Chips&Media 发布一款数据压缩技术,旨在解决 AI 硬件的一大痛点:数据传输速度跟不上处理器运算需求。这家韩国半导体 IP 供应商推出全新特征图(Feature Map)压缩 IP,标志着公司业务从传统视频领域,拓展至更广阔的多媒体与 AI 基础设施市场。该技术于 10 月 6 日对外公布,处理神经网络运算过程产生的激活值,也就是特征图。这类中间计算结果会在 AI 处理器与外部存储器之间产生巨大的数据流量。即便 NPU(神经网络处理单元)算力很强,如果存储器无法及时供给数据,处理器就会处
SK 海力士在 Hot Chips 2026 大会上的报告阐述了高带宽内存(HBM)如何迭代演进,以满足人工智能极高的内存需求。报告的核心观点是:未来 HBM 技术进步,不仅依赖性能更优异的 DRAM 电路,还离不开先进封装、更高密度的垂直集成、热管理技术升级,以及内存与处理器设计之间更紧密的协同配合。HBM 通过硅通孔(TSV)技术,将多颗 DRAM 裸片垂直堆叠在基底裸片之上。整套内存封装与 GPU 或 AI 加速器共同放置在硅中介层上,依靠数千条并行链路完成数据交互。相较于传统内存,这种宽接口方案能
AI 性能越来越受内存制约,而非算术运算吞吐量。缩放定律表明,当参数量、训练数据与算力同步增长时,模型质量会提升;但如果处理器无法快速获取运算数据,这套平衡就会被打破。当前 AI 加速器的浮点运算能力大约每两年提升 3 倍,而高带宽内存的带宽增速不到 2 倍。二者之间持续拉大的差距催生内存墙:昂贵的计算单元陷入等待,利用率下滑,系统大量能耗消耗在数据搬运,而非执行有效运算。高带宽内存(HBM)依靠架构并行设计与紧密物理集成来解决上述失衡问题。与传统 DDR 双列直插内存模组不同,HBM 将垂直堆叠的 DR
尽管美国CHIPS项目办公室此前已宣布,将关闭对半导体工厂或晶圆厂的联邦资助机会,但对半导体其他细分领域厂商的资助依然持续。当地时间6月26日,半导体材料厂商Entegris宣布,根据《芯片与科学法案》而获得美国政府7500万美元的直接补助。最新消息是,美国政府近日又资助了一家MEMS代工厂商。当地时间7月1日,美国商务部宣布与MEMS代工厂Rogue Valley Microdevices(以下简称“RVM”)达成初步条款,支持其建设新晶圆制造厂。据悉,美国商务部已与RVM签署了一份不具约束力的初步条款