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。
祼归是什么意思？年轻人空手返乡背后的选择与代价
「祼归」这个词近年在社交平台上被反复提起。它通常写作「裸归」，指的是一个人在外地或海外打拼一段时间后，在没有落实新工作、也没有清晰规划的情况下，直接收拾行李回到家乡或回国。与「裸辞」相比，祼归多了一层空间上的迁移：辞掉的不只是一份工作，还有一座熟悉的城市和一套已经建立起来的生活节奏。有人把它看作勇敢的止损，也有人认为是无奈的退场，两种解读背后其实是同一件事——人在重新计算自己的成本与收益。
选择祼归的原因往往不是单一事件。房租上涨、通勤消耗、行业波动、晋升通道变窄，都会一点点削弱留下来的理由；而父母年纪渐长、家乡生活成本更低、可以短暂休整，又构成了回去的拉力。海外归国群体的情况更复杂一些：签证周期、当地就业市场的变化、家庭牵挂，都可能让「先回去再说」成为最现实的选项。值得注意的是，多数人并非一时冲动，而是在很长一段时间里反复权衡后才做出决定，只是这个决定在外人看来显得突然。
但祼归之后的现实，往往比想象中更考验人。首先是收入落差，同样的岗位在家乡的薪资可能只有原来的几分之一；其次是机会密度，一些专业领域的岗位在中小城市几乎不存在，职业路径可能需要重新设计；再者是人际网络的重建，离开多年后，原来的同学朋友各有生活，新的社交圈需要时间慢慢积累。心理层面的落差同样明显——从「在外面闯」到「回来了」，外界的眼光和自我评价都会经历一段磨合期，这段时间里最容易出现的情绪是自我怀疑。
如果把祼归当作一次有准备的调整，而不是被动的逃离，结果会好很多。比较务实的做法是：在决定之前先准备三到六个月的生活费，明确回去之后做什么，哪怕只是一个大方向；盘点自己可迁移的技能，看看哪些能通过远程协作、自由职业或本地新兴产业变现；提前了解家乡的行业结构和招聘节奏，避免「回去了才发现没有对口岗位」；同时和家人把预期讲清楚，减少后续摩擦。返乡不等于躺平，节奏放慢也不等于放弃成长，关键在于别让「休息一下」无限延长成「不知道下一步做什么」。
说到底，祼归只是一种选择，不是失败标签。城市与家乡之间本来就不是非此即彼的关系，很多人在回去一两年后又重新出发，也有人在家乡找到了更适合自己的位置。真正需要想清楚的，不是「回去丢不丢人」，而是「我想要什么样的生活，以及为此愿意付出什么」。把这两个问题想明白，祼归就从一场仓促的撤退，变成了一次主动的转向。
专注于提供稳定、高清的视频播放服务，涵盖影视、短视频及精选推荐内容。平台采用多源内容整合机制，实现快速加载与流畅播放体验，满足不同用户的观看需求。。围绕北京新年第一天阳光唱“主调” 最高气温2℃左右适宜外出活动的讨论持续升温，相关话题的关注度也在不断上升。禄香伦表示，致力于构建高质量视频内容生态，整合全网热门资源与实时更新内容。平台支持多终端同步观看，并提供多线路播放方案，确保用户获得更流畅的体验，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：高质量发展一线行|装备制造业昂起“龙头”·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。