SRAM能否取代HBM？英伟达澄清技术路径，强调架构灵活性为核心

    人工智能的迅猛发展正深刻重塑芯片底层架构，其中存储器作为连接计算单元与数据的关键桥梁，其技术路线选择直接决定了AI系统的性能边界。近期，英伟达战略性收购AI推理新秀Groq，使得静态随机存取存储器（SRAM）这一传统上仅用于高速缓存的存储介质，首次被大规模应用于主内存角色，引发业界对“SRAM是否会取代高带宽存储器（HBM）”的广泛热议。在CES 2026大会上，英伟达首席执行官黄仁勋对此作出明确回应：“如果一切都能装进SRAM，那确实不需要HBM，然而……”这一未尽之言精准揭示了当前AI硬件发展的核心现实——不同应用场景对存储性能的需求存在根本性差异，单一技术无法通吃全局。SRAM凭借纳秒级访问速度与确定性响应，在实时推理场景中展现出颠覆性潜力；而HBM则依靠大容量与超高带宽，牢牢占据AI训练市场的主导地位。两者并非替代关系，而是互补共存，共同支撑AI全生命周期的算力需求。  

具体而言，SRAM是目前速度最快的存储介质之一，其工作原理无需像动态随机存取存储器（DRAM）那样定期刷新电荷，因此数据稳定性极高，访问延迟通常仅为1纳秒左右，比HBM/DRAM的100纳秒快出一个数量级。Groq的LPU架构正是基于这一物理特性，彻底摒弃了传统图形处理器对HBM的依赖，转而采用数百MB的片上SRAM直接存放模型权重，实现高达80TB/s的片内带宽。这种设计在单请求（Batch=1）的实时推理场景中优势极为显著——例如在阿贡国家实验室的托卡马克核聚变反应堆预测任务中，Groq芯片能在0.6毫秒内完成19.3万次推理，性能较英伟达A100高出600倍以上，充分展示了传统GPU架构难以企及的实时精准能力。然而，SRAM的致命短板在于面积大、成本高且制程缩放严重受限。在台积电从5纳米推进至3nm的过程中，逻辑计算单元面积缩小约1.6倍，而SRAM单元面积仅减少约5%，导致芯片中SRAM所占比例不断攀升，制造成本急剧增加。因此，即便技术上可行，将一个千亿参数的大模型全部驻留于SRAM中，可能需要数百甚至上千颗Groq芯片，其能耗与总拥有成本将变得极其惊人。黄仁勋强调，英伟达收购Groq并非意味着全面转向SRAM路线，而是为了补齐“极低延迟、高确定性推理”的技术空白，构建更灵活的异构计算生态。他指出，数据中心的核心限制是电力而非物理空间，针对单一工作负载的极致优化若仅适用于10%的任务，反而会造成其余90%电力资源的浪费。因此，最佳策略是通过CPX等新技术，在NVLink、HBM、计算单元之间动态调配资源，实现整体能效与总拥有成本的最优化。正如他所言：“灵活性才是解决之道。”