近两年AI产业爆发式增长，作为高端AI晶片的「黄金搭档」，HBM高带宽内存一直是产业最抢手的硬件资源，三星、SK海力士等厂商长期垄断市场，几乎成为高端AI算力的刚性标配。

但近期美国晶片巨头Cerebras抛出了一个颠覆业界认知的操作，自家研发的全球最大晶圆级AI晶片，直接彻底舍弃了行业通用的HBM技术，不靠顶级外挂内存，依然实现了超强算力输出。

这一反常操作瞬间引发业界热议，难道长期垄断AI高端市场的HBM要被取代？AI内存市场即将迎来全新洗牌？

颠覆传统！Cerebras晶圆级晶片的另类设计

想要看懂这场技术变革，首先要搞懂Cerebras这颗晶片的核心独特之处，它从根本上跳出了传统AI晶片的制造逻辑。

业界常规的晶片生产模式，是利用曝光机光罩在整片硅晶圆上，批量刻出数百颗小型独立晶片，区块之间预留切割道，完工后直接切割封装，每一颗都是独立运行的算力单元。

而Cerebras的WSE晶圆级引擎晶片完全反其道而行，它舍弃了切割工序，直接将一整片12寸硅晶圆的核心正方形区域，打造为单一完整的巨型晶片，整块21.5公分见方的区域连为一体。

为了实现整片晶圆通联，工程师特意在原本的切割道上铺设数万条金属导线，把原本独立的晶片区块牢牢串联，形成一块拥有完整算力的超大型晶片。

最新一代WSE-3晶片更是搭载4万亿晶体管、90万个AI运算核心，硬件规格远超传统GPU晶片。

也正是这种独一无二的整片晶圆架构，让Cerebras不得不主动放弃行业主流的HBM内存，这并非技术短板，而是架构适配下的必然选择。

为何弃用HBM？架构冲突带来的技术取舍

大众熟知的HBM，本质是独立的立体堆叠DRAM内存晶片，依靠电容存储数据，制程工艺和逻辑运算晶片差异极大，无法与算力晶片整合生产。

业界通用的做法，是将HBM单独制造后，通过硅中介层贴合在GPU旁边，依靠外挂形式实现高速数据传输。

这种模式对于体积小巧的传统GPU、AI晶片完全适用，但放在巨型晶圆级晶片上就会出现致命问题。

Cerebras的整片晶圆体积庞大，如果搭配HBM使用，独立的内存晶片只能安装在晶圆外部，数据传输路径会大幅拉长，不仅会剧烈增加数据延迟，还会大幅提升封装与生产成本，彻底抵消晶圆级晶片的算力优势。

为了解决这一难题，Cerebras选择了釜底抽薪的解决方案，彻底抛弃外挂HBM，改用可与逻辑晶片兼容的SRAM内存。

不同于依赖电容充放电存数据的DRAM，SRAM依靠晶体管开关状态存储信息，无需频繁充放电，读取速度仅需1至数纳秒，比DRAM快一个数量级。

更关键的是，SRAM可以直接集成在运算核心旁边，嵌入同一块晶圆内，实现数据零距离传输。

这种设计带来了极致的带宽表现，WSE系列晶片的片上内存总带宽高达每秒21PB，比顶级HBM的传输速度高出数个数量级，完美解决了AI运算中数据搬运速度跟不上算力速度的行业痛点，成功突破困扰业界多年的「内存墙」困境。

SRAM完美无敌？致命短板注定无法全面替代HBM

看到这里很多人会疑惑，既然SRAM速度碾压HBM，为什么整个AI行业没有全面更换，反而依旧疯抢HBM？

核心原因就在于SRAM存在两个绕不开的致命短板，体积与存储密度的先天劣势，直接限制了它的适用场景。

从硬件原理来看，DRAM仅需1颗晶体管加1个小电容，就能存储1位数据，结构精简、体积小巧。

而SRAM存储同样1位数据，需要4至12颗晶体管配合工作，晶片面积占用极大，这也导致其存储密度远远落后于DRAM。

数据显示，同样面积的晶片，DRAM存储密度是SRAM的5倍以上，而通过多层堆叠技术的HBM，整体存储容量更是SRAM的80倍左右。

即便Cerebras全力优化架构，12寸晶圆满载集成SRAM，最终仅能实现44GB片上存储，这样的容量应对小型模型、轻量推理场景绰绰有余，但面对当下参数动辄万亿级的超大AI模型，完全无法满足存储需求。

