Главният изпълнителен директор на Nvidia Дженсен Хуанг обясни защо SRAM няма да замени високоскоростната HBM памет в системите за изкуствен интелект. По време на сесия с въпроси и отговори на изложението CES 2026 в Лас Вегас, САЩ, той отговори на спекулациите, че компанията може да се откаже от скъпата HBM в полза на по-евтина компонентна база.

Както пише изданието Tom’s Hardware, Хуанг изложи тезата, че ключовото изискване към хардуера за изкуствен интелект не е тясната специализация, а гъвкавостта, която осигурява именно HBM паметта. Основният му аргумент се основава на нестабилния и постоянно променящ се характер на работните натоварвания с изкуствен интелект. Моделите се развиват бързо, въвеждат се нови архитектури и методи, което прави оптимизирането на хардуера за една конкретна задача неефективно в дългосрочен план. Макар Хуанг да признава, че решенията, ориентирани към SRAM, могат да покажат невероятна скорост в определени сценарии и да избегнат латентността, присъща на външната памет, те се сблъскват със сериозни ограничения на капацитета при мащабиране. В контролирани тестове тези ускорители изглеждат привлекателни, но в реални приложения те не могат да осигурят баланса между широчина на честотната лента и плътността, както HBM.

Главният изпълнителен директор на Nvidia засегна и темата за отворените AI модели, чието разпространение се очаква да намали зависимостта от скъпите графични процесори. Той призна тяхната стойност, но подчерта, че отвореността на архитектурата не премахва инфраструктурните ограничения. Обучението и поддръжката на днешните модели, независимо от лиценза, все още изискват огромни изчислителни ресурси и големи количества памет. Освен това еволюцията на отворените модели с увеличаване на контекстуалните прозорци и добавянето на мултимодалност само увеличава нуждата от високопроизводителна и гъвкава памет каквато е HBM.

По този начин позицията на Nvidia е, че разнообразието и постоянната променливост на работните натоварвания с изкуствен интелект правят гъвкавостта и адаптивността ключови икономически фактори. Специализираните ускорители за конкретни задачи могат да се представят впечатляващо в бенчмарковете, но рискуват да остареят в бързо променящия се AI пейзаж. Компанията е готова да толерира високата цена на HBM и сложността на системите, защото това запазва способността за адаптиране към нови архитектури на моделите и сценарии на внедряване. Според Дженсън Хуанг все още не е настъпил моментът, в който моделите се стабилизират дотолкова, че да направят специализираните решения по-изгодни от гъвкавите платформи.