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。
杨幂君君成搜索热词 作品与话题热度双线并行
近来,杨幂君君这一组合词在搜索平台和社交社区中频繁出现,成为不少网友讨论的焦点。作为出道多年的一线女演员,杨幂的一举一动本就自带流量,而围绕她的各种称呼、角色名与粉丝用语,也常常在短时间内形成话题。杨幂君君之所以被反复检索,一方面源于大众对她近期动态的好奇,另一方面也折射出粉丝群体在传播过程中的二次创作能力。在算法推荐与话题聚合的双重作用下,一个原本小众的叫法,往往只需几天就能扩散成公共讨论的一部分。
回顾杨幂的演艺轨迹,从早期的古装剧到后来的都市情感题材,她始终保持着较高的作品产出频率。无论是灵气十足的少女角色,还是近年偏向成熟、独立的女性形象,她都在尝试拓宽戏路。业内普遍认为,杨幂的优势在于对镜头的高度适应力与稳定的情绪表达,这让她在快节奏的拍摄环境中依然能维持角色的一致性。除了演员身份,她也参与影视项目的幕后工作,对剧本与制作环节有更多介入,这种转型让她的职业路径更具延展性。也正是这些积累,使得任何与她相关的新词条都能迅速获得关注。
关于君君这一称呼,更多是网络语境下的一种亲昵叫法。在粉丝社群里,给偶像或角色起昵称是常见的互动方式,这类称呼往往带有私人化和情感化的色彩,一旦被广泛使用,就会反过来影响搜索联想词。有观察者指出,杨幂君君的热度并非来自单一事件,而是长期讨论的沉淀结果,它既包含对经典角色的回味,也包含对本人性格与生活状态的关注。类似现象在当下的娱乐生态中并不罕见,昵称正在成为一种低成本、高粘性的传播符号,帮助内容在信息流中获得更高的打开率。
除作品之外,杨幂在时尚与商业领域的表现同样稳定。她常年出现在各类品牌活动与杂志封面中,穿搭风格被大量账号拆解分析,形成持续的二次传播。这种跨领域的影响力,使得她的名字能够与不同圈层的关键词产生连接,杨幂君君这样的组合词也因此具备了更长的生命周期。对内容创作者而言,这类词条既是流量入口,也是观察公众情绪的一个窗口,如何在热度中保持信息准确,同样值得思考。
对于关注她的观众来说,更值得期待的仍是待播作品与角色突破。在竞争激烈的市场环境中,一位演员能否持续输出有辨识度的角色,往往比短期热度更重要。杨幂君君这一话题的走红,某种程度上说明她的公众形象依旧鲜活,粉丝与路人之间的讨论仍在继续。而接下来如何用扎实的作品回应期待,才是真正决定讨论走向的关键。

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。。围绕姚大力:培育中国人精神文化的养料其实还不够丰富丨不惑 2024的讨论持续升温,相关话题的关注度也在不断上升。夏侯融艳表示,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:于洪君:“一带一路”引领不同文明的交流融合·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。