1 月 8 日消息，科技媒體 Tom's Hardware 今天（1 月 8 日）發(fā)布博文，報道稱在 CES 2026 展會期間的問答環(huán)節(jié)，英偉達首席執(zhí)行官黃仁勛針對“是否用更廉價的 SRAM 取代昂貴的 HBM”這一行業(yè)熱點進行了回應。

注：SRAM 全稱為 Static Random Access Memory，直譯為靜態(tài)隨機存取存儲器，是高速小容量的靜態(tài)緩存，基于觸發(fā)器，速度極快但成本高、密度低；HBM 是超高帶寬、大容量的 3D 堆疊式主存（基于 DRAM），通過垂直堆疊實現(xiàn)超高帶寬，功耗低、容量大，主要用于 AI / GPU，兩者定位不同，SRAM 是片上緩存，HBM 是系統(tǒng)級高帶寬內(nèi)存，共同服務 AI 算力需求。

AI 行業(yè)當前正積極尋找降低成本的途徑。隨著 SRAM 加速器、GDDR 推理方案以及開放權(quán)重模型的興起，業(yè)界出現(xiàn)了一種聲音，認為這些低成本方案可以緩解對英偉達昂貴組件的依賴。

特別是在基準測試（Benchmark）和受控演示中，SRAM 憑借極高的訪問速度和無延遲特性，展現(xiàn)出了誘人的性能優(yōu)勢，甚至被視為 HBM 的潛在替代者。

黃仁勛并未否認 SRAM 的速度優(yōu)勢。他直言：“對于某些特定工作負載，SRAM 快得驚人?！比欢?，一旦進入生產(chǎn)級 AI 系統(tǒng)，SRAM 的優(yōu)勢便會因容量瓶頸而崩塌。

黃仁勛指出，SRAM 的容量增長速度遠跟不上現(xiàn)代模型的需求，其可容納的模型規(guī)模僅為 HBM 系統(tǒng)的百分之一。在模型因上下文增加或功能擴展而溢出 SRAM 時，系統(tǒng)被迫調(diào)用外部內(nèi)存，導致效率優(yōu)勢瞬間消失。

黃仁勛進一步剖析了 AI 工作負載的不可預測性?，F(xiàn)代 AI 模型形態(tài)各異，包含混合專家模型（MOE）、多模態(tài)任務、擴散模型及自回歸模型等。

這些架構(gòu)對硬件的壓力點截然不同：有的依賴顯存容量，有的依賴互連帶寬（NVLink），且需求時刻在變。如果硬件針對某一特定模式（如純 SRAM）過度優(yōu)化，一旦工作負載發(fā)生變化，昂貴的芯片就會閑置。

基于此，英偉達堅持選擇 HBM 路線。黃仁勛認為，在共享數(shù)據(jù)中心中，靈活性是決定經(jīng)濟效益的關(guān)鍵。即使某種專用硬件在 5%-10% 的任務中表現(xiàn)極致，但如果無法處理其余 90% 的通用任務，就會造成巨大的資源浪費。

相比之下，HBM 方案雖然物料成本更高，但能適應不斷變化的算法和模型架構(gòu)，確保硬件在數(shù)周甚至數(shù)月的運營周期內(nèi)保持高利用率。

針對“開放模型是否會削弱英偉達壁壘”的提問，黃仁勛表示，開放并不意味著降低基礎設施要求。隨著開放模型整合更長的上下文和更多模態(tài)，其內(nèi)存占用同樣會激增。

英偉達愿意承擔高昂的 HBM 成本和復雜的系統(tǒng)設計，正是為了保留“可選性”（Optionality），既防止客戶被鎖定在狹窄的性能范圍內(nèi)，也保護自身硬件免受模型架構(gòu)快速迭代的沖擊。