美光HBM专家:AI算力提速快于HBM 内存墙问题持续加剧

发布时间:2026年11月20日 23:19

来源:人民日报

麦库搜索,智能搜索,AI搜索,语义理解,多模态检索,搜索工具,搜索精准度,麦库搜索升级“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。

(责任编辑:包琳若)

收起介绍展开介绍
  • 下载地址
麦库搜索全新升级:AI驱动的智能搜索体验来了

如有发现下载链接错误,请联系小编!

软件排行榜

热门推荐

    在信息爆炸的时代,如何从海量数据中快速找到真正需要的内容,成为不少用户的痛点。麦库搜索作为一款主打高效检索的搜索工具,近期完成了新一轮重大版本升级,核心变化在于引入了AI语义理解引擎和多模态检索能力。与过去依赖关键词字面匹配的方式不同,麦库搜索现在能够理解用户的搜索意图,即便输入的是口语化描述或模糊需求,也能给出相关性更高的结果。官方数据显示,新版本在长尾查询场景下的首屏命中率较上一版本提升明显,平均响应时间也进一步压缩,这让麦库搜索在日常资料查找、行业信息检索等场景中更具实用价值。

    具体来看,麦库搜索此次升级的亮点主要集中在三个方面。第一是语义理解,系统会对查询语句进行意图拆解,识别其中的实体、时间、场景等要素,从而避免“搜了但没搜对”的尴尬。第二是多模态检索,麦库搜索支持以图搜图、以文搜图等混合检索方式,对于需要查找设计素材、产品图片或文档截图的用户来说,操作门槛明显降低。第三是个性化排序,麦库搜索会根据用户的历史使用习惯和收藏偏好,对结果进行动态调整,让高频使用的优质来源更容易出现在靠前位置。这些能力叠加在一起,使麦库搜索从单纯的“找得到”向“找得准、找得快”迈进了一步。

    在实际使用场景中,麦库搜索的适用面相当广泛。学生群体可以用它快速定位论文资料和公开课资源,职场人士可以借助麦库搜索检索行业报告、政策文件和竞品动态,内容创作者则能通过多模态检索寻找配图灵感和素材来源。值得一提的是,麦库搜索在结果页提供了来源标注和摘要预览,用户无需逐个点开链接就能判断内容是否符合需求,这在一定程度上节省了筛选时间。对于需要深度核实的场景,麦库搜索还保留了高级筛选入口,支持按时间、类型、来源等维度缩小范围,兼顾了效率与严谨性。

    与市面上同类搜索产品相比,麦库搜索的差异化主要体现在轻量化和场景适配上。它没有堆砌过多复杂功能,而是把重心放在检索准确率和交互流畅度上,界面布局相对克制,新用户几乎不需要学习成本。当然,麦库搜索目前在某些垂直领域的覆盖深度仍有提升空间,例如专业学术数据库和小众行业资料的收录还需持续完善。总体而言,这次升级让麦库搜索在智能搜索赛道上有了更清晰的定位,对于追求高效信息获取的用户来说,值得将其加入日常工具清单并持续关注后续迭代。