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。
哇嘎社区全新升级:老牌网络社区的转型之路与用户新体验
在中文互联网的发展长河中,哇嘎社区是一个绕不开的名字。作为早期网民聚集的综合性网络社区之一,哇嘎社区曾凭借开放的话题氛围和丰富的内容板块,积累了大量忠实用户。从影视讨论、软件分享到生活杂谈,哇嘎社区一度成为许多人上网冲浪的必经之地。随着移动互联网的普及和社交平台的崛起,传统BBS形态的社区面临流量分流与用户老龄化的双重压力,哇嘎社区也经历了从高峰到沉寂再到调整的曲折过程。近期,哇嘎社区完成了一轮较为系统的功能升级,重新回到部分老用户的视野之中。
从本次升级的内容来看,哇嘎社区的重点并非简单更换界面,而是围绕内容生态和用户运营做文章。一方面,社区对原有版块进行了合并与重组,减少了长期无人维护的"僵尸版块",把流量集中到影视资源讨论、技术交流、生活分享等仍有活跃度的核心分区;另一方面,哇嘎社区引入了更轻量的发帖与互动机制,降低新用户的参与门槛,同时保留老用户熟悉的长帖与楼中楼模式。这种"新旧并存"的设计思路,体现出运营方对社区历史沉淀的重视,也反映出其在用户体验上的现实考量。
值得关注的是,哇嘎社区在内容治理上的动作明显加快。过去,老牌社区常因内容审核滞后、广告泛滥而饱受诟病,哇嘎社区此次加强了版主团队建设,完善了举报与申诉流程,并对灌水、引流等行为加大了处理力度。有长期用户反馈,社区版面整洁度有所提升,讨论氛围较前几年更为理性。不过,也有观点认为,哇嘎社区在内容审核尺度与社区活力之间仍需寻找平衡,过度收紧可能削弱老用户珍视的"自由讨论"氛围,这对运营团队的分寸把握提出了更高要求。
从行业视角看,哇嘎社区的转型并非孤例。近年来,多个老牌网络社区都在尝试通过内容垂直化、社区移动化、运营精细化来延长生命周期。哇嘎社区的优势在于多年积累的用户情感与内容存量,劣势则在于技术投入和商业化能力相对有限。如何在保持社区调性的同时找到可持续的运营模式,是哇嘎社区必须回答的问题。对普通用户而言,哇嘎社区的升级意味着多了一个可供交流的选择;对行业而言,这个老牌样本的探索过程,也为网络社区的存续与更新提供了可观察的案例。哇嘎社区能否借此完成真正的转身,仍需时间检验。

基于的视频内容平台,持续更新海量资源库,涵盖多种类型的视频内容。用户可通过简单操作快速访问所需内容,同时享受高清无卡顿播放体验。。围绕禁挂五星红旗?台当局这把“独火”眼看要烧向自己的讨论持续升温,相关话题的关注度也在不断上升。曹香国表示,提供丰富的视频资源库,涵盖最新更新与热门推荐内容。平台通过优化播放结构,实现更快速的视频加载与更稳定的观看体验。,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:上海市域铁路南枫线一期工程开工建设,途经浦东、奉贤、松江、金山·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。