AITOP
精选
过去 24 小时，从 1009 条中筛出 58 条
全部模型产品行业论文技巧
标签：AI内存×
6月11日
15:28
15:23
15:07
6月8日
07:48
07:48IT之家（博客/媒体）
精选
英伟达与SK海力士宣布多年期技术合作，共同研发面向AI工厂的下一代内存。SK海力士将为英伟达的Vera Rubin AI超级计算机、Vera CPU、RTX Spark PC及Jetson Thor机器人平台定制专用内存，并进入AI基础设施、个人AI及物理AI新市场。合作还包括SK海力士采用英伟达CUDA-X库、PhysicsNeMo框架加速芯片仿真，以及利用Omniverse和cuOpt构建晶圆厂数字孪生。该协议旨在满足高端内存延长开发周期的需求，确保内存供应跟上英伟达的AI基础设施路线图。
行业英伟达SK海力士AI内存AI基础设施芯片制造
推荐理由：AI基础设施的瓶颈之一就是内存，英伟达和SK海力士联手定制专用内存，做AI训练和推理的团队可以关注——这直接关系到下一代超级计算机和机器人平台的性能上限。
原文
6月2日
16:54
16:54rohanpaul_ai@rohanpaul_ai
精选
SK hynix 表示，AI 内存需求巨大，计划在 5 年内将晶圆产能翻倍，但供应紧张预计将持续到 2030 年。晶圆是制造内存芯片的硅基板，翻倍产能意味着扩大物理产出基础，而非仅提高现有产线利用率。AI 供应受限于内存制造的物理节奏，如晶圆、封装、良率和供应协议，其速度远慢于 GPU 路线图。压力主要来自 HBM（高带宽内存），这种堆叠内存用于英伟达 GPU，扩展困难，需要先进 DRAM、堆叠、封装、测试及与 GPU 设计方的紧密协作。SK hynix 正与英伟达和台积电合作开发 HBM4 基础芯片。全球内存市场中，DRAM 前三强（三星、SK hynix、美光）控制约 90% 营收，SK hynix 在 HBM 领域以 58% 份额领先。
行业HBMSK hynixAI内存晶圆产能英伟达
推荐理由：AI 芯片性能越来越受内存瓶颈限制，做 AI 基础设施或芯片投资的团队需要理解 HBM 的产能节奏——SK hynix 的扩产计划直接关系到 GPU 供应和成本，值得关注。
原文
6月1日
00:09
5月29日
08:02
AITOP5月29日 08:02
Opus 4.8发布：编程助手的“静默时刻”，是解放开发者，还是新门槛？🔥Anthropic 把 AI 编程的“确认键”彻底删掉了！Claude Code 搭载全新 Opus 4.8 模型，长时间任务不跑偏、不废话、不中断，像一个资深工程师一样默默干活，从功能开发到漏洞清扫全包圆，你在旁边喝茶等结果就行。过去 AI 写代码三步一问“这样可以吗”，现在它直接交完整交付物……自主编程的最后一层窗户纸，被捅破了。做自动化开发和代码审查的团队，这个模型建议直接上手，效率差距肉眼可见……Opus 4.8发布：编程助手的“静默时刻”，是解放开发者，还是新门槛？
5月22日
14:13
14:13IT之家（博客/媒体）
精选72°
英特尔联合力积电（PSMC）和软银旗下SAIMEMORY，将在VLSI 2026会议上展示一种新型3D DRAM堆叠方案Via-in-One TSV。该架构通过多晶圆后通孔和超薄硅基底等技术，实现了约0.25 Tb/s/mm²的带宽和低于0.35 W/mm²的数据传输功耗，同时将数据移动能耗降至0.7 pJ/bit以下。完整9层DRAM堆叠已完成功能验证，工作电压范围0.95V-1.2V，并通过可靠性测试。这一突破有望解决AI训练和推理中带宽与功耗的平衡难题。
AI产品英特尔DRAM堆叠AI内存高带宽低功耗
推荐理由：AI训练和推理团队长期受困于显存带宽与功耗的拉扯，英特尔的9层堆叠方案直接给出0.25 Tb/s/mm²带宽和0.35 W/mm²功耗的硬指标，做高性能计算或AI芯片的开发者值得关注这一技术路线。
原文