AI算力成本战：SRAM芯片正在挑战英伟达

2026年春天，一家估值超800亿美元的AI公司陷入了前所未有的算力焦虑——它的服务器负载因用户需求激增而濒临崩溃，每年数百亿美元的芯片开支像一块巨石压在利润率上。这家公司没有继续抱紧行业巨头的GPU，反而转头找上了一家成立仅三年、还没量产过芯片的英国初创企业。

这不是一时冲动的冒险。当AI行业终于从「训练大模型的狂欢」转向「跑通推理的盈利」，一场围绕算力成本的暗战已经打响。而这场战争的胜负，可能由一种你从未听过的内存芯片决定——SRAM，静态随机存取存储器。为什么一块小小的内存，能让AI巨头们集体转向？

被GPU卡住的推理命门

你可以把AI模型的运行拆成两个阶段：训练是「教AI做题」，需要海量算力同时运算；推理是「让AI答题」，要根据用户输入逐字生成答案，这过程像你翻书查资料——每写一个字，就得跑回书架找对应的内容。

传统GPU的问题就出在这里。它用的DRAM（动态随机存取存储器）像放在书房另一头的大书架，容量大但离书桌远，每次取资料都要跑老远，不仅慢，还费力气（也就是功耗）。尤其是推理的「答题」阶段，AI要逐字调取模型权重，DRAM的带宽瓶颈会让GPU的算力直接浪费掉70%以上——就像你明明能一秒写10个字，却要花9秒在跑路上。

这就是为什么2025年，多家头部AI公司的推理成本远超预期，毛利率被硬生生啃掉了一大块。OpenAI和Anthropic的财报里，「服务器与芯片开支」成了最刺眼的项目：一台H100 GPU每小时租金2美元，生成100万个token就要烧掉3美元，而用户输入100万个token的成本才0.003美元——输出成本是输入的1000倍。

SRAM：把书架搬到书桌旁

SRAM的出现，相当于把整个书架直接钉在了书桌桌面上。

它的核心结构是6个晶体管组成一个存储单元，不用像DRAM那样靠电容存电、反复刷新，读取速度能达到1纳秒——是DRAM的10到15倍。更关键的是，SRAM可以和计算单元做在同一块芯片上，数据不用再跨芯片传输，带宽能跟着计算单元的数量线性增长。比如NVIDIA最新的Blackwell GPU里，单个计算核心的SRAM缓存带宽能到37.5TB/s，是HBM3e内存带宽的4倍多。

但真实的机制比这个类比更精确：

• SRAM的单位面积容量只有DRAM的1/5到1/6，1平方毫米只能存38Mb数据，而HBM能存200Mb——就像桌面书架的容量永远比不过书房大书架。
• 它不用刷新，也没有DRAM的行激活延迟和银行冲突，带宽利用率能接近理论峰值，在推理的「逐token生成」阶段，能效比能比GPU高3到5倍。

这就是为什么那些初创公司会赌上全部身家做SRAM架构芯片。英国的Fractile宣称，他们的芯片能让推理速度达到GPU的100倍，成本降90%；Groq的LPU芯片靠230MB的SRAM，实现了80TB/s的带宽，比HBM3e快10倍。这些数字不是画饼——当Anthropic的用户因为算力不足被限制高峰使用时，SRAM芯片的低延迟特性，恰恰能解决最让用户抓狂的「卡顿」问题。

供应链的暗战：不只是成本

Anthropic找上Fractile，本质上是在打一场供应链的「去垄断战」。

过去几年，英伟达靠着GPU和CUDA生态占据了AI芯片市场90%以上的份额，黄仁勋甚至敢说「没有我们的芯片，AI公司活不下去」。但当AI公司的年芯片开支达到数百亿美元，没人愿意把命运攥在一家供应商手里。Anthropic早就开始布局：和谷歌签大额芯片订单，能在谷歌云之外使用；和亚马逊签1000亿美元的长期协议，锁定Trainium芯片的算力；现在又找上Fractile——不是要完全替代英伟达，而是要在谈判桌上拿到更多筹码。

这背后还有更现实的供应链安全考量。台积电的先进制程产能已经排到了2027年，三星的罢工、内存芯片的涨价，随时可能让AI公司的算力计划泡汤。而SRAM芯片的另一个优势，是它对先进制程的依赖没那么高——Groq的LPU用的还是14nm工艺，照样能实现超高带宽。这意味着它的供应链更分散，不会被「卡脖子」。

当然，SRAM不是万能药。它的容量瓶颈决定了它只能做推理，做不了训练；而且它需要软件层显式管理数据布局，不像GPU那样能自动缓存——这对AI公司的技术团队又是新的挑战。但在「活下去并盈利」的压力下，这些挑战都成了值得啃的硬骨头。

当我们谈论AI的未来时，总爱说「模型越大越好」，但真正决定AI能不能走进普通人生活的，是「推理的成本能不能降下来」。SRAM芯片的出现，不是要颠覆GPU，而是要补上AI商业化的最后一块拼图——让AI公司不用再为每一个token的输出烧钱，让用户不用再为高峰时段的卡顿买单。

算力的本质，从来不是比谁的芯片更强大，而是比谁能把每一分算力都用在刀刃上。当书架终于搬到了书桌旁，AI的盈利故事，才真正开始。