OpenAI调整算力预期：Altman改名Ram，AI基建被踩刹车

近日，Sam Altman 把自己的名字改了。

11 月 4 日，这位 OpenAI CEO 在 X 上把显示名称短暂换了一下，Sam Altman 变成了 Ram Altman。

起因是 Altman 早前在一档播客里提到，普通人电脑里装着的 RAM 数量不小，真正被用上的时间却少得可怜。站在全球资源分配的角度看，不如把这些内存归拢到云端数据中心，统一调度。

这话一出，网友很快开始吐槽：AI 公司抢 GPU 已经抢疯了，现在连我电脑里的内存也要被盯上。

马斯克也来凑热闹，贴出一张恶搞电影《无耻混蛋》的图，配文是「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 对算力的胃口越来越大，普通消费者恐怕得为这场争夺战掏更高的硬件成本。

但昨晚局势出现重大反转。民主党拿下美国众议院和参议院多数席位后，正打算推出史上最严的法规，给 AI 发展上枷锁。

具体措施包括：暂时不许新建 AI 数据中心，前沿 AI 研发按下暂停键，超级智能则永久禁止。

消息传开，美股应声崩盘，一夜之间市值蒸发 2.8 万亿美元，科技股跌成一片，英伟达也滑进了技术性熊市区域。

眼下奥特曼估计没心思惦记个人电脑里的内存了。《华尔街日报》报道称，OpenAI 高层已经开始讨论下调 2027 年的数据中心容量预期，削减幅度可能达到 40%。

Sam Altman 是怎么变成 Ram Altman 的

在最近一期播客中，Altman 给出的建议是：「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」。

按奥特曼的说法，云端可以借助虚拟化和多租户调度，把 GPU、内存等资源供给更多用户。

可网友不肯接受。X 用户 @sickdotdev 直接开腔：「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。」

Reddit 上也有人打趣：RAM 和 Sam Altman 单方面谈起了恋爱，玩家、极客和普通用户却还卡在只有 8GB 的朋友区。

对 OpenAI 而言，这场讨论背后还压着一个更实际的问题。

模型训练、推理和 Agent 服务都在持续扩张，往后要的算力只会更多。光靠向外部供应商买 GPU 和云服务，成本、供应和部署节奏都很难握在自己手里。

所以 OpenAI 正从模型研发往底层基础设施那头走。

2025 年 10 月，OpenAI 与博通宣布联合开发总容量 10GigaWatt 的定制 AI 加速器和网络系统，思路是把模型推理的需求融进芯片设计，以此抬高每瓦特计算能力的产出率。

此外，OpenAI 联合软银、甲骨文等伙伴启动了 Stargate 项目建设，计划未来四年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 想攥在手里的不只是模型本身，还有支撑模型运转的一整套计算能力体系。

数据中心除 GPU 外，还得配上 HBM、服务器 DRAM、高速网络、电源和制冷设备。哪一环短缺，整个 AI 基础设施的推进速度都会被拖住。

这也说明了 Altman 为何如此在意内存：GPU 再强，内存带宽和容量跟不上，性能照样发挥不出来。

内存争夺战

前几年，人工智能行业的竞争焦点基本都落在 GPU 上。

不过，大模型从训练转向大规模推理之后，竞争的焦点正往内存上挪。长上下文和 Agent 应用起来以后，模型得不停地读、处理和传输海量数据，内存带宽与容量慢慢成了卡住 AI 性能和成本的关键环节。

计算快不快看 GPU，数据跟不跟得上则看内存。

被称为「HBM 之父」的韩国科学技术院教授金正浩就认为，AI 的瓶颈不只在 GPU，更在于数据在处理器和内存之间流动的效率。GPU 再强，数据供不上，照样只能干等。

这也是 HBM（高带宽内存）能成为 AI 芯片核心组件的原因：它靠多层 DRAM 堆叠加先进封装，给 GPU 送去更高的数据传输带宽。

全球 HBM 和高端 DRAM 市场的大头，捏在三星、SK 海力士和美光手里。面对人工智能的需求，这三家都在抓紧调整产能。

拼命铺 AI 基础设施的科技公司，也不止 OpenAI 一家。

微软、亚马逊、谷歌和 Meta 这些巨头，都在往上抬 AI 相关的资本开支，把钱砸进数据中心、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，这个规模已经把传统科技行业的软件研发投入甩在后面。

2026年，亚马逊、微软、Meta 等公司都做了大小不一的人员调整。Reuters 在10月22日的报道里提到，越来越多企业一边精简组织，一边加码 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，AI 正让整条半导体供应链重新分资源。

过去是谁的 GPU 多，谁就更有机会训练大模型。如今得先占住足够的内存、能源和数据中心资源，人工智能能力才有可能持续做大。

我凭什么要为 AI 的未来掏钱？

AI 公司和普通消费者，对内存的看法压根不是一回事。

对 OpenAI 这类公司来说，内存可以当生产资料统一管起来，提升使用效率。Sam Altman 就认为，个人电脑里有大量 RAM 是闲着的。

可我作为普通消费者，买了 64GB 内存，并不是天天都要把它跑满。今天打游戏，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 不只是算力的一个指标，它关系到电脑跑得顺不顺、游戏能不能顺利加载、视频剪辑会不会卡。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，去年能买 32G 内存条，今年恐怕只够买 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 月份就预计，到年底 DRAM 和 SSD 的综合价格将比 2025 年涨 130%，PC 平均售价涨 17%，智能手机平均售价涨 13%。

涨价还只是影响的一头，终端产品的配置和策略也会跟着变。

厂商一边不停宣传 AI PC、AI 手机，跟用户说以后的电子产品会更智能；另一边，真要实现本地化人工智能，就得买更大容量的内存、更强性能的显卡，硬件价格也更高。

再说，内存涨价只是 AI 基础设施扩张传导出来的成本之一。

经济学家提过一个「生产力 J 曲线」的概念，用来解释一项新技术普及初期，为什么往往要先砸大量基础设施、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、内存的钱已经大把砸下去了，可这些投入能不能变成更便宜的产品、更高的收入、更好的生活体验，眼下还没法下结论，得等时间给答案。

而且普通消费者未必都需要为 AI 去升级内存。平时只用 ChatGPT、Claude、Gemini 这类云端服务的话，模型推理大多跑在远程服务器上，自己的电脑根本不用因此多塞几十 GB 的 RAM。反过来，经常跑本地模型、复杂 Agent，或者一边剪视频一边生成图片，大容量内存才会显得要紧。

麻烦的地方在于，就算普通消费者没打算在自家电脑上跑 AI，也照样可能被这场产业竞争波及。

AI 的未来当然值得期待，只是有个略显尴尬的现实：AI 红利还没真正普及，普通消费者好像已经开始为这场技术革命掏钱了。大家盼的是更便宜的产品、更高的收入、更少的工作时间、更好的生活质量；可眼下能直接感受到的，多半是更贵的硬件、更高的服务成本，还有不断抬高的技术升级门槛。

AI 或许最终会让每个人的日子都好过一些，但至少在这个阶段，技术革命带来的好处和代价，还没有以同样的速度落到每个人头上。