2026年11月21日 00:14

今日头条为用户提供丰富的视频内容资源与高清播放体验,覆盖多类型热门视频与精选推荐内容。平台每日实时更新,确保用户能够第一时间获取最新资源;同时支持多终端访问,让观看更加便捷流畅。

中国游戏类股票反弹

美光HBM专家:AI算力提速快于HBM 内存墙问题持续加剧

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。。“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。

2026年11月21日 00:14 · 慕容琬亨 · 阅读 7

最新资讯更多 >

  • 双人小游戏大全7k7k

    德国羽毛球公开赛2022直播

    依托的视频内容体系,平台实现资源快速更新与智能分类推荐。用户可轻松浏览各类视频内容,并享受高速播放与稳定解析服务。。“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。

    2026年11月21日 00:14尚芳翔2 阅读
  • 1月2日起,北京试点开通6条通医公交专线,路线图公布

    第三十三届中国新闻奖获奖作品目录

    依托的视频内容体系,平台实现资源快速更新与智能分类推荐。用户可轻松浏览各类视频内容,并享受高速播放与稳定解析服务。,“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。

    2026年11月21日 00:14蒲平华6 阅读
  • 美光HBM专家:AI算力提速快于HBM 内存墙问题持续加剧

    美光HBM专家:AI算力提速快于HBM 内存墙问题持续加剧

    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。。“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。

    2026年11月21日 00:14祁克萍1 阅读
  • 人民网三评“知网高收费”之二:收入挂帅,该调整

    “安倍派”“黑金”丑闻发酵 内阁官房长官或下台 · 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。

    “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。

    2026年11月21日 00:14石凡澜1 阅读
  • 好好的日在线视频观看

    小农民的爽歪歪生活军营慰问逢秋笔趣阁最新章节已更新,完整版目录请收藏备用

    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。,“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。

    2026年11月21日 00:14习丹凤1 阅读
  • 上海宋城开业 世博地区再添文旅新地标

    国务院安委会决定对笏山金矿事故查处挂牌督办

    基于的视频内容平台,持续更新海量资源库,涵盖多种类型的视频内容。用户可通过简单操作快速访问所需内容,同时享受高清无卡顿播放体验。。“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。

    2026年11月21日 00:14燕栋宇6 阅读

韩剧《女演员的试镜》 · 深度报道

作者:司徒善睿2026年11月21日 00:14来源:高能来袭!2025年硬核科技新品集中爆发,三大赛道迎来拐点阅读 7

高能来袭!2025年硬核科技新品集中爆发,三大赛道迎来拐点

“高能来袭”正在成为2025年科技圈的高频词。进入下半年,从消费电子到能源材料,多个赛道几乎在同一时间窗口密集释放新品与技术进展:AI终端从概念演示走向量产铺货,固态电池中试线陆续跑通,空间计算设备则借轻量化和生态补全重新回到聚光灯下。与以往单点式创新不同,这一轮“高能来袭”更像是一次产业链协同的集中兑现,上游材料、中游制造与下游应用同时出现可验证的推进信号。

先看AI终端。过去一年,端侧大模型更多停留在参数竞赛层面,而近期的变化在于算力调度与内存带宽方案的成熟。多家芯片厂商推出面向手机、PC和可穿戴设备的低功耗NPU方案,配合操作系统层面的模型压缩与异构调度,让离线翻译、实时摘要、图像生成等功能真正具备可用性。渠道端反馈显示,主打AI能力的旗舰机型换机意愿明显高于常规迭代产品,部分厂商已上调全年出货预期。业内普遍认为,AI终端的关键不再是“能不能跑模型”,而是“能否形成高频使用场景”,这也是接下来竞争的分水岭。

