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。
操表姐：网络热词背后的社交文化现象解读
近期，一个名为「操表姐」的表达在部分社交平台和短视频评论区频繁出现，迅速成为网友讨论的焦点。从字面看，这一组合带有明显的口语化和戏谑色彩，实际使用中却呈现出多重含义：有时被用作熟人之间的调侃称呼，有时则出现在带有情绪化色彩的对话场景中。语言学者指出，网络热词往往诞生于特定社群的口语实践，「操表姐」的流行并非孤立现象，而是近年来网络造词机制持续活跃的又一例证。它借助谐音、拼接和场景联想快速传播，折射出年轻网民在表达上的创造力和游戏化倾向，也提醒我们在围观热词时需要保持基本的语言判断力。
追溯这一表达的传播路径可以发现，「操表姐」最早出现在一些生活类短视频的评论区，随后被部分用户复制到聊天群组和社交动态中。由于缺乏明确的定义，不同使用者对其内涵的理解并不一致，有人视其为无伤大雅的玩笑，也有人认为其在特定语境下容易引发误解甚至冒犯。传播学研究者表示，网络用语的语义漂移速度极快，一个词从诞生到被赋予负面联想，往往只需要几次争议性事件的推动。对于普通用户而言，面对「操表姐」这类含义模糊的表达，最稳妥的方式是结合具体语境判断，避免在公开场合随意使用，以免造成不必要的社交摩擦。
从平台治理的角度看，各大社交平台对网络用语的规范正在持续加强。按照现行社区公约，带有侮辱性、歧视性或明显低俗倾向的表达会被限制传播，部分平台已通过关键词过滤和人工审核相结合的方式，对「操表姐」相关的不当内容进行处置。业内人士分析，热词治理的关键在于区分正常语言创新与恶意表达：前者可以丰富网络语言生态，后者则可能破坏社区氛围。平台在处置时既要避免一刀切误伤正常讨论，也要对明显越界的内容及时亮明态度。与此同时，不少教育工作者呼吁，学校和家庭应加强对青少年网络素养的引导，帮助他们理解语言使用的场合与边界。
值得注意的是，「操表姐」的走红也带动了围绕网络热词生命周期的讨论。有数据分析机构统计，绝大多数网络流行语的热度周期不超过三个月，能够沉淀为日常词汇的寥寥无几。对内容创作者来说，追逐热词可以带来短期流量，但过度依赖此类表达容易削弱内容的专业性和可信度。对普通网友而言，理性看待「操表姐」这类热词，既不必视其为洪水猛兽，也不应盲目跟风使用。语言是交流的工具，也是文明的载体，在享受网络表达自由的同时，保持对他人感受的尊重，才是健康网络生态的应有之义。未来，随着平台规则的完善和网民素养的提升，类似热词的传播有望更加有序，网络语言环境也将朝着更规范、更包容的方向发展。
通过平台，用户可获取最新视频资源与热门内容推荐。系统支持智能分发与多线路播放，确保观看过程顺畅无延迟。。围绕零食“高学历”需去伪求真的讨论持续升温，相关话题的关注度也在不断上升。闻人筠瑗表示，在平台中，视频内容持续更新并保持高质量输出。系统支持快速加载与多线路切换，提升整体观看体验。，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：看一场说走就走的焰火秀、在商圈“穿越”回古代这些消费新玩法一起解锁·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。