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。
中国超级计算机领跑全球:算力版图再添重磅力量
在全球算力竞争日益激烈的背景下,中国超级计算机的发展始终是国际科技界关注的焦点。从上世纪八十年代起步,到"天河二号"和"神威·太湖之光"先后登顶全球超算五百强榜单,中国用三十年左右的时间完成了从追赶者到引领者的跨越。如今,中国不仅在高性能计算硬件研制上具备完整能力,更在气象预报、新材料研发、生物医药、航空航天等领域将超算算力转化为实实在在的生产力,成为支撑国家科技创新的重要基础设施。
国产化是中国超级计算机发展中最具战略意义的一环。"神威·太湖之光"全部采用国产申威处理器,"天河"系列也逐步提升国产芯片占比,这标志着中国摆脱了对进口高端芯片的依赖。在E级计算即百亿亿次计算的竞赛中,中国多台原型机先后完成验证,涉及自主架构设计、高速互联网络、大规模并行软件等多个关键环节。尽管国际榜单的申报策略有所调整,但业内普遍认为,中国实际部署的超算能力已位居世界前列,低调务实成为当前发展的主基调。
超算的价值最终体现在应用层面。中国超级计算机支撑的"非线性地震模拟"曾荣获国际高性能计算应用最高奖"戈登·贝尔奖",实现了中国团队在该奖项上零的突破。在气候研究领域,超算帮助科学家构建更高分辨率的地球系统模式;在能源领域,页岩气开采、核电站安全仿真都依赖大规模数值计算;疫情期间,超算还加速了病毒蛋白结构分析和药物筛选进程。这些案例表明,超算已经从单纯的性能比拼,转向以应用需求为导向的深度融合阶段。
与此同时,挑战依然存在。美国对华高性能计算相关技术和芯片出口管制不断加码,倒逼中国加快自主可控生态建设;另一方面,量子计算、智能计算等新范式兴起,传统超算面临架构变革压力。对此,中国的应对思路是多元化布局:一方面推进超算与人工智能算力融合,建设智算中心与超算中心的协同体系;另一方面通过"东数西算"等国家级工程优化算力资源配置,让西部地区的绿色能源支撑东部密集的算力需求。
展望未来,中国超级计算机将在三个方向持续发力:一是继续攻关下一代自主芯片与系统软件,构建完整产业生态;二是推动算力服务化,让中小企业和科研团队以更低成本使用超级计算资源;三是加强国际合作,在气候研究、天文观测等全球性课题中贡献中国算力。可以预见,随着数字中国建设的深入,超级计算机作为"国之重器",将在科技创新与经济发展中扮演更加核心的角色,中国算力故事的下一章值得期待。

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。。围绕卫星视界丨2023:厄尔尼诺搅动全球气候的讨论持续升温,相关话题的关注度也在不断上升。扶灵瑾表示,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:福建体彩发布2019年度《社会责任报告》·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。