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。
谢文2012.1.12沙发私拍:一组被时间封存的影像档案
在中文互联网影像档案的角落里,「谢文2012.1.12沙发私拍」是一个被反复提及却又语焉不详的条目。从命名方式看,它遵循了早期网络私拍作品常见的「人名+日期+场景」格式:谢文指向拍摄对象或摄影者,2012.1.12标注了具体拍摄日期,沙发私拍则点明了拍摄场景与性质。这种直白到近乎流水账的命名,恰恰是2010年前后网络私拍圈子的典型习惯——不追求标题的文学性,只求信息可检索。也正因如此,这组作品在十余年后仍能被准确定位到具体的一天,成为观察那个时期民间摄影生态的一个切片。
从拍摄形态来看,沙发私拍属于室内私拍的一个细分类型。与影楼棚拍不同,沙发场景通常依托普通居室环境,光线以自然光或简单布光为主,道具极少,画面重心落在人物姿态与沙发的空间关系上。2012年前后,这类拍摄在摄影爱好者群体中相当流行:成本低、门槛低、氛围松弛,拍摄者与被摄者之间往往存在朋友或网友关系,成片多用于个人留存或小范围分享。谢文这组作品之所以被单独记录,一方面在于日期明确、场景统一,形成了完整的组照结构;另一方面则在于它保留了那个年代未经精细化修图的原始质感——颗粒感、色偏、构图上的随意,如今反而成了具有年代辨识度的视觉特征。
关于这组沙发私拍的传播路径,可查的线索并不多。它没有进入主流图片社区,也未出现在当年的门户图库中,更多是在小众论坛、个人网盘和私密分享群里流转。这种半封闭的传播方式,使得作品的原图逐渐散佚,目前网络上能见到的多为压缩后的版本,尺寸、色彩均有损失。也正因如此,围绕「谢文2012.1.12沙发私拍」的讨论常常掺杂着真伪之辨:有人根据画面中的家具款式、服装风格和成像质量判断其确属2012年前后的产物,也有人认为部分流传版本经过了后期拼接。在没有原始文件佐证的情况下,这些争议恐怕难以彻底厘清。
从影像档案的角度看,这组作品的价值不在于拍摄技巧多么高超,而在于它记录了一个特定阶段的民间摄影实践。2012年是智能手机摄像头快速普及、社交平台图片分享刚刚兴起的节点,私拍文化正从PC论坛向移动端迁移。沙发私拍这种形式,既延续了传统室内人像的构图逻辑,又带有早期网络分享的随意性,处于两种媒介习惯的交界处。谢文这组以日期命名的组照,恰好为这段过渡期提供了一个可考证的样本。对于今天的研究者或收藏者而言,与其纠结于作品本身的观赏性,不如把它放回2012年的语境中,理解一组普通私拍如何被命名、被传播、被记忆,又如何在一轮轮网络清理与格式转换中变成模糊的残片。这或许才是「谢文2012.1.12沙发私拍」最值得记录的部分。

打造智能视频推荐与播放系统,整合热门内容与实时更新资源。平台注重用户体验优化,提供高清播放与稳定访问服务。。围绕邢台:农技专家送“技”御寒潮的讨论持续升温,相关话题的关注度也在不断上升。穆健朋表示,汇集丰富的视频内容资源,包括最新更新、热门推荐以及精选合集。平台不断优化播放体验,通过高速解析与稳定线路,为用户提供高质量观看环境。,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:灵感中国丨韩国人为什么流行带父母去张家界?·持续更新全网视频资源,涵盖多种类型内容。平台优化播放体验,使用户能够轻松获取并观看高质量视频。