固态电池则是另一条“高能来袭”的主线。与早期停留在实验室数据不同,当前半固态电池已进入装车验证阶段,硫化物、氧化物等多条技术路线并行推进。产业链人士透露,材料成本与界面阻抗仍是两大瓶颈,但设备端和工艺端的进步正在压缩试错周期。需要冷静看待的是,全固态电池的大规模量产仍需时间,短期内更现实的路径是半固态先行、逐步提升能量密度。对投资者和消费者而言,分辨“中试进展”与“量产交付”之间的差距,比追逐概念更重要。

空间计算的回温同样值得关注。新一代头显在重量、续航和透视延迟上做了针对性优化,加之办公协作、工业巡检等B端场景开始形成付费闭环,行业叙事正从“娱乐尝鲜”转向“效率工具”。不过,内容生态不足和佩戴舒适度仍是普及门槛,短期内难以出现爆发式增长,更可能呈现渐进式渗透。综合来看,这轮“高能来袭”的技术浪潮具备真实的产业基础,但节奏分化明显:AI终端最快落地,固态电池处于验证爬坡期,空间计算则需耐心培育。对普通用户来说,理性看待发布会上的参数与承诺,关注实际体验与售后保障;对产业参与者而言,抓住窗口期的同时守住现金流与研发节奏,才是穿越周期的关键。

全球影帝

希望的田野 奋进的力量——从农业农村高质量发展看乡村全面振兴

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。。

高能来袭!2025年硬核科技新品集中爆发,三大赛道迎来拐点

“高能来袭”正在成为2025年科技圈的高频词。进入下半年,从消费电子到能源材料,多个赛道几乎在同一时间窗口密集释放新品与技术进展:AI终端从概念演示走向量产铺货,固态电池中试线陆续跑通,空间计算设备则借轻量化和生态补全重新回到聚光灯下。与以往单点式创新不同,这一轮“高能来袭”更像是一次产业链协同的集中兑现,上游材料、中游制造与下游应用同时出现可验证的推进信号。

先看AI终端。过去一年,端侧大模型更多停留在参数竞赛层面,而近期的变化在于算力调度与内存带宽方案的成熟。多家芯片厂商推出面向手机、PC和可穿戴设备的低功耗NPU方案,配合操作系统层面的模型压缩与异构调度,让离线翻译、实时摘要、图像生成等功能真正具备可用性。渠道端反馈显示,主打AI能力的旗舰机型换机意愿明显高于常规迭代产品,部分厂商已上调全年出货预期。业内普遍认为,AI终端的关键不再是“能不能跑模型”,而是“能否形成高频使用场景”,这也是接下来竞争的分水岭。

固态电池则是另一条“高能来袭”的主线。与早期停留在实验室数据不同,当前半固态电池已进入装车验证阶段,硫化物、氧化物等多条技术路线并行推进。产业链人士透露,材料成本与界面阻抗仍是两大瓶颈,但设备端和工艺端的进步正在压缩试错周期。需要冷静看待的是,全固态电池的大规模量产仍需时间,短期内更现实的路径是半固态先行、逐步提升能量密度。对投资者和消费者而言,分辨“中试进展”与“量产交付”之间的差距,比追逐概念更重要。

空间计算的回温同样值得关注。新一代头显在重量、续航和透视延迟上做了针对性优化,加之办公协作、工业巡检等B端场景开始形成付费闭环,行业叙事正从“娱乐尝鲜”转向“效率工具”。不过,内容生态不足和佩戴舒适度仍是普及门槛,短期内难以出现爆发式增长,更可能呈现渐进式渗透。综合来看,这轮“高能来袭”的技术浪潮具备真实的产业基础,但节奏分化明显:AI终端最快落地,固态电池处于验证爬坡期,空间计算则需耐心培育。对普通用户来说,理性看待发布会上的参数与承诺,关注实际体验与售后保障;对产业参与者而言,抓住窗口期的同时守住现金流与研发节奏,才是穿越周期的关键。

