韩国科学技术院(KAIST)及其太字节互连与封装实验室(Tera)研究团队发布了未来四代高带宽内存(HBM)技术发展路线图,预计最高可达64 TBps带宽和24层堆叠结构,比HBM4性能提升50%。
目前最新的HBM4代产品带宽可达2 TBps,最大支持16层DRAM芯片堆叠,容量达64 GB。HBM标准由JEDEC(联合电子设备工程委员会)发布,首个HBM标准(JESD235)于2013年发布,随后的HBM2、HBM2E、HBM3和HBM3E版本在带宽、容量和效率方面不断改进。
在散热技术方面,HBM3和HBM4采用强制风冷(散热片/风扇)或强制水冷(D2C直接芯片冷却)技术。2029年推出的HBM5将采用浸没式冷却,而HBM7和HBM8将使用嵌入式冷却技术,将散热机制直接集成到芯片内部或芯片附近。
在封装技术上,HBM4和HBM5将使用微凸点(MR-MUF)芯片堆叠技术,HBM6至HBM8则采用无凸点铜对铜直接键合技术,以实现更高密度、更好性能和信号完整性。
英伟达的Feynman(F400)加速器计划采用HBM5技术,整个GPU的HBM5容量将达到400-500 GB,预计2028/2029年发布。
2032年的HBM6将采用主动/混合(硅+玻璃)中介层技术,最大堆叠层数从HBM5的16层增至20层,单堆容量可达96-120 GB。
2035年的HBM7将支持最高24层堆叠,容量达160-192 GB,带宽24 TBps,是HBM6的三倍。2038年的HBM8同样支持24层堆叠,带宽提升至64 TBps,容量增至200-240 GB。
HBM8可能采用双面中介层设计,一面安装HBM,另一面可安装HBM、LPDDR内存或HBF(高带宽闪存)。HBF结合了HBM的高带宽特性和3D NAND的大容量优势。其中HBM芯片容量240 GB,LPDDR芯片480 GB,HBF芯片可达1024 GB。
需要注意的是,这只是技术发展路线图,时间越久远确定性越低。最终技术细节还需等待JEDEC发布正式规范后才能确认。
好文章,需要你的鼓励
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
据报道,ServiceNow正与身份管理平台初创公司Veza进行深度收购谈判,交易金额可能超过10亿美元。Veza的平台帮助企业保护员工工作账户安全,识别未使用账户和权限过度的账户,还能检测违反职责分离政策的账户。该平台还可管理机器身份和应用程序集成。此次收购将补强ServiceNow在用户账户和机器身份管理方面的功能短板。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。