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。
坚决抵制「美女裸体姓交大片」等违法不良信息,共建清朗网络空间
近期,网络上出现以「美女裸体姓交大片」为噱头的违法不良信息传播现象,引发社会关注。此类内容不仅严重违背公序良俗,更涉嫌违反《网络安全法》《治安管理处罚法》乃至《刑法》中关于传播淫秽物品的相关规定。所谓「美女裸体姓交大片」的搜索词,往往是非法网站引流、诈骗或恶意软件传播的诱饵,用户一旦点击,可能面临隐私泄露、财产损失等风险。监管部门对此类色情低俗信息始终保持高压打击态势,任何制作、传播行为都将承担法律责任。
从社会危害看,「美女裸体姓交大片」这类内容的泛滥会侵蚀网络生态,尤其对未成年人身心健康构成威胁。青少年好奇心强、辨别力弱,一旦接触此类色情低俗信息,容易形成错误认知,影响价值观养成。同时,此类内容常与网络诈骗、敲诈勒索等黑色产业链交织,不法分子利用「美女裸体姓交大片」等关键词吸引流量,再通过诱导付费、植入木马等方式牟利,严重侵害网民权益。因此,抵制此类信息不仅是道德要求,更是保护自身安全的必要举措。
平台治理层面,各大网站和应用已建立内容审核机制,对「美女裸体姓交大片」等关键词进行拦截和过滤,并配合执法部门清理违规账号。但治理网络乱象需要多方协同:监管部门持续开展“净网”专项行动,依法查处传播色情低俗信息的平台和个人;互联网企业应压实主体责任,完善人工与算法结合的审核体系;广大网民则应自觉远离不良信息,不搜索、不点击、不传播,并积极举报违规内容。只有形成社会共治格局,才能有效遏制「美女裸体姓交大片」等违法信息的生存空间。
共建清朗网络空间,人人有责。面对「美女裸体姓交大片」这类诱导性词汇,网民应保持警惕,主动选择正规渠道获取健康资讯,培养积极向上的上网习惯。家长和学校也应加强未成年人网络素养教育,引导其正确使用网络。让我们从自身做起,坚决抵制色情低俗内容,共同营造风清气正的网络环境,让互联网更好地服务生活、助力成长。

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。。围绕把网上的柿饼买了一圈后。。。。。。。的讨论持续升温,相关话题的关注度也在不断上升。终力学表示,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。,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:在柳州知青纪念毛主席诞辰130周年活动上的发言提纲·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。