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。
丘丘人频繁把申鹤焯出白水？玩家实测引发热议
最近一段时间，「丘丘人频繁把申鹤焯出白水」这一说法在玩家社区里被反复提及，不少帖子配着战斗截图与短视频，看上去煞有介事。所谓「焯出白水」，本是烹饪里把食材下锅过水的说法，被玩家借用来形容角色在战斗中频繁被打出硬直、元素附着被冲散、状态清零的场面。而「丘丘人」作为游戏中最常见的敌人，居然和五星冰系角色申鹤联系在一起，本身就带着强烈的反差感，因此迅速成为讨论焦点。需要说明的是，这一表述更多是社区玩梗与夸张描述，并非官方设定，但在传播过程中确实带出了不少关于角色机制与实战表现的讨论。
要理解这个梗，先得回到申鹤的技能设计。申鹤的核心价值在于「冰翎」机制：她通过元素战技为队伍提供冰元素伤害加成，增益次数有限，需要队友频繁触发冰伤来消耗。也就是说，她的强度高度依赖队伍配合与输出节奏。当玩家把申鹤放进缺乏稳定冰伤触发者的队伍，或者操作上频繁被打断时，冰翎的层数就可能被浪费，观感上就像「状态被冲没了」。而丘丘人中的冰盾丘丘暴徒、丘丘霜铠王等敌人带有冰元素护盾或附着，攻击节奏密集，近身压制强，一旦玩家站位不当，角色被连续打断，确实容易出现「刚开完技能就被打回原形」的尴尬画面。社区所说的「焯出白水」，正是对这种节奏断裂的戏谑概括。
从元素反应角度看，这种说法也有一定「误会成分」。冰元素与水元素接触会触发冻结，与火元素接触会触发融化，而丘丘人部落中不乏手持火把、水盾的敌人。当战场同时存在水附着与冰伤时，画面特效会显得格外「热闹」，白茫茫一片，玩家便顺势用「白水」来形容。实际上，申鹤本身并不直接制造大量水元素，所谓「焯出白水」更多是视觉效果与战斗混乱叠加后的主观感受。部分实测视频为了节目效果，刻意选择狭窄地形、多波敌人刷新点，放大被打断的次数，这也让梗的传播更具戏剧性。理性来看，这并非角色数值问题，而是配队与操作环境共同作用的结果。
那么，面对丘丘人密集的压制，玩家该如何避免申鹤「被焯」？思路上有三点：其一，保证队伍中有稳定的冰伤输出位，让冰翎层数尽快转化为伤害，减少状态滞留；其二，注意开场顺序，先用护盾或控制角色压住丘丘人的攻势，再切申鹤释放技能，避免在敌人攻击前摇中被打断；其三，善用位移与闪避，别让角色长时间站在敌人包围圈中心。对于喜欢申鹤的玩家来说，她依然是冰系队伍中极具价值的辅助，关键在于把她的增益窗口用在刀刃上。至于「丘丘人频繁把申鹤焯出白水」这句话，当作社区里的一个玩笑即可，不必过度解读为角色强度结论。
整体来看，这个热梗的走红，反映的是玩家对角色实战体验的敏感与表达欲。一个夸张的说法，往往能迅速聚拢讨论，也能让更多人关注到配队逻辑与操作细节。对资讯类内容而言，与其跟着起哄，不如把梗背后的机制讲清楚：申鹤的冰翎需要节奏，丘丘人的压制考验站位，所谓「焯出白水」是两者碰撞出的社区语言。玩家在玩笑之余，若能因此优化自己的队伍配置与出手顺序，也算这个梗带来的意外收获。
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。。围绕找准化解基层治理难题的路径的讨论持续升温，相关话题的关注度也在不断上升。项琳梦表示，在平台中，用户可以轻松访问最新更新的视频资源与热门内容合集。系统支持智能推荐与分类浏览，让内容获取更加高效，同时保证播放过程稳定不卡顿。，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：NGC 206与仙女座恒星云·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。