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。
舒淇的照片为何越看越有味道？从青涩到从容的影像蜕变
舒淇的照片在中文互联网上始终保有奇特的吸引力。从上世纪90年代的写真集到近年的时尚大片，她的影像几乎串联起华语娱乐圈近三十年的审美变迁。很多人第一次记住她，是因为那些带着野生感的胶片写真——没有过度修饰的光线，眼神里却有一种不加遮掩的直率。那时候的舒淇照片，构图简单、妆造朴素，却胜在真实，恰好击中了观众对“不造作”的渴望。她也因此早早被贴上了“有故事的脸”的标签，而这张脸后来成了她最可靠的通行证。
进入影视剧照的维度，舒淇的照片开始呈现另一种质感。无论是文艺片里素面朝天的长镜头，还是商业片中精心设计的特写，她的脸在镜头前总能松弛下来。业内常说她“不怕镜头近”，这背后其实是表演经验的沉淀：早期她靠本能和灵气，后来靠对人物逻辑的把握。观众翻看这些剧照时会发现，她的表情很少重复，哭戏不靠挤眉弄眼，笑戏也不靠夸张表情，情绪都藏在眼神细微的移动里。这种镜头前的从容，让舒淇照片具备了超出宣传物料的价值，甚至成为不少摄影爱好者研究人像用光的样本。
红毯与时尚大片则是另一条线索。舒淇的红毯造型常被时尚媒体反复盘点：她很少选择层层叠叠的繁复礼服，更偏爱剪裁利落、露出肩颈线条的设计，配合微卷长发和近乎裸妆的妆面。这种“不费力”的策略让她的照片在群星合影中反而更醒目。品牌方看中的正是她身上那种介于慵懒与锋利之间的气质——镜头一对准，她不需要刻意摆姿势，随意一站就有画面感。近年来她为杂志拍摄的封面大片，多采用自然光和低饱和色调，进一步强化了这种松弛美学，也让舒淇的照片在社交平台上持续被二次传播。
生活随拍的部分则补全了公众对她的想象。舒淇偶尔在社交平台分享的日常照片，多是素颜、随意的居家或旅行片段，画质不算精致，却常被网友评价“像电影截图”。这种反差恰好说明，舒淇照片的魅力并不依赖精修和布景，而在于人物本身的状态。从青涩写真到从容生活照，她的影像轨迹其实是一个演员与镜头关系不断成熟的过程：早年是镜头在看她，如今是她借镜头表达自己。对普通读者而言，翻看这些照片既能满足对明星生活的好奇，也能从中读到一种关于年龄与自信的温和示范。
提供全网视频内容聚合服务，实时更新热门资源与精选推荐内容。平台支持多设备访问，并通过优化加载机制提升整体播放效率，让观看更加顺畅。。围绕人民日报社2023年度申请新闻记者证人员名单公示的讨论持续升温，相关话题的关注度也在不断上升。屠策聪表示，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：如何看待张小北在《洞见对谈》里称「科幻从不负责预言未来，它让我们相信一种未来」？·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。