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。
女子打架走光图片引发热议：公共场所冲突为何频现失控场面
近日，多段涉及女子在公共场所发生肢体冲突的视频与图片在社交平台流传，其中部分画面因当事人衣着受损而出现走光情形，被冠以“女子打架走光图片”的标题快速扩散。从流传内容看，冲突多发生在商业街区、夜市或交通枢纽等人流密集区域，起因往往是排队摩擦、言语不和、财物纠纷等日常小事。原本可以通过沟通化解的矛盾，在情绪失控与围观起哄的双重作用下迅速升级，最终演变为拉扯、推搡甚至撕扯衣物的过激行为，场面一度混乱。
梳理此类事件可以发现几个共同特征。其一，冲突双方多为女性，但真正让事态失控的往往不是力量对抗，而是情绪对抗——辱骂、挑衅、互不相让，使理性沟通的空间被迅速压缩。其二，围观者的角色值得警惕。部分人非但不劝阻，反而举着手机贴近拍摄，甚至发出起哄声，这种“看客心态”客观上助长了当事人的冲动。其三，走光画面的传播链条值得追问。当事人衣着受损本属意外，但相关图片被截取、打码再传播，标题刻意突出“走光”字眼，实质上已从记录现场滑向消费隐私，给当事人造成二次伤害。
从法律角度看，街头打架本身可能触犯治安管理处罚法，情节严重者还将承担相应法律责任；而拍摄并传播他人走光画面，则可能涉及侵犯肖像权、隐私权与名誉权。即便当事人处于公共场所，其对身体隐私的合理期待并不因此完全丧失。现实中，不少传播者抱着“转发不算事”的心态，却忽视了图片一旦脱离语境，极易被断章取义、恶意拼接，最终演变为网络暴力。平台方对明显带有窥私导向的标题与画面，也应承担审核与限流责任，而非任由流量逻辑主导推荐。
更值得反思的是，为何类似的公共场所冲突反复上演。生活节奏加快、公共空间拥挤、个体情绪管理能力不足，都是现实诱因。但根本之处在于，一些人习惯用“争一口气”的方式解决问题，把退让视为软弱，把冲突视为维护尊严的唯一手段。事实上，遇到摩擦时及时抽身、寻求场所管理方或警方介入，远比当街撕扯更为有效。对于围观者而言，放下手机、上前劝解或报警，才是对公共秩序真正的维护。至于那些以“女子打架走光图片”为噱头吸引点击的内容，读者不妨多一分克制，不点击、不转发，让隐私回归隐私，让冲突回归理性解决的轨道。
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。。围绕公安部：今年以来共破获民族资产解冻类诈骗违法犯罪案件260余起的讨论持续升温，相关话题的关注度也在不断上升。冉绍栋表示，在平台中，用户可获取最新影视与视频资源更新，内容覆盖范围广泛。系统支持多线路解析与快速加载，确保播放过程稳定流畅。，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：助力乡村振兴获认可 龙光荣膺“粤桂扶贫协作先进民营企业”·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。