在全球人工智能产业快速发展的背景下，芯片内存技术路线选择成为制约算力提升的关键因素。
近日，英伟达公司首席执行官黄仁勋在CES 2026展会期间，就行业关注的"是否采用SRAM替代HBM"问题作出明确回应，为相关技术讨论提供了重要参考。
当前AI产业面临的核心矛盾在于：一方面，SRAM（静态随机存取存储器）因其极快的访问速度和无延迟特性，在特定场景下展现出显著优势；另一方面，HBM（高带宽存储器）虽然成本较高，但其大容量和3D堆叠架构更适合应对现代AI模型的庞大规模需求。
黄仁勋在分析中指出，SRAM虽然在某些特定工作负载中"快得惊人"，但其物理特性决定了容量增长速度远远落后于AI模型的发展需求。
据统计，SRAM仅能承载现代AI模型需求的1%，而HBM系统则可满足90%以上的通用任务需求。
当模型规模超出SRAM容量时，系统被迫调用外部内存，其速度优势将不复存在。
这一技术选择的深层原因在于AI工作负载的复杂性和不可预测性。
现代AI模型已发展出混合专家模型、多模态任务、扩散模型等多种形态，对硬件资源的需求各不相同且动态变化。
过度优化单一内存架构可能导致硬件资源在多数场景下闲置，造成巨大浪费。
从产业发展影响来看，英伟达坚持HBM技术路线的决策具有多重考量。
首先，在共享数据中心环境中，硬件资源的灵活性和通用性直接关系到经济效益。
其次，随着开放模型整合更长上下文和更多模态，其对内存的需求将持续增长。
第三，保持技术路线的开放性有助于应对AI模型的快速迭代。
业内专家分析认为，这一技术路线选择体现了三个重要判断：其一，AI模型规模的持续扩张是不可逆的趋势；其二，硬件系统必须保持足够的灵活性以适应算法演进；其三，单纯追求局部性能优化可能牺牲整体系统效率。
展望未来，随着AI模型复杂度不断提升，内存技术的创新将成为支撑算力发展的关键。
行业需要在高性能、大容量和成本效益之间寻找平衡点，同时探索新型内存架构的可能性。
英伟达此次表态也为相关产业链的技术研发方向提供了重要参考。
AI产业的竞争正在从单一器件的比拼，走向系统能力与运营效率的较量。
更快的存储并不必然带来更高的生产效率，能否在多任务、多模型、快速变化的现实环境中保持稳定的吞吐与高利用率，才是基础设施投资的核心标尺。
围绕SRAM与HBM的讨论，提醒行业在追求成本下降的同时，更需把握“通用性、可扩展性与可持续回报”的长期逻辑。