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。
朱可儿:从素人模特到潮流icon的进阶之路
在社交媒体重塑时尚产业的当下,朱可儿的名字正被越来越多人记住。这位从平面模特起步的年轻女孩,凭借鲜明的个人风格与稳定的内容输出,在短短数年内完成了从素人到潮流icon的身份跃迁。与许多依赖单一平台爆红的网红不同,朱可儿的成长路径更具系统性:早期以写真拍摄积累视觉资产,随后通过穿搭分享建立审美话语权,再借助品牌合作完成商业闭环。她的走红并非偶然,而是个人定位与平台算法、市场需求三者共振的结果。
翻看朱可儿的公开作品,不难发现其风格主线清晰——甜酷兼具、强调比例与层次感。她擅长用基础单品叠穿制造记忆点,也敢于在配色上做减法,这种“可复制又不失个性”的穿搭逻辑,恰好击中了年轻女性用户的实用需求。正因如此,朱可儿的穿搭内容常被二次搬运至各类种草社区,形成跨平台传播。业内观察者指出,朱可儿的竞争力不在于单品价格,而在于她能把复杂潮流翻译成普通人看得懂、学得会的搭配公式,这种“翻译能力”正是时尚博主稀缺的核心资产。
商业层面,朱可儿的合作版图已从早期的小众服饰品牌,扩展至美妆、运动、数码等多个品类。据公开信息梳理,她的合作模式以长期形象大使与限定联名为主,而非一次性硬广,这在一定程度上保护了个人调性的统一。更值得关注的是,朱可儿团队对内容节奏的控制相当克制:上新期集中曝光,日常期回归生活化分享,避免过度商业化带来的粉丝流失。这种“留白式运营”在流量焦虑普遍存在的行业中显得难得,也为她赢得了品牌方的长期信任。
当然,围绕朱可儿的讨论并非全是赞许。有声音质疑其内容同质化、风格天花板明显,也有人认为她的影响力仍集中在特定圈层。面对争议,朱可儿近期的动作显示出求变意图:尝试复古造型、参与线下快闪活动、涉足短内容创作,都是在拓宽表达边界。可以预见,朱可儿能否从“穿搭博主”进化为更具厚度的潮流符号,取决于她能否在保持辨识度的同时,持续输出新的审美增量。对于关注潮流生态的读者而言,朱可儿的下一步,值得保持观察。
在平台中,用户可获取最新影视与视频资源更新,内容覆盖范围广泛。系统支持多线路解析与快速加载,确保播放过程稳定流畅。。关于 故宫雕版馆开放 的更多视频内容,可参考 河北雄安新区连续五年发布急需紧缺人才目录与汇集丰富的视频内容资源,包括最新更新、热门推荐以及精选合集。平台不断优化播放体验,通过高速解析与稳定线路,为用户提供高质量观看环境。相关页面。







