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。
动漫美女被虐小游戏引热议:休闲背后暗藏哪些隐患?
最近一段时间,一类被称为「动漫美女被虐小游戏」的休闲作品在部分小游戏平台和社交群组中悄然传播。这类游戏通常以二次元女性角色为主角,通过设置陷阱、机关、追逐等关卡,让角色在失败或受困时呈现夸张的受虐动画与音效。玩家操作简单、上手门槛低,几分钟就能完成一局,因而在碎片化娱乐场景中获得了一定关注。不过,随着传播范围扩大,围绕其内容导向和受众影响的讨论也越来越多。
从内容形态看,此类游戏大多采用卡通渲染和Q版画风,表面上弱化了暴力色彩,但核心玩法仍围绕「让角色受苦」展开。部分作品在角色受击时加入特写镜头、呻吟音效和夸张表情,刻意放大受虐反馈,以此刺激玩家的猎奇心理。传播渠道上,它们多依托小程序、网页游戏站点和短视频引流,凭借「动漫美女」「被虐」「小游戏」等标签吸引点击,形成了一套低成本、高传播的灰色流量模式。由于平台审核标准不一,一些作品得以在边缘地带反复上架。
争议的焦点在于内容边界。支持者认为,这只是虚构动漫角色的夸张演出,属于休闲解压范畴,不必上纲上线;反对者则指出,长期接触以「虐」为卖点的内容,容易模糊玩家对暴力的敏感度,尤其对未成年人价值观形成不利。更值得警惕的是,部分游戏借「被虐」标签夹带擦边内容,诱导点击广告甚至跳转不明链接,存在隐私泄露和财产安全风险。业内人士表示,小游戏行业竞争激烈,个别开发者靠猎奇题材博眼球,实际上损害的是整个品类的口碑。
对于普通玩家而言,理性看待「动漫美女被虐小游戏」的关键在于区分虚构娱乐与现实底线。选择游戏时,应优先通过正规应用商店和官方渠道下载,留意年龄分级与用户评价,避免点击来源不明的推广链接。家长也需关注孩子的游戏内容,借助青少年模式过滤不适宜作品。从行业角度看,平台方应完善内容审核机制,对以受虐、擦边为卖点的游戏及时下架处理,同时引导开发者转向创意玩法与正向题材。休闲游戏本应是轻松愉快的娱乐方式,唯有守住内容底线,才能让二次元题材真正发挥其魅力,而不是沦为博取流量的工具。

在平台中,用户可以轻松访问最新更新的视频资源与热门内容合集。系统支持智能推荐与分类浏览,让内容获取更加高效,同时保证播放过程稳定不卡顿。。围绕【境内疫情观察】江苏新增20例本土病例(7月28日)的讨论持续升温,相关话题的关注度也在不断上升。卫环海表示,在平台中,用户可以轻松访问最新更新的视频资源与热门内容合集。系统支持智能推荐与分类浏览,让内容获取更加高效,同时保证播放过程稳定不卡顿。,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:【图集】确诊病例曾在武汉活动 汉正街商户开展核酸检测·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。