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。
丽柜伊园：都市中的自然栖居新样本
近期，一个名为「丽柜伊园」的名字在关注品质居住的人群中悄然流传。不同于传统楼盘以规模或价格取胜的叙事，丽柜伊园把重心放在“人与环境的关系”上。从公开信息与实地探访来看，项目选址刻意避开高密度核心区，转而依托周边既有的自然肌理，试图在都市边缘营造一处可日常栖居的生态样本。对追求生活质感的家庭而言，这种定位本身就构成了第一层吸引力。
走进丽柜伊园，最直观的感受是空间节奏的放缓。园区规划强调低密度与通透感，建筑排布留出较多公共绿地与步行廊道，视线不被高楼切割。设计团队在访谈中曾提到，丽柜伊园的设计逻辑是“先留白、再落笔”——先确定哪里不建，再考虑哪里建。这种思路体现在户型上，便是对采光面与通风路径的优先保障；体现在公共区域，则是把边角空间转化为口袋花园与休憩节点，让居民出门即可进入可停留的绿色界面。
配套方面，丽柜伊园并未追求大而全的商业堆砌，而是围绕日常高频需求做文章。社区内设置便民服务点、儿童活动场地与轻运动空间，外部则依托既有路网连接教育、医疗与商业资源。值得留意的是，项目在动线设计上刻意区分了人行动线与车行动线，减少相互干扰，这对有老人和孩子的家庭尤为实用。丽柜伊园的配套逻辑可以概括为：不追求“什么都有”，而是让“常用的都在步行可达范围内”。
从居住体验角度看，丽柜伊园真正值得讨论的是它提出的生活场景。清晨的慢跑道、傍晚的邻里共享空间、周末的社区市集，这些看似细小的安排，实际上在重新定义“家门口”的含义。业内人士认为，丽柜伊园的探索说明，品质居住的竞争正在从硬件参数转向场景运营能力。当然，任何项目都需要时间检验，丽柜伊园能否把规划中的美好场景持续落地，仍需观察其后续运营与社区治理水平。对购房者而言，理性看待亮点、实地感受细节，仍是判断丽柜伊园是否适合自己的关键。
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。。围绕痛心！“已溺亡，将追责”的讨论持续升温，相关话题的关注度也在不断上升。荀承亨表示，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。，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：我国首条民营控股高铁开始全线铺轨·致力于构建高质量视频内容生态，整合全网热门资源与实时更新内容。平台支持多终端同步观看，并提供多线路播放方案，确保用户获得更流畅的体验