近日,OpenAI CEO Sam Altman 将社交平台 X 的显示名称短暂更改为“Ram Altman”,引发科技圈热议。这一举动源于他此前在播客中提出的一项争议性观点:个人电脑中的内存(RAM)利用率极低,建议将其集中至云端数据中心统一调度,以提升全球资源分配效率。该言论迅速招致网友批评,认为 AI 企业在抢占 GPU 后又将目光投向了个人用户的内存资源。特斯拉 CEO 马斯克亦发文调侃:“人民也有权拥有自己的 RAM!”并配图恶搞电影《无耻混蛋》。然而,随着美国民主党赢得国会两院多数席位并计划出台严厉 AI 限制法规,包括暂停新建 AI 数据中心及前沿研发,美股科技板块遭遇重创,一夜蒸发 2.8 万亿美元市值,英伟达更是跌入技术性熊市。受此影响,据报道 OpenAI 高层正讨论大幅削减 2027 年数据中心容量预期,降幅可能达 40%。
从“Sam”到“Ram”:算力焦虑下的资源争夺
Altman 的核心逻辑在于提升资源利用率。他指出,个人设备中的 DRAM 仅有约 5% 的时间被使用,若通过云端虚拟化技术进行统一调度,可更高效地服务更多用户。尽管这一理论在技术上具有可行性,但引发了用户对隐私和资源主权的担忧。更有网友戏称,玩家和极客被困在“小内存朋友区”,而 AI 巨头则试图垄断所有计算资源。对 OpenAI 而言,这场争论背后是更深层的战略布局。随着模型训练、推理及 Agent 服务的扩张,单纯依赖外部采购已难以掌控成本与供应节奏。因此,OpenAI 正从模型研发向底层基础设施延伸,包括与博通合作开发定制化 AI 加速器,以及联合软银、甲骨文启动规模达 5000 亿美元的“Stargate”项目,旨在构建包含芯片、数据中心、能源在内的完整算力体系。在这一体系中,内存带宽与容量成为关键瓶颈。GPU 决定计算速度,而内存决定数据供给效率。任何环节的资源短缺都将制约 AI 基础设施的发展。
内存争夺战:从 GPU 到 HBM
随着大模型应用从训练转向大规模推理,尤其是长上下文和 Agent 技术的兴起,内存的重要性日益凸显。韩国科学技术院教授金正浩指出,AI 的瓶颈不仅在于 GPU,更在于数据在处理器与内存间的流动效率。高带宽内存(HBM)因此成为 AI 芯片的核心组件。三星、SK 海力士和美光等巨头正加速调整产能以满足需求。与此同时,微软、亚马逊、谷歌和 Meta 等科技巨头也在大幅增加资本开支,预计 2026 年合计投入将超 7300 亿美元,用于数据中心、定制芯片及能源基础设施建设。这一趋势导致半导体供应链资源重新分配。企业一边精简人力以降低成本,一边将数百亿美元投向硬件设施。谁能率先占据足够的内存、能源及数据中心资源,谁就能在 AI 竞争中占据主动。
普通消费者为何为 AI 买单?
AI 巨头与普通用户对内存的认知存在巨大差异。对企业而言,内存是需集中管理以提高效率的生产资料;而对消费者来说,大容量内存意味着流畅的游戏体验、高效的视频剪辑和本地模型运行能力。然而,AI 基础设施的扩张正在推高硬件成本。Gartner 预测,2026 年底 DRAM 和 SSD 价格较 2025 年将上涨 130%,导致 PC 和智能手机平均售价分别上涨 17% 和 13%。这意味着,同等预算下,消费者能买到的内存容量大幅缩水。厂商在推广“AI PC”和“AI 手机”的同时,也提高了本地化人工智能的硬件门槛。虽然云端服务用户无需升级本地硬件,但对于有本地运行模型或高强度创作需求的用户而言,大容量内存变得愈发重要且昂贵。这符合经济学中的“生产力 J 曲线”理论:新技术在普及初期,往往需要先投入大量基础设施和配套资源,收益滞后于成本。目前,普通消费者虽未直接享受 AI 带来的红利,却已开始承受硬件涨价和技术升级门槛提高的成本。AI 技术的长期价值值得期待,但在当前阶段,技术革命带来的收益与成本分配尚不均衡。消费者在期待更优质生活体验的同时,也不得不面对更昂贵的硬件支出和更高的使用门槛。
【声明】内容源于网络
0
0
APPSO
AI第一新媒体,「超级个体」的灵感指南。 #AIGC #智能设备 #独特应用 #Generative Al
内容 15957
粉丝 0
APPSO
AI第一新媒体,「超级个体」的灵感指南。 #AIGC #智能设备 #独特应用 #Generative Al