一夜变天！奥特曼刚改名「Ram」，芯片股全崩 AI 基建踩刹车

最近，Sam Altman 改名了。

11 月 4 日，OpenAI CEO 在 X 上短暂更换了显示名称，从 Sam Altman 改成了 Ram Altman。

事情的起因是，Altman 此前在一档播客中谈到，普通人的电脑里装着大量 RAM，却只有很少时间真正被使用。从全球资源分配的角度来看，还不如把这些内存集中到云端数据中心统一调度。

这番话很快引发网友吐槽，AI 公司已经在疯狂抢 GPU，现在连我电脑里的内存也开始惦记了。

马斯克也来凑热闹，发布了一张恶搞电影《无耻混蛋》的图片，并配文「The people deserve to have their RAM too！」（人民也有权拥有自己的 RAM！) 

但笑归笑，更现实的问题是，AI 正在疯狂吞噬算力，而普通消费者可能要为这场争夺战付出更高的硬件成本。

不过昨晚事情迎来了重大反转，民主党赢得美国众议院和参议院多数席位后，正计划出台史上最严格的法规来限制 AI 发展。

其中就包括暂时禁止新建 AI 数据中心，暂停前沿 AI 研发，并且永久禁止超级智能。

消息一出美股直接崩盘，一夜市值蒸发 2.8 万亿美元，科技股更是血流成河，连英伟达也跌进了技术性熊市区域。

奥特曼现在估计顾不上惦记个人电脑里的内存了，据《华尔街日报》报道，

OpenAI 高层已开始讨论下调 2027 年数据中心容量预期，可能会大幅削减 40%。

Sam Altman 怎么成了 Ram Altman

在最近一期播客里，

Altman 提出一个建议，「大量 DRAM 被分散在个人电脑中，却只有约 5%的时间被使用。从资源利用率来看，如果将计算资源集中到云端数据中心，通过统一调度服务更多用户，效率可能更高」。

奥特曼的意思，是云端可以利用虚拟化以及多租户调度来为更多的用户提供 GPU、内存等资源。

不过，网友并不买账，X 用户 @sickdotdev 直接开麦，「既然你认为我浪费了 RAM，那我宁愿拿它搅咖啡，也不想交给 AI 数据中心。」

有人在 Reddit 上调侃：「RAM 和 Sam Altman 单方面谈起了恋爱，而玩家、极客和普通用户还被困在只有8GB的朋友区。」

但对 OpenAI 来说，这番讨论背后还有一个更现实的问题。

随着模型训练、推理和 Agent 服务不断扩张，未来需要的算力只会越来越多。单纯依赖外部供应商采购 GPU 和云服务，很难完全掌握成本、供应和部署节奏。

因此，OpenAI 正在从模型研发向底层基础设施延伸。

2025 年 10 月的时候，OpenAI 和博通就宣布要一起开发一个总容量为 10GigaWatt 的定制化的 AI 加速器和网络系统，并且希望通过把模型推理的需求整合到芯片的设计当中去来提升每瓦特计算能力的产出率。

OpenAI 还和软银、甲骨文等合作伙伴一起开始了 Stargate 项目的建设，并且打算在接下来的四年内投入最多五千亿美金来打造美国的人工智能基础设施。

从芯片到数据中心，OpenAI 想要控制的东西不只包括模型本身，还包括支持模型运行的一整套计算能力体系。

数据中心除了 GPU 之外还必须配备 HBM、服务器 DRAM、高速网络、电源以及制冷设备等。任何一环出现短缺都会影响到整个 AI 基础设施的发展速度。

这也解释了为什么 Altman 会如此关注内存，GPU 再强，如果没有足够的内存带宽和容量，也无法充分发挥性能。

内存争夺战

前几年，人工智能行业的竞争主要围绕着 GPU 展开。

但随着大模型从训练走向大规模推理，竞争正在向内存延伸。尤其是长上下文和 Agent 应用兴起后，模型需要持续读取、处理和传输大量数据，内存带宽与容量逐渐成为影响 AI 性能和成本的关键瓶颈。

GPU 决定计算有多快，内存则决定数据能不能及时跟上。

被誉为「HBM 之父」的韩国科学技术院教授金正浩认为，AI 的瓶颈不只是 GPU，而是数据在处理器和内存之间的流动效率。GPU 再强，如果拿不到足够快的数据，也只能等待。