对此Cerebras官方也坦然认可，针对超大模型运算场景，WSE晶片必须外接自研MemoryX设备，依靠传统DRAM与闪存扩容，才能完成完整运算任务。

除此之外，SRAM的制造成本极高，大面积集成工艺复杂、良率偏低，量产性价比远不如成熟的HBM方案。

速度拉满、容量不足、成本偏高，这就是Cerebras舍弃HBM改用SRAM的核心取舍，也是SRAM始终无法大规模替代HBM的关键原因。

简单来说，Cerebras的技术路线是「极致提速、牺牲容量」，适配的是特种超高算力场景，而非通用AI市场，自然撼动不了HBM的主流地位。

HBM并非无解！行业正在遭遇物理天花板

虽然目前HBM依旧是AI行业的主流选择，但这并不代表它的发展毫无瓶颈，当下HBM技术已经逐渐逼近物理极限，行业增长的隐形天花板已经悄然显现。

我们熟知的HBM核心载体是DRAM颗粒，依靠电容充放电存储数据，数十年以来，行业一直通过缩小电容体积、提升集成度的方式，提升HBM的存储容量和性能。

但电容的缩小有绝对的物理边界，体积越小，存储的电荷量就越少，不仅容易出现漏电、数据读取错误的问题，还会受到电路噪声的严重干扰。

为了突破单层DRAM的容量限制，厂商开始采用垂直堆叠工艺，将数十层DRAM像盖楼一样层层叠加，再通过硅穿孔技术打通上下层数据通路，这也是HBM大容量、高带宽的核心秘诀。

不过堆叠工艺同样难题重重，每一层DRAM都需要打磨至50微米的超薄状态，加工难度极大、良品率极低。

而且堆叠层数越多，信号衰减、供电不稳、散热堆积的问题就越突出。目前行业主流HBM堆叠层数为12层，业内攻坚的16层堆叠方案，也面临着成本飙升、良品率下滑的困境，HBM的性能提升之路已经愈发狭窄。

为何手机不用HBM？不同场景的内存最优解

很多人会好奇，既然HBM性能碾压传统内存，为什么高端手机、轻薄本从不搭载HBM，反而坚持使用LPDDR低功耗内存？

核心原因就是不同终端设备的核心需求天差地别，没有万能的内存方案，只有适配场景的最优解。

对于手机、便携设备而言，功耗、散热、体积和成本是首要考量标准。

HBM主打超高带宽和极致算力吞吐，整体功耗、散热压力、封装占用空间极大，即便单比特数据传输能耗更低，但整体系统功耗根本不适合移动设备。

而LPDDR内存专为便携设备优化，通过降压运行、动态刷新、多级睡眠模式等技术大幅降低功耗，同时依托PoP堆叠封装紧贴处理器，缩短数据传输路径，在低功耗的前提下兼顾流畅度和稳定性，完美适配手机的使用场景，这也是移动设备始终无法替代LPDDR、也无需搭载HBM的核心原因。

总结

回到最初的问题，Cerebras舍弃HBM的创新设计，真的会颠覆现有内存市场吗？答案是否定的。

这场技术创新并非替代革命，而是AI算力赛道的细分升级。

HBM凭借速度、容量、成本的均衡优势，牢牢占据通用高端AI算力市场，是大模型训练、商用AI服务器的刚需配置，短期内无可替代。

而Cerebras的SRAM片上集成方案，是针对超高速、低延迟特种算力场景的定制化路线，主打极致运算速度，牺牲了存储容量和性价比，只能服务于小众高端算力场景。

未来的内存市场不会出现全盘洗牌的局面，反而会走向精细化分化：HBM持续深耕通用AI高端市场，不断迭代优化堆叠工艺；SRAM晶圆级方案抢占特种高速算力赛道；LPDDR持续垄断移动便携设备市场。

三种技术各有所长、各司其职，共同撑起AI产业的算力底座，这也是半导体行业技术迭代最真实的规律。