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。
日本变态节目为何让人上头？揭开过激综艺的套路、笑点与争议
「日本变态节目」这个说法，其实是中文互联网对日本部分尺度惊人、脑洞极大的综艺节目的戏称。它指的并不是真正意义上的「变态」，而是整蛊、惩罚游戏、极限忍耐、荒诞验证这一类让人直呼「这也敢拍」的内容。从上世纪九十年代的《前进！电波少年》，到近年被大量搬运的《星期三的市中心》《不准笑》系列，这类节目以低成本、高刺激的企划，在日本综艺版图中长期占有一席之地。它们经由几分钟的剪辑片段传入国内，配上夸张字幕，成为不少观众的「下饭神片」，也催生了「日本变态节目」这个带着调侃意味的标签。
从形态上看，这类节目大致可分几类。最常见的是整蛊类，节目组在艺人完全不知情的状态下布置场景，等人上钩后再由隐藏摄像机揭晓；其次是惩罚游戏，输家要吃超辣食物、被弹飞、在深夜的荒地里完成荒唐任务；还有极限忍耐型，例如《不准笑》系列要求艺人在二十四小时内不许笑，一旦笑场就要接受「屁股被打」等惩罚；以及验证型企划，假设一个荒谬前提，用实验的方式去检验，比如「自称是某某就能蒙混过关吗」。这些内容多集中在深夜档，预算有限、受众垂直，反而成了电视台试验新点子的试验场。
它之所以让人上头，关键在于日式综艺对「反应」的极致开发。被整者的表情、惊慌、吐槽，才是笑点的核心，节目组往往提前数十次踩点、反复推演，只为等到那几秒的真实反应。铺满屏幕的字幕特效与旁白，进一步把情绪放大，让观众即使不懂日语也能看懂笑点。再加上节奏被切得很碎，几乎每三十秒就有一个爆点，天然适合短视频传播。不过也要看到，所谓「真实反应」背后是高度设计的流程，被整者往往事后方才知情，这正是此类节目长期被批评的根源。
在日本本土，这类节目一直伴随着争议。放送伦理·节目向上机构（BPO）每年都会收到大量相关投诉，涉及人身安全、隐私侵犯与人格尊严的企划屡遭点名。二零一零年代之后，多家电视台明显收紧尺度，增加事前告知、医疗待命与安全预案，一些以羞辱为核心的经典环节被永久停播。与此同时，深夜综艺整体式微，预算缩减，创意更多转向低成本的验证类与谈话类。国内观众看到的往往只是被抽离上下文的片段，容易把「节目效果」误当成真实生态。尺度大并不等于没有底线，理解这一点，或许比单纯围观猎奇更有意思。
致力于构建高质量视频内容生态，整合全网热门资源与实时更新内容。平台支持多终端同步观看，并提供多线路播放方案，确保用户获得更流畅的体验。围绕中国·邱县第四届文冠果花节盛大开幕的讨论持续升温，相关话题的关注度也在不断上升。陶秋达表示，提供稳定的视频播放环境与丰富的内容资源库。用户可通过平台快速访问最新更新内容，并享受高清播放体验。，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：“大家族”里的小团圆·打造的一站式视频内容平台，汇聚全网优质资源与热门视频合集。系统持续更新内容库，支持高速播放与多线路解析，提升整体观看体验，让用户随时随地畅享精彩内容。