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。
长24分钟的高清视频大约多大?不同分辨率体积全解析
很多人在剪辑、上传网盘或发送视频时都会问:长24分钟的高清视频大约多大?这个问题没有唯一答案,因为视频体积由分辨率、码率、帧率、编码格式和音频码率共同决定。简单来说,同样24分钟,1080P高清视频通常在1.5GB到5GB之间,而4K视频可能达到8GB到20GB以上。理解背后的计算逻辑,你就能在几分钟内估算出任何视频的大致体积。
先看计算原理:视频体积约等于(视频码率+音频码率)×时长÷8。以24分钟即1440秒为例,若采用1080P常见码率8Mbps、音频128kbps,则总码率约8.128Mbps,体积约为8.128×1440÷8≈1463MB,也就是约1.4GB。如果码率提升到16Mbps,体积就翻倍到约2.9GB;若采用流媒体平台常见的4Mbps码率,则只有约0.7GB。可见码率是影响“长24分钟的高清视频大约多大”的最关键变量。
按分辨率细分更直观。720P高清视频码率一般为3到6Mbps,24分钟约0.6GB到1.1GB,适合手机观看和快速分享。1080P是主流“高清”标准,码率6到15Mbps,24分钟约1.1GB到2.7GB;手机拍摄的1080P视频码率往往在17到30Mbps,24分钟可达3GB到5.5GB。2K视频码率约15到30Mbps,24分钟约2.7GB到5.4GB。4K视频码率常在40到100Mbps,24分钟约7GB到18GB,手机拍摄的4K高码率片段甚至更大。若再考虑60帧高帧率,体积还会增加30%到80%。
编码格式和音频同样不可忽视。H.264兼容性最好但压缩效率一般,H.265(HEVC)在画质相近时体积可减少约30%到50%,AV1压缩效率更高,但编码和播放对设备有一定要求。音频方面,128kbps AAC的24分钟约138MB,256kbps约276MB,无损音频则可能超过1GB。因此,回答“长24分钟的高清视频大约多大”时,最好先确认对方所说的高清是720P还是1080P,码率是多少。
实用建议:如果要上传网盘或发送给他人,1080P、24分钟的视频控制在1.5GB以内比较稳妥;需要保留画质时可选择H.265编码、10Mbps左右码率,体积约1.8GB。若平台限制文件大小,可用剪辑软件按目标体积反推码率,公式为:目标体积MB×8÷1440秒≈总码率Mbps。总之,长24分钟的高清视频大约多大,取决于你选择的清晰度与压缩方式,提前估算能避免存储不足和上传失败的尴尬。

在平台中,用户可获取最新影视与视频资源更新,内容覆盖范围广泛。系统支持多线路解析与快速加载,确保播放过程稳定流畅。。围绕AI筛选发现全新抗生素的讨论持续升温,相关话题的关注度也在不断上升。狄琰霭表示,基于的视频内容平台,持续更新海量资源库,涵盖多种类型的视频内容。用户可通过简单操作快速访问所需内容,同时享受高清无卡顿播放体验。,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:“《作家文摘》2019年度十大非虚构好书”评选结果揭晓·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。