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

注：SRAM 全稱為 Static Random Access Memory，直譯為靜態隨機存取存儲器，是高速小容量的靜態緩存，基于觸發器，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 是系統級高帶寬內存，共同服務 AI 算力需求。

AI 行業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重模型的興起，業界出現了一種聲音，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，展現出了誘人的性能優勢，甚至被視為 HBM 的潛在替代者。

黃仁勛并未否認 SRAM 的速度優勢。他直言：“對于某些特定工作負載，SRAM 快得驚人。”然而，一旦進入生產級 AI 系統，SRAM 的優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代模型的需求，其可容納的模型規模僅為 HBM 系統的百分之一。在模型因上下文增加或功能擴展而溢出 SRAM 時，系統被迫調用外部內存，導致效率優勢瞬間消失。

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

這些架構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）過度優化，一旦工作負載發生變化，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，在共享數據中心中，靈活性是決定經濟效益的關鍵。即使某種專用硬件在 5%-10% 的任務中表現極致，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，確保硬件在數周甚至數月的運營周期內保持高利用率。

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，其內存占用同樣會激增。

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，也保護自身硬件免受模型架構快速迭代的沖擊。