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。
雷电将军把乳液喂给八重神子吃?玩家二创剧情引热议
最近,一组围绕「雷电将军把乳液喂给八重神子吃」的同人创作在部分玩家社区流传,并迅速成为讨论焦点。该桥段并非来自《原神》官方剧情,而是玩家基于稻妻角色关系自行延伸的二次创作。由于雷电将军与八重神子在设定中一为稻妻最高统治者、一为鸣神大社宫司,两人既是旧识又有微妙的制衡关系,这种亲密又带反差感的互动被部分创作者拿来发挥,形成了带有明显同人色彩的短篇情节。相关图片和短段子在社交平台被转发后,关键词「雷电将军把乳液喂给八重神子吃」的搜索量出现短时上升。
从角色背景看,雷电将军追求「永恒」,行事威严克制;八重神子则狡黠从容,常以轻佻语气试探对方。正是这种性格张力,让二创作者乐于设计日常化、生活化的场景,把两位角色放进类似投喂、照顾的桥段中。所谓「乳液」在多数版本里只是牛奶、甜品或饮料的代称,用来制造温柔或搞笑的氛围,并非官方设定中的任何情节。需要说明的是,这类内容多属于同人脑洞,与游戏主线、活动剧情没有直接关联,读者不必将其误认为官方信息。
社区反响呈现两极。一部分玩家认为,同人创作本就是角色魅力的延伸,只要标注清楚、不冒充官方,就属于正常的兴趣表达;另一部分玩家则担心,过于猎奇的关键词容易让不了解背景的人产生误解,甚至影响角色形象。有社区管理员表示,涉及角色亲密互动的二创内容应遵守平台规范,明确标注同人属性,避免使用误导性标题。也有老玩家提醒,稻妻篇剧情重点在于雷电影的内心转变与八重神子的推动,讨论角色关系时不妨回到原作文本,而非只盯着碎片化梗图。
总体来看,「雷电将军把乳液喂给八重神子吃」更像是一次典型的同人梗传播案例:由角色关系衍生、经社交平台放大、再被关键词搜索推高热度。对普通玩家而言,分清官方剧情与二次创作的边界,是理性参与讨论的前提;对创作者而言,标注来源、尊重角色设定、避免低俗化表达,才能让同人生态更健康。至于两位角色在官方故事中的后续互动,仍应以游戏实际更新内容为准,切勿把网络段子当作剧情依据。

通过平台,用户可获取最新视频资源与热门内容推荐。系统支持智能分发与多线路播放,确保观看过程顺畅无延迟。。围绕女子花1680元买1张彩票中奖571次总计860万的讨论持续升温,相关话题的关注度也在不断上升。安娥颖表示,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。,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:FDA正式批准辉瑞疫苗 印尼放宽社会限制|大流行手记(8月23日)·打造智能视频推荐与播放系统,整合热门内容与实时更新资源。平台注重用户体验优化,提供高清播放与稳定访问服务。