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。
女魃传说:黄帝座下旱神,她究竟是僵尸始祖还是上古女英雄?
女魃传说最早见于《山海经·大荒北经》,是上古神话体系中最具悲剧色彩的一则。故事发生在黄帝与蚩尤的涿鹿之战中:蚩尤请来风伯雨师,掀起狂风暴雨,令黄帝军队陷入苦战。危急关头,黄帝派出女儿魃出战。魃身上蓄积着极强的干旱之力,她一登场,风雨顿止,烈日当空,黄帝趁势击败蚩尤。然而这场胜利的代价极为沉重——魃因神力耗尽,再也无法返回天界,只能留在人间。她所居住的地方,常年滴水不降,赤地千里,百姓苦不堪言。最终,黄帝不得不将她安置在赤水以北,并命令她不得随意迁徙。一个为父亲立下大功的女儿,就这样被流放在荒远之地,成为人神共避的存在。
女魃传说的核心矛盾,在于“功臣”与“灾星”的双重身份。从神话结构看,她本是天女,下凡助战属于奉命行事,旱灾并非她主动为恶,而是神力外溢的必然结果。但在先民的经验世界里,干旱是最可怕的灾害之一,于是这位身负旱气的神祇自然被归入“凶神”之列。先秦文献中,她被称为“魃”或“旱魃”,《诗经》中已有“旱魃为虐”的记载,可见其灾异形象深入人心。值得注意的是,早期文献并未将女魃描绘成怪物,她仍保有“黄帝之女”的尊贵身份,这说明在神话的原始层,她更像是被命运裹挟的悲剧角色,而非纯粹的邪祟。
女魃传说在后世发生了显著的“妖魔化”转向。汉代以后,旱魃逐渐从天神堕落为引发旱灾的鬼魅,民间甚至出现了“打旱魃”的驱邪仪式。到了明清时期,僵尸传说盛行,女魃被一些志怪文本与“僵尸始祖”联系起来,理由是她“所居不雨”、死后不腐,且被逐于人间之外。这一说法虽无早期经典依据,却在网络时代被广泛传播,成为女魃传说最热门的衍生话题。实际上,将女魃等同于僵尸,是后世民俗想象叠加的结果,与《山海经》原典相去甚远。厘清这一层演变,才能避免把不同时代的观念混为一谈。
从文化史角度看,女魃传说还折射出上古社会对女性神力的复杂态度。她因战功而被记住,却因不可控的力量被放逐;她的名字既是胜利的象征,也是灾难的代名词。这种矛盾在后世文学中不断被重写:有人同情她的牺牲,有人强调她的危害,也有人将她视为被父权秩序放逐的悲剧女性。无论哪种解读,女魃传说都不仅仅是一则解释旱灾由来的神话,更是一面映照古人如何理解功劳、代价与秩序的镜子。今天重读女魃传说,我们看到的既是先民对自然力量的敬畏,也是一个被神化又被污名化的女性形象在千年叙事中的沉浮。

专注打造高效视频内容平台,支持高清视频播放与多源内容解析。系统优化加载速度,使用户能够快速访问所需视频内容。。围绕新华全媒+丨寒潮下的“温暖”守护——黑龙江供暖一线观察的讨论持续升温,相关话题的关注度也在不断上升。别媚仪表示,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。,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:宁夏银川:“群众戏剧节”让群众成为文艺作品的主角·在平台中,视频内容持续更新并保持高质量输出。系统支持快速加载与多线路切换,提升整体观看体验。