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。
爱慕官网焕新升级：从内衣到生活方式，国货高端的数字化新样本
在国产内衣品牌加速分化的当下，官网早已不只是展示窗口，而是品牌与用户直接对话的第一现场。近期，爱慕官网完成新一轮焕新升级，从首页视觉、产品分类到会员权益体系均做出调整。打开爱慕官网可以看到，原本以品类平铺为主的导航被重构为场景化入口，通勤、运动、居家、礼赠等标签被前置，消费者不必再在繁杂的尺码与杯型中反复比对，而是先锁定使用场景，再进入细分筛选。这一改动看似细微，实则折射出品牌对用户决策路径的重新理解：内衣消费正从“功能采购”转向“场景匹配”。
作为创立于1993年的国产高端内衣品牌，爱慕在线下百货渠道积累了深厚的口碑，而爱慕官网承担的角色正在发生变化。过去官网更多承担品牌形象展示与基础销售功能，如今则逐步向“官方商城＋内容服务”的复合平台靠拢。在爱慕官网商城板块，新品首发节奏与线下专柜基本同步，部分限量系列优先线上开放；产品详情页增加了面料成分、工艺说明与穿着建议等长图文内容，对无钢圈、软支撑、大杯显小等高频搜索需求给出针对性解答。对于习惯先做功课再下单的消费者而言，这些信息比单纯的促销标签更有价值。
会员体系是此次爱慕官网升级的另一重点。官网将会员等级与积分、专属客服、尺码档案等权益打通，用户在官网完成尺码测试后，系统会记录胸型、偏好与历史购买数据，后续推荐与复购提醒均基于此展开。对于内衣这一退换成本较高、试错成本敏感的品类，尺码档案的意义不容小觑。与此同时，爱慕官网的内容社区也在持续更新，围绕穿搭、保养、身形管理等话题输出图文与短视频，试图把一次性的购买行为延伸为长期的品牌陪伴。这种“官网即服务入口”的思路，与当下高端消费品牌普遍强调的私域运营逻辑一脉相承。
从行业视角看，爱慕官网的调整并非孤立动作。近年来内衣赛道竞争加剧，新锐品牌以性价比和营销打法快速起量，传统高端品牌则需要在品牌调性与用户运营之间找到平衡。官网作为品牌自有的确定性阵地，既能承载新品首发、限定发售等高毛利业务，也能沉淀用户数据、降低对第三方平台的依赖。对消费者而言，认准爱慕官网等官方渠道，既能规避非授权店铺的货源风险，也能更及时地获取新品信息与售后保障。建议首次访问爱慕官网的用户，先完成尺码测试并浏览场景分类，再结合会员权益下单，往往能获得更顺畅的选购体验。
总体来看，爱慕官网的这次焕新，是国产高端内衣品牌数字化能力的一次集中呈现。它不再满足于把线下货架搬到线上，而是试图用场景、内容与服务重建用户关系。对于关注内衣品质与穿着体验的消费者，爱慕官网值得作为一个长期观察的样本；而对于行业而言，官网价值的重新被重视，或许预示着高端国货品牌正进入精细化运营的新阶段。
在中，用户可以体验高质量视频播放服务，平台持续更新内容资源并优化访问速度。多线路支持确保不同网络环境下依然流畅观看。。围绕蔚来汽车冲出上海总部大楼致2人死亡的讨论持续升温，相关话题的关注度也在不断上升。宗政霞燕表示，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：日日顺物流：物资运输线就是生命保障线·提供稳定的视频播放环境与丰富的内容资源库。用户可通过平台快速访问最新更新内容，并享受高清播放体验。