廣告
SRAM能取代昂貴的HBM嗎 黃仁勳點出其致命缺陷
出版時間：2026/01/08 14:30
【財經中心╱台北報導】科技媒體Tom's Hardware報導指出，在CES 2026電子展期間的記者會上，輝達執行長黃仁勳回應了「是否可用更便宜的SRAM取代昂貴的HBM 。」
SRAM（Static Random Access Memory，靜態隨機存取記憶體）是高速小容量的靜態快取，使用稱為觸發器的一組晶體管存儲每個數據，因為這種設計，SRAM無需像DRAM那樣一遍又一遍地刷新數據，使得SRAM更快，更穩定，且對於需要快速訪問數據的任務而言，SRAM更加穩定，但是成本較高、密度較低；HBM 是超高頻寬、大容量的3D堆疊式主存（基於DRAM），透過垂直堆疊的高倍率堆疊高頻寬、尺寸是系統級高頻寬記憶體，共同服務AI算力需求。
IT之家指出，AI 產業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，業界出現一種聲音，認為這些低成本方案可以緩解對輝達昂貴零件的依賴。
SRAM容量成長速度跟不上現代模型需求
特別是在基準測試（Benchmark）和受控演示中，SRAM憑藉著極高的存取速度和無延遲特性，展現出效能優勢，甚至被視為HBM的潛在替代者。
報導指出，黃仁勳並未否認SRAM的速度優勢。他直言，「對於某些特定工作負載，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。
他表示，SRAM的容量成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，當模型因上下文增加或功能擴展而溢出SRAM時，系統被迫調用外部記憶體，導致效率優勢瞬間消失。
黃仁勳進一步剖析AI工作負載的不可預測性。現代AI模式形態各異，包含混合專家模式（MOE）、多模態任務、擴散模式及自我迴歸模型等。這些架構對硬體的壓力點截然不同：有的依賴顯示記憶體（VRAM）容量，有的依賴互連頻寬（NVLink），且需求時刻在變，如果硬體針對某一特定模式（如純SRAM）過度最佳化，一旦工作負載發生變化，昂貴的晶片就會閒置。
HBM成本較高但能硬體維持高利用率
基於此，輝達堅持選擇HBM路線，黃仁勳認為，就共享資料中心而言，靈活性是決定經濟效益的關鍵，即使某種專用硬體在5~10%的任務中表現極致，但如果無法處理其餘90%的通用任務，就會造成巨大的資源浪費。
相較之下，HBM方案雖然物料成本更高，但能適應不斷變化的演算法和模型架構，確保硬體在數周甚至數月的營運周期內維持高利用率。
針對「開放模型是否會削弱輝達障礙」的提問，黃仁勳表示，開放並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，其記憶體佔用同樣會激增。
輝達願意承擔高昂的HBM成本和複雜的系統設計，正是為了保留「可選性」（Optionality），既防止客戶被鎖定在狹窄的性能範圍內，也保護自身硬體免受模型架構快速迭代的衝擊。
