OpenAI首席执行官Sam Altman最近在一次播客里说了一句挺扎心的话：让每个人电脑里都塞着大量DRAM，是对全球有限内存供应的“相当糟糕”的用法。他的意思很直接——个人电脑里的内存利用率太低了，远不如把这些资源集中到云端数据中心来得高效。

他说得有多直白

在与Stripe联合创始人John Collison的对话中，Altman谈到当前算力和内存短缺问题。有人觉得，既然本地可以跑开源AI模型了，数据中心的需求就会下降。Altman不这么看。他指出，普通个人电脑里的内存，可能只有5%左右的时间在真正被用到，剩下时间基本闲置。

他的原话大意是：把全世界有限的DRAM资源，分散塞进每个人自己的电脑里，效率实在太差。共享的云端基础设施，才能把内存利用率拉到更高水平。

这句话放在当下特别刺耳。因为AI数据中心疯狂吸内存，已经把消费级DDR5价格抬到了让人咋舌的程度。日本某些高容量套装一年涨了超过700%，一套32GB的DDR5从2024年的110美元，直接飙到1500美元以上。三星也公开表示，2027年内存短缺会更严重，供应紧张可能持续到2028年，HBM已经提前卖空，大部分产能都被长期协议客户锁定。

现代数据中心内部，内存资源被集中高效调度使用

现实很骨感：内存涨价谁在买单

Altman说这番话的时候，正是消费级硬件价格被AI需求推高的阶段。PC玩家、内容创作者、普通办公用户，都在为内存和存储的涨价买单。而AI公司则通过大规模采购，锁定了先进制程和HBM产能。

从纯资源效率角度看，他的逻辑说得通。数据中心可以做动态调度，一台服务器的内存可以被多个任务复用，利用率远高于个人电脑里“插上就闲着”的状态。云端AI推理也确实能把昂贵的高端内存用到极致。

但问题在于，效率不是唯一标准。

本地计算的价值被低估了吗

本地跑模型有几个云端很难完全替代的优势：离线可用、数据不出本地、延迟更低、对网络依赖小。对于隐私敏感的用户、经常出差没稳定网络的人，或者只是想自己掌控计算资源的玩家来说，本地内存和算力依然有不可替代的价值。

Altman自己也承认，他主要是在讨论本地AI推理的效率问题，并没有直接说“大家别买内存了”。但在当前内存价格已经历史高位的背景下，这句话很容易被解读成“AI公司需要内存，普通用户就该让路”。

内存厂商这边也不太愿意大幅扩产。经历过前几轮的产能过剩和价格暴跌后，它们现在更倾向于把有限的产能优先给利润更高的HBM和服务器客户，而不是重新砸钱扩消费级产能。

供需错位还在继续

目前的情况是：AI需求把先进内存产能几乎吃干榨净，消费级市场只能吃剩饭，价格自然水涨船高。Altman指出“市场反应不够快”，其实也点到了厂商的谨慎心态——谁也不想再经历一次产能过剩后的巨亏。

从更长远看，这种集中化趋势可能会继续。云端推理、边缘计算、本地轻量模型，三者会形成分层。真正重度AI用户会越来越依赖云，而普通用户则需要更聪明的本地方案，比如更高效的量化模型、更合理的内存管理，而不是一味堆容量。

最终，内存短缺不是单纯的技术问题，而是资源分配优先级的问题。Altman站在AI公司的角度，自然会强调利用率；站在普通用户的角度，大家更关心的是自己电脑里的内存别再涨到买不起。

总结一句：资源永远是有限的，效率优先的逻辑本身没错，但把“效率”简单等同于“全部上云”，忽略了本地计算在隐私、可控性和使用场景上的真实价值。接下来几年，如何在云端高效和本地体验之间找到平衡，才是整个行业真正要面对的课题。