Sam Altman改名Ram Altman：OpenAI被传下调2027年数据中心容量预期

Sam Altman 最近把名字改了。

11 月 4 日，这位 OpenAI CEO 在 X 上把显示名称短暂换成了 Ram Altman，原先的 Sam Altman 只挂了一阵子。

起因是 Altman 之前在一档播客里提到，普通人电脑里装着大量 RAM，真正被用到的时间却很少。站在全球资源分配的角度看，不如把这些内存集中到云端数据中心统一调度。

这话一出，网友很快开始吐槽：AI 公司已经在疯狂抢 GPU，如今连自己电脑里的内存也被惦记上了。

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

笑归笑，更现实的问题摆在眼前：AI 正疯狂吞噬算力，普通消费者可能要为这场争夺战付出更高的硬件成本。

可昨晚事情出现了重大反转。民主党拿下美国众议院和参议院多数席位后，正计划推出史上最严格的法规来限制 AI 发展。

具体内容包括暂时禁止新建 AI 数据中心、暂停前沿 AI 研发，以及永久禁止超级智能。

消息一出，美股直接崩盘，一夜之间市值蒸发 2.8 万亿美元。科技股跌成一片，连英伟达也落进了技术性熊市区域。

奥特曼现在恐怕顾不上惦记个人电脑里的内存了。《华尔街日报》报道称，OpenAI 高层已开始讨论下调 2027 年数据中心容量预期，削减幅度可能达到 40%。

Sam Altman 怎么成了 Ram Altman

Altman 在最近一期播客中给出一个看法：个人电脑里散落着大量 DRAM，真正被用上的时间只有约 5%。他反问，从资源利用率角度看，把这些计算资源收拢到云端数据中心、统一调度起来服务更多用户，效率是不是会更高。

他的意思是，云端可以借助虚拟化以及多租户调度，为更多用户提供 GPU、内存等资源。

网友没接受这套说法。X 用户 @sickdotdev 直接回怼：「既然你觉得我把 RAM 浪费了，那我宁可拿它去搅咖啡，也不给 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，这番讨论背后还压着一个更现实的问题。

随着模型训练、推理以及 Agent 服务持续铺开，往后要消耗的算力只会更大。如果 GPU 和云服务都靠外部供应商采购，成本、供应和部署节奏就很难完全由自己掌控。

所以，OpenAI 正从模型研发往底层基础设施延伸。

2025 年 10 月，OpenAI 和博通宣布要共同开发一个总容量为 10GigaWatt 的定制化 AI 加速器和网络系统，并希望把模型推理的需求整合进芯片设计，以此提升每瓦特计算能力的产出率。

OpenAI 还拉上软银、甲骨文等合作伙伴，启动了 Stargate 项目的建设，计划在接下来的四年内投入最多五千亿美金，打造美国的人工智能基础设施。

从芯片到数据中心，OpenAI 想控制的不只是模型本身，还有支撑模型运行的一整套计算能力体系。

数据中心除了 GPU，还得配上 HBM、服务器 DRAM、高速网络、电源以及制冷设备。哪一环出现短缺，整个 AI 基础设施的发展速度都会受影响。

这也解释了 Altman 为什么如此关注内存：GPU 再强，没有足够的内存带宽和容量，性能也发挥不出来。

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。

大模型从训练转向大规模推理之后，战场的重心正往内存一侧挪。长上下文和 Agent 应用火起来，模型得不停读取、处理、搬运海量数据，内存带宽和容量慢慢成了卡住 AI 性能与成本的关口。

算得快不快看 GPU，数据跟不跟得上则看内存。

有「HBM 之父」之称的韩国科学技术院教授金正浩就认为，AI 的堵点不只在 GPU，更在于数据在处理器和内存之间跑得顺不顺。GPU 性能再猛，喂不进足够快的数据，照样只能干等。

