众力资讯网

PC装内存太浪费 OpenAI CEO奥特曼: DRAM资源紧缺 最好留给AI数据中心

10月29日,OpenAI CEO 山姆·奥特曼(Sam Altman)在《Cheeky Pint》播客访谈中,围绕全球 DRAM 短缺与本地推理发表了引发热议的观点。


访谈中,主持人 John Collison(Stripe 联合创始人)和他讨论一个流行看法:随着开源大模型成熟,用户可以在个人电脑本地运行模型,从而降低对大型 AI 算力中心的依赖。奥特曼对此并不认同。他表示,从全球资源配置来看,如果大量有限的 DRAM 分散部署在个人电脑中,内存平均仅有约 5% 的时间被使用,属于低效分配;在当前供给紧张的环境下,把内存集中部署在云端 AI 数据中心,通过调度提升整体利用率,是更优方案。


该言论迅速在硬件圈引发讨论。支持者认为大规模算力集群可以错峰复用硬件,单位内存能承载更多用户;而反对者提出,本地推理具备低延迟、离线可用、隐私保护等独特价值,不能单纯以平均活跃占比评判价值。

放在产业链视角,这一表态进一步强化市场预期:AI 数据中心将持续优先抢占 DRAM 产能,服务器高速内存、大容量配套存储会持续紧俏,消费级内存供给或持续承压。但行业普遍判断,端侧本地推理不会因此停下,市场会走向云端重载、端侧轻量的分层格局。

算力资源分配之争:本地推理 vs 集约云端,这是两条路线的顶层博弈。开源社区、终端芯片厂商、PC 整机厂押注本地端侧大模型;OpenAI 代表的大型云厂商更推崇集中式算力。奥特曼这番表态,本质是站在云服务商业模式,论证集中算力的效率优势。
强化 DRAM 结构性紧缺预期。叠加 SK 海力士“短缺持续到 2030”、服务器 CPU 连续两年高增,市场会进一步形成共识:服务器内存是第一优先级,消费级内存拿到产能的难度上升,价格更容易维持高位。内存厂商在扩产时,也更倾向优先投高毛利的服务器规格。
端侧不会消失,但会分层。不会因为这个观点,本地推理就停止发展。未来大概率分层:轻量模型、隐私敏感场景、离线机器人、车载端侧继续走本地路线;重型模型、大规模批量任务、Agent 集群调度,继续向云端集中。
OpenAI 的核心商业模式就是云端订阅服务,如果大量用户转向本地离线模型,会削弱其业务基本面。该言论既是资源判断,也自带商业立场。
如果后续端侧芯片、模型压缩、量化技术持续突破,小模型在低内存硬件上也能获得很好效果,对大容量 PC DRAM 的需求会弱化;另外如果三大存储厂新产能集中释放,供给紧张周期会缩短,这套资源逻辑的说服力下降。