Cerebras AI 專用晶片捨棄 HBM！記憶體市場要洗牌了嗎？【科學關鍵字EP2】
外来客 • 2026-08-16 00:38:52
声明：本文为对公开视频内容的摘要整理，
未经本站独立核实，可能与原视频存在出入，不代表本站立场、观点或建议；
观点与版权归原作者及原平台所有。
如涉及版权问题，请联系我们，核实后立即删除。
[ 免责声明 ]
🧠 核心观点
- Cerebras 的晶圆级引擎（WSE）因架构特性放弃 HBM，转而采用 SRAM 以获取极致带宽。
- HBM 凭借速度、容量与成本的平衡，仍是当前大型 AI 模型的主流选择。
- 内存带宽增长滞后于算力增长，形成“内存墙”，HBM 通过 3D 堆叠和短距离传输突破瓶颈。
- 手机市场因功耗与成本限制，继续采用 LPDDR 而非 HBM。
📊 关键事实与论据
- WSE 架构：在 12 英寸晶圆中央约 21.5 厘米见方区域制作单颗巨型芯片，通过金属导线跨越切割道连接电路。
- SRAM 优势：使用晶体管存储，无需充放电，存取时间 1-10 纳秒；WSE 总带宽达 21 PB/s，远超 HBM。
- SRAM 劣势：存储 1 位需 4-12 颗晶体管，密度低；12 英寸晶圆仅约 44 GB，需外接 MemoryX 装置。
- HBM 结构：DRAM 颗粒垂直堆叠，通过硅穿孔（TSV）连接；单颗数据线宽 1024 条，HBM4 达 2048 条。
- DRAM 极限：电容缩小导致电荷易丢失，需改为高细柱状结构；堆叠层数受良率、散热限制，主流 12 层，正推 16 层。
- LPDDR 特性：降低工作电压，优化刷新机制，采用 POP 封装紧贴处理器，适合低功耗场景。
💡 结论
- HBM 在短期内难以被取代，因其处于性能与成本的“甜蜜点”。
- AI 竞争焦点正从算力转向内存带宽与容量。
- 不同应用场景（AI 服务器 vs 移动设备）对内存技术的选择存在显著差异。
👤 同一博主
🧭 类似博主
0 条评论
发表评论
请先 登录 后参与讨论。