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。
757一本到午夜宫:深夜阅读新潮流背后的内容生态观察
深夜时段正在成为数字阅读的新增长点。以「757一本到午夜宫」为代表的深夜阅读入口,近期在部分读者群体中引发讨论。所谓「午夜宫」,并非某个具体物理空间,而是对夜间阅读场景的一种形象化表达——当城市进入低噪音状态,阅读行为从碎片化刷屏转向较长时间的沉浸式浏览,用户对内容连续性、页面纯净度和更新节奏的要求明显提高。757一本到午夜宫这一关键词的走热,本质上反映的是夜间阅读需求与内容供给方式之间的重新匹配。
从内容结构看,757一本到午夜宫类平台通常以连载型文本为主,章节长度适中,更新频率稳定,适配夜间用户「一次读几章」的消费习惯。与白天通勤场景下的短阅读不同,午夜阅读更强调叙事的连贯性和情绪代入感,因此平台在选题上往往偏向节奏明快、悬念密集的题材。与此同时,页面设计趋于简洁,减少弹窗与跳转干扰,成为提升夜间阅读体验的关键环节。业内人士指出,深夜用户的耐心阈值较低,任何加载延迟或操作冗余都可能直接导致跳出。
用户行为数据也印证了这一趋势。多家数字阅读机构的公开报告显示,晚间十一点至凌晨一点的活跃度在过去两年持续上升,部分平台的夜间阅读时长已接近全天总量的三成。757一本到午夜宫所代表的夜间入口,正是这一趋势下的产物。值得注意的是,夜间读者的付费意愿与白天存在差异,他们更倾向于为「追更」和「无广告体验」买单,而非单纯为单本内容付费。这种消费心理促使平台在会员体系和章节解锁机制上做出针对性调整。
不过,深夜阅读的升温也带来新的讨论。一方面,长时间夜间阅读对视力健康和睡眠节律的影响不容忽视,部分平台已开始引入护眼模式、阅读时长提醒等功能;另一方面,内容审核与版权保护在夜间时段同样不能缺位。757一本到午夜宫类关键词的传播,提醒行业在追逐流量之余,需要建立更完善的夜间内容治理机制。有观察者认为,深夜阅读市场的竞争将从「谁更能留住用户」转向「谁更能让用户读得安心」,体验与合规将成为下一阶段的分水岭。
总体来看,757一本到午夜宫所折射的并非单一平台现象,而是数字阅读场景细分化的大趋势。夜间时段的阅读需求真实存在,且具备可观的商业潜力,但能否把「午夜流量」转化为长期用户价值,取决于内容质量、产品体验与健康引导三者的协同。对于读者而言,选择合适的阅读节奏、合理安排夜间时间,或许比追逐某个具体入口更为重要。

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。。围绕俄罗斯说有破坏分子从乌克兰潜入俄边境地区 乌方表示否认的讨论持续升温,相关话题的关注度也在不断上升。慕容磊珍表示,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。,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:中国和哈萨克斯坦互免签证,11月10日生效·提供丰富的视频资源库,涵盖最新更新与热门推荐内容。平台通过优化播放结构,实现更快速的视频加载与更稳定的观看体验。