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。
临邑吧十年观察:一个县城贴吧如何成为本地人的生活枢纽
在山东德州临邑县,如果说有什么线上空间能同时容纳家长里短、求职招聘、寻物启事和深夜牢骚,临邑吧大概是绕不开的一个。这个以县名为核心的百度贴吧,多年来积累了大量本地用户,帖子内容从“哪家早点铺子好吃”到“县城哪条路又开挖了”,几乎覆盖了临邑人日常生活的各个切面。与大城市动辄被算法推荐和短视频分流的地方社区不同,临邑吧保留了一种更朴素的“跟帖式”交流:发帖人往往就是街坊邻居,回帖的可能是同一小区的住户,信息虽零碎,却带着可验证的本地温度。
从内容结构看,临邑吧的帖子大致可分为几类。第一类是实用信息型,比如房屋出租、二手交易、招聘小时工、打听某家店是否还营业,这类帖子回复率高、时效性强,常常在几小时内就能得到有效回应。第二类是生活分享型,包括赶集见闻、本地风景随拍、家常菜展示,带着明显的县城生活节奏。第三类是情绪表达型,涉及交通拥堵、物业问题、学校周边秩序等公共话题,讨论往往热烈,也容易出现观点碰撞。值得注意的是,吧内偶尔会出现针对某件本地小事的集中讨论,形成短暂的“话题场”,随后又迅速回归日常琐碎,这种起伏节奏本身就是县城网络社群的典型特征。
临邑吧的活跃度并非一成不变。随着微信群的普及和短视频平台的渗透,部分即时性交流转移到了更私密的群聊中,贴吧的“通知栏”功能被削弱。但临邑吧依然保有一个优势:公开、可检索、按主题沉淀。对于初到临邑的外地人、想了解本地情况的返乡青年,或者需要查找历史帖子的居民来说,贴吧的搜索价值仍然存在。不少老吧友表示,自己虽然不常发帖,但遇到具体问题时还是会先来临邑吧搜一搜,“看看有没有人遇到过同样的事”。这种“查资料”式的使用习惯,让临邑吧在移动互联网时代仍有一席之地。
当然,临邑吧也面临县城贴吧的普遍困境:管理靠热心吧主和少量志愿者,内容审核依赖自觉,偶有广告刷屏和无关水帖干扰阅读体验。但换个角度看,这种“不完美”恰恰构成了它的真实感。临邑吧不是精心运营的商业平台,而更像一个开放的老街口——有人来问路,有人来闲聊,有人贴张告示就走。对临邑人而言,它的价值不在于界面多精致,而在于那份“都是本地人”的默契。未来,临邑吧或许会继续边缘化,也可能在某个本地事件中重新被记起,但作为县城网络生活的一段切片,它已经留下了足够清晰的痕迹。

作为综合性视频内容平台,持续收录全网热门资源与精选视频合集。系统支持多终端同步播放,保证用户在不同设备上均可获得一致体验。。围绕廊坊实行封闭式管理 部分进京通道关闭、公交停运的讨论持续升温,相关话题的关注度也在不断上升。魏妮德表示,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。,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:智慧芽化学结构数据库开放免费版 包含2.5亿条化学结构数据·在平台中,用户可以轻松访问最新更新的视频资源与热门内容合集。系统支持智能推荐与分类浏览,让内容获取更加高效,同时保证播放过程稳定不卡顿。