“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。

美光HBM专家:AI算力提速快于HBM 内存墙问题持续加剧

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。,

高能来袭!2025年硬核科技新品集中爆发,三大赛道迎来拐点

“高能来袭”正在成为2025年科技圈的高频词。进入下半年,从消费电子到能源材料,多个赛道几乎在同一时间窗口密集释放新品与技术进展:AI终端从概念演示走向量产铺货,固态电池中试线陆续跑通,空间计算设备则借轻量化和生态补全重新回到聚光灯下。与以往单点式创新不同,这一轮“高能来袭”更像是一次产业链协同的集中兑现,上游材料、中游制造与下游应用同时出现可验证的推进信号。

先看AI终端。过去一年,端侧大模型更多停留在参数竞赛层面,而近期的变化在于算力调度与内存带宽方案的成熟。多家芯片厂商推出面向手机、PC和可穿戴设备的低功耗NPU方案,配合操作系统层面的模型压缩与异构调度,让离线翻译、实时摘要、图像生成等功能真正具备可用性。渠道端反馈显示,主打AI能力的旗舰机型换机意愿明显高于常规迭代产品,部分厂商已上调全年出货预期。业内普遍认为,AI终端的关键不再是“能不能跑模型”,而是“能否形成高频使用场景”,这也是接下来竞争的分水岭。

固态电池则是另一条“高能来袭”的主线。与早期停留在实验室数据不同,当前半固态电池已进入装车验证阶段,硫化物、氧化物等多条技术路线并行推进。产业链人士透露,材料成本与界面阻抗仍是两大瓶颈,但设备端和工艺端的进步正在压缩试错周期。需要冷静看待的是,全固态电池的大规模量产仍需时间,短期内更现实的路径是半固态先行、逐步提升能量密度。对投资者和消费者而言,分辨“中试进展”与“量产交付”之间的差距,比追逐概念更重要。

空间计算的回温同样值得关注。新一代头显在重量、续航和透视延迟上做了针对性优化,加之办公协作、工业巡检等B端场景开始形成付费闭环,行业叙事正从“娱乐尝鲜”转向“效率工具”。不过,内容生态不足和佩戴舒适度仍是普及门槛,短期内难以出现爆发式增长,更可能呈现渐进式渗透。综合来看,这轮“高能来袭”的技术浪潮具备真实的产业基础,但节奏分化明显:AI终端最快落地,固态电池处于验证爬坡期,空间计算则需耐心培育。对普通用户来说,理性看待发布会上的参数与承诺,关注实际体验与售后保障;对产业参与者而言,抓住窗口期的同时守住现金流与研发节奏,才是穿越周期的关键。

“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。

作为综合性视频内容平台,持续收录全网热门资源与精选视频合集。系统支持多终端同步播放,保证用户在不同设备上均可获得一致体验。。

高能来袭!2025年硬核科技新品集中爆发,三大赛道迎来拐点

“高能来袭”正在成为2025年科技圈的高频词。进入下半年,从消费电子到能源材料,多个赛道几乎在同一时间窗口密集释放新品与技术进展:AI终端从概念演示走向量产铺货,固态电池中试线陆续跑通,空间计算设备则借轻量化和生态补全重新回到聚光灯下。与以往单点式创新不同,这一轮“高能来袭”更像是一次产业链协同的集中兑现,上游材料、中游制造与下游应用同时出现可验证的推进信号。

先看AI终端。过去一年,端侧大模型更多停留在参数竞赛层面,而近期的变化在于算力调度与内存带宽方案的成熟。多家芯片厂商推出面向手机、PC和可穿戴设备的低功耗NPU方案,配合操作系统层面的模型压缩与异构调度,让离线翻译、实时摘要、图像生成等功能真正具备可用性。渠道端反馈显示,主打AI能力的旗舰机型换机意愿明显高于常规迭代产品,部分厂商已上调全年出货预期。业内普遍认为,AI终端的关键不再是“能不能跑模型”,而是“能否形成高频使用场景”,这也是接下来竞争的分水岭。

