在于区分正常运动展示与刻意擦边，“同样是跳绳，镜头角度、剪辑节奏、配乐风格都会影响判定，机器很难完全替代人的判断”。
面对规则收紧，创作者也在调整策略。部分健身博主开始转向更专业的运动教学，用动作分解、心率数据、训练计划等硬核内容替代单纯的身体展示；舞蹈区则出现“去性感化”趋势，强调编舞创意和团队配合。但也有账号采取“打游击”方式，通过更换关键词、拆分视频、使用谐音标签来规避审核。业内人士指出，这种博弈短期内难以彻底消除，平台需要在流量激励和内容底线之间找到平衡点，而创作者若长期依赖擦边内容，账号生命周期往往较短，商业变现也会受到品牌方顾虑的限制。
从用户端看，“抖动美女胸部”类内容的传播也反映出算法推荐与用户兴趣之间的相互塑造。有研究显示，此类视频的受众并非单一群体，部分用户出于好奇点击，部分则是被推荐流反复触达后产生惯性观看。专家建议，平台应优化推荐机制，降低单一感官刺激内容的权重，同时增加优质运动健身内容的曝光机会。对于普通用户而言，主动使用“不感兴趣”功能、调整兴趣标签，也能在一定程度上改善信息流质量。归根结底，内容生态的净化需要平台、创作者和用户三方共同参与，单靠关键词治理难以根治问题。
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。。围绕江西南昌：万人跨桥迎新年的讨论持续升温，相关话题的关注度也在不断上升。禄富萍表示，打造的一站式视频内容平台，汇聚全网优质资源与热门视频合集。系统持续更新内容库，支持高速播放与多线路解析，提升整体观看体验，让用户随时随地畅享精彩内容。，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：贵州省住房和城乡建设厅原厅长张鹏被开除党籍·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。