一旦模型溢出SRAM，效率优势就会崩溃，此时系统不是停顿，就是需要外部记忆体，而专用设计 的优势就会消失。这也符合黄仁勋的回应，「如果我把一切都放在SRAM上，当然不需要HBM记 忆体。但问题在于我能放入这些SRAM的模型大小，比起实际需求小约100倍」。 如果您希望可以时常见面，欢迎标星收藏哦~ 英伟达（NVIDIA）执行长黄仁勋近期在CES 2026举办主题演讲，而在CES的问答环节中，当被 问到是否以SRAM（ Static Random Access Memory静态随机存取记忆体）取代HBM时，他则认 为各自有优势。 黄仁勋表示，虽然SRAM、较便宜的记忆体及开放权重模型可提升效率，但AI工作负载的不断变 化现实，使英伟达仍离不开HBM。对某些工作负载来说，SRAM快得惊人，而SRAM存取可避免 即便是最快外部记忆体也存在的延迟问题。 目前SRAM加速器、GDDR推理，以及开放权重模型（ open weight models ），都被提出作为缓 解NVIDIA成本的解决方案，但黄仁勋的回答则显示，这些解方在单一情境下有效，但一旦面对大 规模生产环境的AI系统，就会与现实发生碰撞。 例如，在实际AI生 ...