三星率先发布HBM4E芯片样品，引领AI存储技术
三星电子宣布已开始为客户供应业界领先的12层HBM4E样品，在AI存储芯片领域取得竞争优势。这家韩国科技巨头表示，新推出的48GB容量12层HBM4E相比前代产品性能提升超30%。该公司于今年2月实现HBM4的批量生产，这一进展体现了高带宽内存市场的发展速度。HBM芯片采用多层DRAM垂直堆叠技术，既能大幅提升数据传输效率又能降低能耗，现已成为AI处理器的核心组件。伴随着AI基础设施建设的加速推进，市场对高性能、低功耗存储芯片的需求持续攀升，存储芯片厂商正积极争夺未来AI系统订单。三星率先推出12层HBM
AI领域一周要闻速览：技术革新与产业变革同步推进
近日，人工智能领域迎来多项重要技术突破与产业进展。从大语言模型在长文档处理领域的创新，到AI芯片成本结构的深刻变化，再到金融、医疗等行业的深度应用，AI技术正以多元化姿态重塑各行业发展格局。1. 字节跳动与港科大联合发布MMProLong模型，长文档处理效率突破传统OCR瓶颈字节跳动与香港科技大学近日联合发布了新一代长文档处理大语言模型MMProLong。该模型在训练问答对（QA Pair）的效率上，显著超越了传统的OCR（光学字符识别）转录方法，标志着自然语言处理（NLP）与文档理解领域的一项关键技术突
AI算力背后的内存对决：HBM与DDR的技术博弈
近一年多来，各大存储芯片企业迎来业绩爆发期。国内多家存储企业正加速推进上市进程，本文就此展开探讨。带宽决定效率在人工智能模型训练过程中，计算能力并非唯一限制，数据传输才是核心环节。传统DDR5内存单通道带宽仅为50-100GB/s，而高端HBM3E则可达到1-4.8TB/s，这种量级差异直接决定了GPU能否充分发挥性能。设想若采用DDR5运行大模型，GPU大部分时间将处于等待状态，训练周期可能从数周延长至数月；而采用HBM则能让训练效率接近满载，时间成本大幅缩减。可以说，AI训练本质上是带宽的竞争。定位与