这也是 HBM（高带宽内存）成为 AI 芯片核心组件的原因。HBM 通过多层 DRAM 堆叠和先进封装，为 GPU 提供更高的数据传输带宽。

全球 HBM 以及高端 DRAM 市场的主要份额被三星、SK 海力士和美光所占据。对于人工智能的需求，这三家公司在加快调整自己的生产能力。

OpenAI 也不是唯一一个疯狂建设 AI 基础设施的科技公司。

微软、亚马逊、谷歌和 Meta 等科技巨头，都在不断提高 AI 相关资本开支，把资金投入数据中心、GPU、定制芯片和能源基础设施。

据 Reuters 11月2日报道，全球大型科技公司正在通过债券融资和股权融资，为 AI 和云计算扩张筹集资金。微软、亚马逊、谷歌和 Meta 等巨头2026年的合计资本开支预计将超过7300亿美元，规模已经远超传统科技行业的软件研发投入。

2026年，亚马逊、微软、Meta 等公司都进行了不同规模的人员调整。Reuters 在10月22日的报道中指出，越来越多企业一边推进组织精简，一边增加 AI 投资，背后既有业务重组，也有自动化和效率提升带来的岗位变化。

一边是企业压缩人力成本，另一边是数百亿美元流向 GPU、内存、服务器和电力设施。

从 GPU 到 HBM，再到服务器 DRAM 和存储设备，AI 正在推动整个半导体供应链重新分配资源。

以前谁有更多的 GPU，谁就有更大的机会去训练大模型。而现在能够先占住足够多的内存、能源以及数据中心资源的人，才有可能不断壮大自己的人工智能能力。

我为什么要为 AI 的未来买单？

AI 公司和普通消费者，对内存的理解完全不同。

对于 OpenAI 这样的公司来说，内存可以被当作生产资料来集中管理，以提高使用效率，Sam Altman 认为个人电脑中有很多 RAM 是空闲着的。

但作为普通消费者，我买了 64GB 内存，并不是每天都需要用它来满负荷运行。今天可以用来打游戏，明天用来剪辑视频，后天用来本地运行一个模型。即使只开了几十个 Chrome 标签页，电脑也不卡顿的话，我觉得这笔钱也就没有白花了。

RAM 不是单纯的计算能力指标，它决定了电脑是否可以流畅地运行，游戏能不能够顺利加载，视频剪辑会不会出现卡顿的情况。特别是 PC 玩家、内容创作者以及本地 AI 爱好者对于内存的价格变动比较敏感。

同样的预算下，去年可以买到 32G 的内存条，但是今年恐怕只能买到 16G 了。原来慢慢推广的高内存配置也会受到影响。

Gartner 在 2026 年 2 月份的时候就预计到年底 DRAM 和 SSD 的综合价格将会比 2025 年提高 130%，PC 平均售价上涨 17%，智能手机平均售价上涨 13%。

另外，价格上升只是一方面的影响，在终端产品配置以及产品的策略上也会有所变化。

一方面，厂商不断地向人们宣传 AI PC、AI 手机，并且告诉用户未来的电子产品要更加智能化。另一方面，想要实现真正的本地化人工智能，则需要购买更大容量的内存、更强性能的显卡以及价格更高的硬件。

而且，内存涨价只是 AI 基础设施扩张带来的成本传导之一。

经济学家提出过一个概念叫「生产力 J 曲线」，解释为什么一项新技术在普及初期，往往需要大量基础设施、组织改革和配套投资，才能真正转化为生产力提升。

换句话说，技术进步所需要的投入，往往先于它所创造的收益。

AI 产业似乎也存在类似的时间差。

数据中心、算力和内存的投入已经大规模发生，但这些投资最终能否转化为更便宜的产品、更高的收入和更好的生活体验，还需要时间来验证。

况且，并不是所有消费者都需要为 AI 升级内存。如果只是使用 ChatGPT、Claude、Gemini 这样的云端服务，大部分模型推理都发生在远程服务器上，个人电脑并不需要因此增加几十 GB 的 RAM。

但如果经常运行本地模型、复杂的 Agent，或者同时进行视频剪辑和图片生成，那么大容量内存确实会变得更加重要。

问题在于，即使普通消费者并不打算在自己的电脑上运行 AI，也可能受到这场产业竞争的影响。

AI 的未来当然值得期待，但一个有些尴尬的现实是，在 AI 红利真正普及之前，普通消费者似乎已经开始为这场技术革命买单了。

我们期待的是更便宜的产品、更高的收入、更少的工作时间，以及更好的生活质量。但眼下能够直接感受到的，却可能是更贵的硬件、更高的服务成本，以及不断增加的技术升级门槛。

AI 可能最终会让每个人的生活变得更好，但至少在这个阶段，技术革命所带来的收益和成本，还没有以同样的速度落到每个人身上。

文章来自于微信公众号 “APPSO”，作者 “APPSO”