近年来，随着人工智能技术的快速发展，AI模型对硬件性能的需求呈现爆炸式增长。
在这一背景下，内存技术成为制约算力提升的关键因素之一。
静态随机存取存储器（SRAM）和高速带宽内存（HBM）作为两种主流技术方案，引发了业界的广泛讨论。
SRAM以其极高的访问速度和低延迟著称，而HBM则凭借大容量和低功耗优势，成为AI芯片的主流配置。
然而，部分行业人士提出，SRAM可能成为HBM的替代方案，以降低AI硬件的成本。
对此，英伟达CEO黄仁勋在CES 2026展会上明确表示，尽管SRAM在某些特定任务中表现优异，但其容量限制使其难以满足现代AI模型的需求。
他指出，SRAM的容量仅能承载当前AI模型需求的1%，而HBM则可适应90%以上的通用任务。
一旦模型规模超出SRAM的承载能力，系统将被迫调用外部内存，导致性能优势荡然无存。
黄仁勋进一步分析称，AI工作负载具有高度不可预测性。
现代AI模型形态多样，包括混合专家模型、多模态任务等，对硬件的需求各不相同。
如果硬件过度优化某一特定模式（如依赖SRAM），在面对多样化任务时可能造成资源浪费。
相比之下，HBM的灵活架构能够适应不断变化的算法需求，确保硬件在长期运营中保持高利用率。
针对开放模型可能削弱英伟达技术壁垒的担忧，黄仁勋回应称，开放模型并不意味着降低硬件要求。
随着模型复杂度的提升，内存占用将进一步增加，HBM的高成本投入仍是确保性能的必要选择。
英伟达通过坚持HBM技术路线，既为客户提供了更广泛的应用场景，也为自身应对技术迭代预留了空间。
黄仁勋的表态不仅澄清了当前存储技术选择的技术逻辑，更揭示了AI硬件发展的深层规律。
在技术快速迭代的时代，保持架构灵活性比追求单一性能指标更为重要。
这一观点对整个AI产业的技术路线选择具有重要指导意义，也为理解未来AI硬件发展趋势提供了新的思考维度。