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。
含苞待放HYAN：新生代音乐人的破圈之路与创作密码
近期，一个名为「含苞待放HYAN」的名字在各大音乐平台与社交社区中频繁出现，成为不少乐迷讨论的焦点。作为一位尚处于上升期的新锐音乐人，HYAN并未依赖大规模商业宣发，而是凭借几首风格鲜明的原创作品逐步积累口碑。从早期在短视频平台发布的demo片段，到如今完整上线的录音室单曲，含苞待放HYAN的成长轨迹折射出当下华语独立音乐生态的一种新可能：创作者可以绕开传统唱片工业的筛选机制，直接与听众建立情感连接。这种“含苞待放”的状态，既是外界对其阶段的描述，也恰好呼应了其作品中那种尚未完全舒展、却已蓄满能量的独特气质。
从创作层面观察，含苞待放HYAN的音乐融合了都市流行、氛围电子与民谣叙事的元素，编曲不追求堆砌音色，而是倾向于留白与呼吸感。歌词多聚焦于年轻一代的日常情绪——深夜独处、城市迁徙、关系中的犹豫与笃定，语言直白却不失细腻。这种取向使其作品在听感上并不张扬，却容易在反复聆听后产生余韵。值得注意的是，HYAN在旋律写作上偏好使用短句与重复动机，配合略带颗粒感的声线，形成了较高的辨识度。业内评论认为，含苞待放HYAN的创作路径显示出对“歌曲完整性”的重视，而非单纯追逐片段化的传播逻辑，这在当前注意力碎片化的环境中尤为难得。
围绕「含苞待放HYAN」这一关键词，乐迷讨论较多的还有其现场表现与幕后团队。据公开信息，HYAN近期的小型live演出多以乐队编制呈现，在保留录音室版本骨架的同时加入了即兴段落，展现出超越录音室作品的张力。其合作搭档多为同龄创作者与独立制作人，整体制作流程偏向DIY模式，从词曲、编曲到混音均有较高参与度。这种高度自主的创作方式，一方面保证了表达的一致性，另一方面也意味着资源与经验的积累仍需时间。对于关注华语独立音乐的听众而言，含苞待放HYAN提供了一个观察新生代音乐人如何平衡艺术追求与现实条件的样本。
当然，处于“含苞待放”阶段的音乐人同样面临挑战。如何在保持个人风格的同时拓展题材边界，如何将线上流量转化为可持续的创作支持，如何在频繁演出与深度写作之间分配精力，都是HYAN需要回应的课题。从目前释出的作品来看，其旋律天赋与情绪捕捉能力已得到初步验证，但在作品结构的多样性、制作精细度以及整体企划的完整性上，仍有明显的成长空间。乐迷的期待既是动力，也可能形成无形的压力。能否在关注度上升期保持清醒的创作节奏，将决定含苞待放HYAN能否真正完成从“待放”到“绽放”的关键一跃。
总体而言，含苞待放HYAN代表了一批拒绝被简单归类的年轻创作者：他们不急于定义自己，而是在持续的写作与演出中逐步显影。对于听众来说，见证一位音乐人从含苞到盛放的过程，本身就是一种难得的参与体验。随着更多作品的陆续面世，含苞待放HYAN能否在竞争激烈的华语乐坛中确立属于自己的坐标，值得持续关注。可以确定的是，在这个愈发讲求即时反馈的时代，愿意以“含苞待放”的姿态耐心打磨作品的创作者，本身就值得一份尊重与期待。
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。。围绕北京增加一处中风险地区 黑龙江黑河疫情拐点未现的讨论持续升温，相关话题的关注度也在不断上升。司徒纪杰表示，持续更新全网视频资源，涵盖多种类型内容。平台优化播放体验，使用户能够轻松获取并观看高质量视频。，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：私搭浮桥18人获罪案再审宣判：2人维持定罪量刑·依托的视频内容体系，平台实现资源快速更新与智能分类推荐。用户可轻松浏览各类视频内容，并享受高速播放与稳定解析服务。