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。
老师上课吃我的小兔兔作文引热议:师生边界该如何把握
近日,一篇题为《老师上课吃我的小兔兔》的学生作文在家长群和社交平台上被大量转发,引发不少讨论。作文出自一名小学中年级学生之手,讲述的是课堂上发生的一件小事:孩子把一包造型可爱的小兔兔糖果带进教室,原本打算课间和同学分享,结果被正在巡视课堂的老师发现并没收。有意思的是,老师在课后竟然当着孩子的面拆开包装,吃掉了其中一颗,还笑着说“味道不错”。孩子把这段经历写进作文,语言稚嫩却细节生动,既有委屈也有困惑,最后还认真地问了一句“老师这样做对吗”。
这篇作文之所以走红,关键在于它触碰了师生相处中的微妙边界。从课堂管理角度看,老师制止学生上课吃零食、暂时保管物品,属于常见的教学秩序维护行为,多数家长也能理解。但“没收后自己吃掉”这一处理方式,确实容易让孩子产生认知冲突:规则是老师定的,破坏规则的却也是老师。儿童心理学研究表明,小学阶段的孩子对公平和示范作用极为敏感,成年人的言行不一致,往往比单纯的批评更让他们困惑。因此,这篇作文的价值不在于“控诉”,而在于真实呈现了孩子眼中的规则逻辑。
从写作层面看,《老师上课吃我的小兔兔》也提供了一个值得肯定的样本。全文没有华丽辞藻,却把时间、地点、人物动作和心理活动交代得清清楚楚,尤其是对糖果包装、老师表情和自己内心活动的描写,体现出较强的观察力。不少语文教师在点评类似作文时指出,孩子愿意把真实经历和真实感受写下来,本身就是写作兴趣的体现。相比套用范文、堆砌好词好句,这种源自生活的表达更珍贵。家长和老师不妨借此机会引导孩子思考:怎样把事情的经过写得更完整,怎样表达自己的观点而不失礼貌。
更值得关注的是事件背后的沟通问题。如果老师确实吃了学生的零食,比较妥当的做法是及时说明原因,比如解释课堂不能吃零食的规则,并在课后归还或补偿,而不是用玩笑方式一带而过。家长在得知此事后,也不宜直接指责老师或过度放大矛盾,可以先听孩子完整讲述,再与老师私下沟通,了解事情全貌。学校层面则可以借此提醒教师注意教育方式的一致性,让课堂规则既有力度也有温度。一篇小小的作文,折射的是师生关系、课堂管理和家校沟通三方面的共同课题,处理好这些细节,才能真正保护好孩子的表达欲和对规则的信任。

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。。围绕身材娇小女子哈尔滨玩雪圈被当成小孩的讨论持续升温,相关话题的关注度也在不断上升。罗乐斌表示,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。,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:数字技术点亮璀燦焰火·打造的一站式视频内容平台,汇聚全网优质资源与热门视频合集。系统持续更新内容库,支持高速播放与多线路解析,提升整体观看体验,让用户随时随地畅享精彩内容。