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。
手淫用品选购指南:从材质到清洁,一次讲清楚
随着成人用品市场的成熟,手淫用品早已不再是难以启齿的话题,而是越来越多人日常自我照顾的一部分。所谓手淫用品,指的是用于辅助自慰、提升个人愉悦感的器具与配件,涵盖飞机杯、振动器、仿真器具等多个品类。对初次接触的人来说,最重要的不是追求功能多复杂,而是先搞清楚自己的需求:是想要一次性使用的便利,还是可长期重复使用的耐用性;是偏好温和刺激,还是更强反馈。明确需求后再看产品,往往能少交不少学费。
材质是选购手淫用品时最值得关注的一环。常见材质包括硅胶、TPE/TPR弹性体和 ABS 塑料等。医用级或食品级硅胶稳定性好、不易致敏,适合皮肤敏感人群,价格通常也更高;TPE 手感柔软、成本低,但孔隙较多、容易吸附灰尘和油脂,使用寿命相对短。无论哪种材质,都应确认产品无异味、表面均匀、无毛刺,并留意包装上是否标注材质成分与执行标准。对宣传“绝对安全”“永久耐用”的说法保持警惕,理性看待参数比听信营销话术更可靠。
不同类型的手淫用品在使用体验上差异明显。一次性产品胜在卫生便捷,适合偶尔使用或出差场景;可重复使用的产品则需要配套清洁与保养。使用前建议用温水冲洗并擦干,配合水基润滑液能显著提升舒适度,注意避免硅胶类产品与硅基润滑液长时间接触,以免材质受损。使用后及时用专用清洁剂或温和中性皂液清洗,彻底晾干后再存放于阴凉干燥处,避免阳光直射和与其他塑料制品挤压粘连。做好这些细节,产品的使用寿命和卫生状况都会更有保障。
隐私与购买渠道同样值得认真对待。正规平台通常提供隐私包装和低调的物流面单,下单前可查看店铺的隐私政策与售后说明。购买时优先选择有明确资质、支持退换货保障的商家,保留订单记录。需要提醒的是,手淫用品属于个人用品,原则上不建议二手购买或与他人共用,以免带来卫生风险。若使用过程中出现皮肤红肿、刺痛等不适,应立即停用并观察,必要时咨询专业医生。把安全放在第一位,才能真正享受产品带来的放松与愉悦。
总的来说,手淫用品只是辅助个人愉悦的工具,选择的核心在于材质可靠、清洁到位、使用得当。不必被夸张宣传裹挟,也无需因为使用而感到负担。了解自己的身体感受,从入门款开始尝试,逐步找到适合自己的节奏和产品,才是更务实的做法。理性选购、注重卫生、尊重隐私,这三点做到了,手淫用品就能成为个人护理中一个自然且安心的选项。

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。。围绕让小店串起万家灯火的讨论持续升温,相关话题的关注度也在不断上升。景功厚表示,在中,用户可以体验高质量视频播放服务,平台持续更新内容资源并优化访问速度。多线路支持确保不同网络环境下依然流畅观看。,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:波兰议会众议院选举图斯克为总理·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。