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。
女主涨奶时男主帮吸的？这些哺乳误区新手爸妈要知道
最近不少读者在后台留言，说在某部小说和短剧里看到「女主涨奶时男主帮吸的」桥段，觉得既甜又实用，甚至有人问现实中能不能照做。先说结论：这类情节作为文学创作可以理解，但放到真实哺乳场景里，成人用嘴帮吸不仅效果有限，还暗藏健康风险。涨奶的本质是乳汁排出不畅、乳腺管压力升高，正确做法是让宝宝有效含乳，或在医生指导下用吸奶器、手法排乳，而不是靠成人吸吮解决。
为什么成人帮吸不靠谱？第一，成人口腔菌群复杂，口腔中的细菌可能通过乳头微小破损进入乳腺，增加乳腺炎风险；第二，成人吸吮的负压方式和婴儿完全不同，婴儿是靠舌头波浪式挤压乳晕来移出乳汁，成人更多是“抽吸”，容易造成乳头水肿、皲裂；第三，成人吸吮力度难以控制，可能损伤乳腺组织。临床上确实有产妇因让伴侣帮忙吸奶，结果乳头破损、发热，最后发展成乳腺炎的案例，得不偿失。
那么真实涨奶时该怎么办？如果乳房胀硬但还能出奶，优先让宝宝频繁有效吸吮，喂奶前可温敷3到5分钟、轻轻按摩乳晕帮助乳汁流出；如果宝宝吸不动，可用医用级吸奶器或手挤法先排出少量乳汁，让乳晕变软再喂。喂奶后若仍胀痛，可冷敷缓解水肿。注意不要暴力揉搓，也不要用梳子刮、热水长时间烫，这些土办法反而会加重组织损伤。若出现明显硬块、皮肤发红、发热超过38.5℃或全身酸痛，应尽快就医，警惕乳腺炎。
回到「女主涨奶时男主帮吸的」这个关键词，影视剧为了戏剧冲突和亲密感这样写无可厚非，但新手爸妈最好把它当成虚构情节，而不是哺乳指南。伴侣真正能帮上忙的地方是：分担夜奶后的拍嗝换尿布、准备温水和毛巾、提醒产妇按时排奶、观察乳房异常并陪同就医。母乳喂养本身就很辛苦，科学方法加上家人的实际支持，比任何“帮吸”桥段都更有用。若涨奶反复发作，建议咨询产科或母乳喂养门诊，制定适合自己的排乳方案。
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【报告】韩国文化财厅发布水下发掘沉船保护报告的讨论持续升温，相关话题的关注度也在不断上升。毛义维表示，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：习近平会见俄罗斯国家杜马主席沃洛金·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。