正因如此，HBM（高带宽内存）才成了 AI 芯片的关键部件。它靠多层 DRAM 堆叠加上先进封装，给 GPU 撑起更高的数据传输带宽。

放眼全球，HBM 和高端 DRAM 的份额基本捏在三星、SK 海力士、美光三家手里。面对人工智能带来的需求，这三家都在加紧调整产能。

猛砸 AI 基建的科技公司，也不止 OpenAI 一家。

微软、亚马逊、谷歌和 Meta 这些巨头同样在往上抬 AI 相关资本开支，钱投向数据中心、GPU、定制芯片和能源设施。据 Reuters 11月2日报道，全球大型科技公司正借助债券融资和股权融资，为 AI 与云计算扩张筹钱。

微软、亚马逊、谷歌和 Meta 等巨头2026年的合计资本开支预计超过7300亿美元，这个体量已经把传统科技行业的软件研发投入甩在后面。

人员方面也在动。2026年，亚马逊、微软、Meta 等公司都做了规模不一的人员调整。Reuters 10月22日的报道提到，越来越多企业一手推进组织精简，一手加码 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。

一头是企业压缩人力成本，另一头是数百亿美元涌向 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，整条半导体供应链都在因 AI 重新分配资源。

过去拼的是谁手里 GPU 多，谁就更有机会训练大模型。如今局面变了，谁能先占住足够的内存、能源和数据中心资源，谁才可能把自家 AI 能力越做越大。

我为什么要为 AI 的未来买单？

AI 公司和普通消费者，对内存的看法压根不是一回事。

对 OpenAI 这类公司而言，内存可以当作生产资料统一调度，从而把使用效率提上去。Sam Altman 就认为，个人电脑里有大量 RAM 其实闲着。

可落到普通消费者身上，我买 64GB 内存，并不是天天都要把它跑满。今天拿来打游戏，明天剪视频，后天在本地跑个模型。哪怕只开几十个 Chrome 标签页，电脑不卡，我就觉得这钱没白花。

RAM 不只是算力数字，它关系到电脑跑得顺不顺、游戏能不能顺利加载、剪视频会不会卡。PC 玩家、内容创作者和本地 AI 爱好者，对内存价格的变化尤其敏感。

同样的预算，去年能拿下 32G 内存条，今年恐怕只够 16G 了。原本慢慢铺开的高内存配置，也会跟着受影响。

Gartner 在 2026 年 2 月就预计，到年底 DRAM 和 SSD 的综合价格将比 2025 年高出 130%，PC 平均售价涨 17%，智能手机平均售价涨 13%。

价格之外，终端产品的配置和策略也会跟着变。

厂商一边不停向用户推销 AI PC、AI 手机，说以后的电子产品会更聪明；另一边，真要实现本地化的人工智能，就得配上更大容量的内存、更强的显卡，硬件花费也更高。

内存涨价，其实只是 AI 基建扩张传导出来的成本之一。

经济学家有个说法叫「生产力 J 曲线」，讲的是新技术普及初期，往往得先砸下大量基础设施、组织改革和配套投资，才能真正变成生产力提升。

说白了，技术进步要的投入，常常跑在它创造的收益前头。

AI 产业恐怕也躲不开这种时间差。

数据中心、算力、内存上的钱已经大把砸下去了。可这些投入最后能不能变成更便宜的产品、更高的收入、更好的生活体验，现在还说不准，得等时间给答案。

何况，普通消费者未必都有必要为了 AI 去加内存。平时只是用 ChatGPT、Claude、Gemini 这类云端服务的话，模型推理大多跑在远处的服务器上，自己的电脑犯不着为此多装几十 GB 的 RAM。

当然，要是经常在本地跑模型、跑复杂的 Agent，或者一边剪视频一边生成图片，大容量内存的重要性就会明显上升。

麻烦的地方在于，哪怕普通消费者压根没打算在自己电脑上跑 AI，这场产业竞争的影响也可能落到他们头上。

AI 的未来当然值得期待。但有个略显尴尬的现实：AI 红利还没真正普及，普通消费者看起来已经在为这场技术革命掏钱了。

大家想要的是更便宜的产品、更高的收入、更短的工作时间、更好的生活质量。可眼下能直接感受到的，可能是硬件更贵、服务成本更高，技术升级的门槛还在一点点抬高。

到头来，AI 也许会让每个人的日子都变好。但至少在目前这个阶段，技术革命带来的收益和成本，并没有以同样的速度落到每个人身上。