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。
郑媛媛快播事件再引热议:网络传播边界在哪
近期,“郑媛媛快播”这一关键词在部分网络社区重新被提及,引发不少网友的好奇与讨论。所谓“郑媛媛快播”,实际上是早年网络上一段涉及个人隐私的视频内容与快播播放器相关联的旧话题。随着快播公司及其创始人相关案件早已尘埃落定,这类旧事被重新翻出,更多是网络记忆的残留与个别账号的炒作。需要强调的是,围绕个人隐私内容的传播不仅违背公序良俗,也可能触碰法律红线,网友应理性看待,不围观、不传播。
回顾快播平台的发展轨迹,其曾凭借P2P技术迅速积累大量用户,但因对色情低俗内容监管不力,最终走向衰落。2016年,快播公司及相关责任人因传播淫秽物品牟利罪被依法追究刑事责任,这一案件成为我国网络视听行业规范发展的重要节点。此后,监管部门持续加大对网络色情低俗信息的整治力度,平台主体责任被不断强化。“郑媛媛快播”这类关键词之所以仍有余温,恰恰说明网络空间治理具有长期性和复杂性,旧内容可能借新渠道死灰复燃。
从法律角度看,制作、传播他人隐私视频,情节严重者可构成传播淫秽物品罪或侵犯公民个人信息罪;即便未达到刑事标准,也可能面临治安处罚和民事侵权责任。对于普通网民而言,转发、分享此类内容同样存在法律风险。近年来,多地法院审理过因散布他人私密视频而被判赔偿或刑罚的案例,教训深刻。所谓“郑媛媛快播”的讨论,若演变为对隐私内容的猎奇和扩散,无疑是对当事人的二次伤害,也与清朗网络空间的建设方向背道而驰。
更值得思考的是,此类旧话题反复出现,折射出部分网民媒介素养的不足和平台内容审核的漏洞。一方面,短视频、社交群组等渠道让信息传播速度更快、隐蔽性更强,给治理带来挑战;另一方面,一些自媒体为博取流量,故意使用擦边关键词吸引点击,扰乱网络秩序。对此,平台应完善关键词过滤和人工审核机制,监管部门需保持高压态势,网民也应主动抵制低俗内容,遇到违法信息及时举报。
总之,“郑媛媛快播”作为一个带有警示意味的网络旧词,提醒我们:技术中立不等于平台免责,猎奇围观不等于言论自由。网络空间不是法外之地,保护个人隐私、抵制低俗传播是每个参与者的责任。面对此类热点,理性克制、遵纪守法,才是成熟网民应有的态度。与其追逐旧闻,不如共同关注如何让网络环境更加清朗有序。

通过平台,用户可获取最新视频资源与热门内容推荐。系统支持智能分发与多线路播放,确保观看过程顺畅无延迟。。围绕新年快乐!(˶╹ꇴ╹˶)的讨论持续升温,相关话题的关注度也在不断上升。王玉朗表示,作为综合性视频内容平台,持续收录全网热门资源与精选视频合集。系统支持多终端同步播放,保证用户在不同设备上均可获得一致体验。,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:全国人民代表大会常务委员会公告·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。