公众号记得加星标⭐️，第一时间看推送不会错过。 来 源： 内容 编译自 chosun 。 英伟达首席执行官黄仁勋8日表示，他收到了来自三星电子和SK海力士的尖端内存样品。 三雄争霸HBM4 SK 海力士、美光科技和三星电子正在激烈竞争，以期主导 HBM4 市场，该市场估计价值 1000 亿美 元（141 万亿韩元）。 英伟达首席执行官黄仁勋8日在台积电（TSMC）主办的活动上表示："SK海力士、三星电子和美光 这三家都是优秀的内存制造商，他们都已大幅扩充产能以支持英伟达。"他还补充道："我们收到了这 三家公司提供的尖端内存样品。" 针对内存供应可能紧张的担忧，CEO黄仁勋表示："公司业务增长非常强劲，各个机构领域都可能出 现短缺。"他还表示，内存价格可能会上涨，具体取决于公司的运营情况。 在本次活动中，英伟达首席执行官黄仁勋表示，市场对英伟达最新人工智能（AI）芯片Blackwell的 需求"非常强劲"，并且"台积电的晶圆需求也在显著增长"。他还表示，英伟达生产的Blackwell相关 芯片不仅用于图形处理器（GPU），还用于中央处理器（CPU）、网络设备和交换机（高速网络设 备）。 与此同时，台积电CEO魏 ...

HBM技术路线图 - 到2029年HBM5商业化时冷却技术将成为HBM市场竞争的主要因素[1] - 2025至2040年技术路线图涵盖HBM4至HBM8涉及架构、冷却方法、TSV密度等关键技术[1] - HBM4基础芯片将承担GPU部分工作负载导致温度升高使冷却技术变得重要[1] - HBM5采用浸入式冷却基片和封装浸入冷却液目前液体冷却方法存在局限性[1] - HBM4液体冷却剂注入封装顶部散热器[1] HBM技术演进 - HBM7需要嵌入式冷却系统将冷却液注入DRAM芯片之间为此添加流体TSV[2] - HBM7将与高带宽闪存(HBF)等架构结合NAND以3D方式堆叠[2] - HBM8将HBM直接安装在GPU顶部[2] - 从HBM6开始引入玻璃和硅的混合中介层键合是决定HBM性能的另一主要因素[2] HBM技术参数 - HBM4(2026)数据速率8Gbps I/O数2048带宽2TB/s容量36/48GB功耗75W[3] - HBM5(2029)数据速率8Gbps I/O数4096带宽4TB/s容量80GB功耗100W[3] - HBM6(2032)数据速率16Gbps I/O数4096带宽8TB/s容量96/120GB功耗120W[3] - HBM7(2035)数据速率24Gbps I/O数8192带宽24TB/s容量160/192GB功耗160W[3] - HBM8(2038)数据速率32Gbps I/O数16384带宽64TB/s容量200/240GB功耗180W[3] HBM架构与特性 - HBM4采用微凸块(MR-MUF)堆叠直接芯片(D2C)液体冷却[3] - HBM5采用浸入式冷却[3] - HBM7采用无凸块铜-铜直接键合嵌入式冷却[3] - HBM架构演进从定制基础芯片到全3D/HBM中心计算架构[3] - 附加特性包括缓存、网络交换机、存储网络控制器等[3]

HBM技术路线图 - 到2029年HBM5商业化时，冷却技术将成为HBM市场竞争的主要因素 [1] - 目前封装是半导体市场霸权决定因素，HBM5将转向冷却技术竞争 [1] - 2025-2040年技术路线图涵盖HBM4至HBM8，涉及架构、冷却方法、TSV密度等关键技术 [1] HBM技术演进 冷却技术 - HBM4采用顶部散热器注入液体冷却剂 [2] - HBM5采用浸入式冷却，基片和封装浸入冷却液 [2] - HBM7需嵌入式冷却系统，冷却液注入DRAM芯片之间，新增流体TSV [2] 架构创新 - HBM4基础芯片承担GPU部分工作负载导致温度升高 [2] - HBM7将结合高带宽闪存(HBF)等新架构，NAND以3D方式堆叠 [2] - HBM8直接把HBM安装在GPU顶部 [2] 键合技术 - 从HBM6开始引入玻璃和硅的混合中介层 [2] - HBM7采用无凸点铜-铜直接键合技术 [3] HBM性能参数 数据传输 - HBM4数据速率8Gbps，HBM8提升至32Gbps [3] - HBM4带宽2TB/s，HBM8达到64TB/s [3] 存储容量 - HBM4单芯片容量24Gb，HBM8提升至80Gb [3] - HBM4堆叠芯片数12/16层，HBM8达20/24层 [3] - HBM4总容量36/48GB，HBM8达200/240GB [3] 功耗 - HBM4功耗75W，HBM8增至180W [3] 技术特性 - HBM4采用微凸点(MR-MUF)堆叠 [3] - HBM5引入I/O接口优化和HBM屏蔽技术 [3] - HBM7采用混合均衡器和生成式AI设计 [3] - HBM8实现双面冷却和边缘扩展堆叠 [3]