固态电池则是另一条“高能来袭”的主线。与早期停留在实验室数据不同,当前半固态电池已进入装车验证阶段,硫化物、氧化物等多条技术路线并行推进。产业链人士透露,材料成本与界面阻抗仍是两大瓶颈,但设备端和工艺端的进步正在压缩试错周期。需要冷静看待的是,全固态电池的大规模量产仍需时间,短期内更现实的路径是半固态先行、逐步提升能量密度。对投资者和消费者而言,分辨“中试进展”与“量产交付”之间的差距,比追逐概念更重要。

空间计算的回温同样值得关注。新一代头显在重量、续航和透视延迟上做了针对性优化,加之办公协作、工业巡检等B端场景开始形成付费闭环,行业叙事正从“娱乐尝鲜”转向“效率工具”。不过,内容生态不足和佩戴舒适度仍是普及门槛,短期内难以出现爆发式增长,更可能呈现渐进式渗透。综合来看,这轮“高能来袭”的技术浪潮具备真实的产业基础,但节奏分化明显:AI终端最快落地,固态电池处于验证爬坡期,空间计算则需耐心培育。对普通用户来说,理性看待发布会上的参数与承诺,关注实际体验与售后保障;对产业参与者而言,抓住窗口期的同时守住现金流与研发节奏,才是穿越周期的关键。

友情链接

“高能来袭”正在成为2025年科技圈的高频词。进入下半年,从消费电子到能源材料,多个赛道几乎在同一时间窗口密集释放新品与技术进展:AI终端从概念演示走向量产铺货,固态电池中试线陆续跑通,空间计算设备则借轻量化和生态补全重新回到聚光灯下。与以往单点式创新不同,这一轮“高能来袭”更像是一次产业链协同的集中兑现,上游材料、中游制造与下游应用同时出现可验证的推进信号。

先看AI终端。过去一年,端侧大模型更多停留在参数竞赛层面,而近期的变化在于算力调度与内存带宽方案的成熟。多家芯片厂商推出面向手机、PC和可穿戴设备的低功耗NPU方案,配合操作系统层面的模型压缩与异构调度,让离线翻译、实时摘要、图像生成等功能真正具备可用性。渠道端反馈显示,主打AI能力的旗舰机型换机意愿明显高于常规迭代产品,部分厂商已上调全年出货预期。业内普遍认为,AI终端的关键不再是“能不能跑模型”,而是“能否形成高频使用场景”,这也是接下来竞争的分水岭。

固态电池则是另一条“高能来袭”的主线。与早期停留在实验室数据不同,当前半固态电池已进入装车验证阶段,硫化物、氧化物等多条技术路线并行推进。产业链人士透露,材料成本与界面阻抗仍是两大瓶颈,但设备端和工艺端的进步正在压缩试错周期。需要冷静看待的是,全固态电池的大规模量产仍需时间,短期内更现实的路径是半固态先行、逐步提升能量密度。对投资者和消费者而言,分辨“中试进展”与“量产交付”之间的差距,比追逐概念更重要。

空间计算的回温同样值得关注。新一代头显在重量、续航和透视延迟上做了针对性优化,加之办公协作、工业巡检等B端场景开始形成付费闭环,行业叙事正从“娱乐尝鲜”转向“效率工具”。不过,内容生态不足和佩戴舒适度仍是普及门槛,短期内难以出现爆发式增长,更可能呈现渐进式渗透。综合来看,这轮“高能来袭”的技术浪潮具备真实的产业基础,但节奏分化明显:AI终端最快落地,固态电池处于验证爬坡期,空间计算则需耐心培育。对普通用户来说,理性看待发布会上的参数与承诺,关注实际体验与售后保障;对产业参与者而言,抓住窗口期的同时守住现金流与研发节奏,才是穿越周期的关键。