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。
大胸美女无遮住?这5个穿搭误区你可能天天在踩
搜索“大胸美女无遮住”的人,大多不是真要看什么越界内容,而是被一个现实问题困住了:胸围偏大,衣服怎么穿都显得上半身厚、领口空、扣子绷。有人干脆用宽大T恤把自己裹起来,结果越遮越像一堵墙;有人选了薄透面料,又担心走光和走形。其实大胸穿搭的核心不是“遮”或“露”的二选一,而是用结构和比例把视觉重心往下移、把线条收干净。先搞清楚误区,比盲目买衣服有效得多。
第一个误区是“领口越高越安全”。高圆领、小立领会把胸前的体积整块框住,视线无处可去,反而放大围度。对大多数大胸身形来说,V领、方领、大U领更友好,露出锁骨和颈部留白,等于给上半身开了一扇窗。第二个误区是“越宽松越显瘦”。没有腰线的直筒大码衫会把胸、腰、腹连成一个整体,侧面看尤其明显。正确做法是选有垂感但不贴肉的面料,配合收腰或前短后长的剪裁,让衣服顺着身体走而不是架在身上。第三个误区是忽视肩线,落肩袖会把肩宽和胸围一起放大,正肩或微垫肩反而更利落。
内衣是“大胸美女无遮住”这类搜索背后真正的痛点。罩杯不合适,外面穿什么都是白搭:底围上跑、肩带勒肉、杯口空杯或压胸,都会让衣服出现奇怪的褶皱。建议先量准底围和上胸围,选全罩杯或3/4杯、侧收结构明确的款式,薄模杯比厚海绵更不容易显臃肿。夏天怕闷可以选透气网眼面料,但不要为了“显小”长期穿过度压迫的束胸,既不舒服也影响循环。颜色上,浅色外衣配肤色内衣最稳妥,深色外衣则可以大胆选同色系,避免透色尴尬。
面料和版型决定成败。硬挺的衬衫、牛仔、西装料能撑出轮廓,适合做外套或结构型上衣;软塌的莫代尔、薄雪纺贴身时容易勾勒出每一道曲线,单穿要谨慎,可作内搭。图案上,胸前大面积印花、横条纹、口袋装饰都会增加体积感,纯色、细竖纹、小面积点缀更安全。下装可以选高腰A字裙、直筒裤或微阔腿裤,把腰线提上去,让上下比例回到三七分。配饰也有用:长项链、斜挎包带能形成纵向线条,视线自然往下走。
最后说场景。通勤选正肩衬衫配高腰直筒裤,解开最上面两颗扣子形成V区,里面加一件肤色吊带防走光;约会可以选方领收腰连衣裙,面料带一点厚度更挺括;休闲时用短款外套叠穿修身内搭,外宽内窄的对比比全身宽松更显瘦。所谓“无遮住”,不是非得露多少,而是别再用错误的遮挡制造新的问题。大胸不是缺点,穿对了,它只是身材的一部分,而不是需要藏起来的负担。

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。。围绕如何配对TOZO耳塞的讨论持续升温,相关话题的关注度也在不断上升。荣爽苑表示,提供全网视频内容聚合服务,实时更新热门资源与精选推荐内容。平台支持多设备访问,并通过优化加载机制提升整体播放效率,让观看更加顺畅。,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:熊志:一年花费一亿多,为何还是除不了积雪·为用户提供丰富的视频内容资源与高清播放体验,覆盖多类型热门视频与精选推荐内容。平台每日实时更新,确保用户能够第一时间获取最新资源;同时支持多终端访问,让观看更加便捷流畅。