奥特曼谈内存：个人电脑囤DRAM太浪费，应集中给AI数据中心

「从全球资源配置的角度看，让每个人把紧缺的DRAM囤在自己电脑里、大部分时间闲置，是『相当糟糕』（quite terrible）的安排，内存该集中到云端数据中心去。」

这话说得够直白。

本周四，OpenAI CEO 山姆・奥特曼（Sam Altman）做客 YouTube 频道 Cheeky Pint 的采访，全程边喝啤酒边聊，气氛轻松。话题从 AI 大模型的本地推理展开，延伸到家用电脑内存不够用的问题，聊着聊着就说出了上面那番话。

全球 AI 浪潮带动内存涨价，PC 和手机的价格已经涨了一轮，普通消费者早就吃不消。各家内存大厂的产能扩张还得再等一阵。前沿 AI 公司吃下内存大头的同时，却开始讨论个人电脑里的内存有没有被充分利用。

奥特曼设想过一种情形：人们能在自己的电脑上跑本地人工智能，这台电脑可能是手头已有的，也可能是因为 AI 大模型火了才想组装的。在他看来，这个想法很糟。

「从全球资源分配的角度看，让每个人都把全球有限的 DRAM 闲置在自己电脑里，使用率只有 5%，这其实非常糟糕，」奥特曼说。「如果你想在资源供应极其紧张的环境下工作，云端就该尽可能提高利用率。可不知为何，很多人的直觉恰恰相反。」

OpenAI 眼下主要靠跑在大规模数据中心里的闭源模型赚钱，他为自家商业模式做的这番辩护，在 AI 社区引来一片争论。

不少人因此担心：将来想拥有自己的硬件或软件会更难，只能考虑去租云端的智能体和计算机。

普通 PC、手机和 AI 加速卡用的内存并不相同，但生产上会争夺部分上游晶圆产能。奥特曼谈的是全球 DRAM 的资源配置。要说谁有资格决定内存产能往哪用，多数时候还是下更大订单的那一方。

奥特曼的部分观点，建立在数据中心建设不会放缓的假设上。他还假设，全天候供 AI 数据中心使用的内存，比用在电子表格、网页浏览、游戏乃至偶尔跑跑本地 AI 上的内存更有价值。

其实这次访谈时间很长，奥特曼还聊了这两周让全球紧张的 PHP 漏洞、训练模型的沙箱化，以及 AI 在数学领域的研究。

以下是他谈话的主要内容：

AI 正在引爆漏洞潮

谈到 PHP 那个超级巨大的漏洞，奥特曼的判断是：大模型找漏洞的能力一直在快速提升，而互联网上的代码面极其庞大。当人们开始系统性地用 AI 扫描所有代码，「我们会发现自己身处一个严重漏洞远超预期的世界」。他觉得光打补丁不够，架构必须重构，路由器、操作系统、应用层都要为「漏洞会越来越智能」的世界重新设计。两年前说「重写整个技术栈」还像疯话，现在已经有创业公司在做全新的 stack。

他还罕见地对行业做了自我批评：「我不认为我们很好地向人们解释了，为什么这项技术所有潜在的下行风险是值得的。」在他看来，AI 行业的叙事是一套糟糕的销售话术：一边承诺治愈癌症、降低成本，一边又描绘失业、失控、需要强力监管的未来。他重申 OpenAI 坚持迭代部署（iterative deployment）、对抗能力悬置（capability overhang），理由是不能让「旧金山几平方英里的人做所有决定」。

被问到能不能给模型建一座「最高安全级别的监狱」，奥特曼的回答偏悲观：沙箱只在一定程度内有效，监控（包括思维链审查和激活监控）能再往前推一步，但到头来还是得高度信任对齐。他反问：面对一个比最聪明的安全研究员还聪明百万倍、能发现人类尚不懂的新科学的模型，你真敢信任那个沙箱吗？

他明确表示讨厌「agent swarms（蜂群）」这个说法，因为 swarm 让人想到蝗虫，坚持叫 agent teams（智能体团队）。他认为团队之间互相制衡的特性，正好对应靠多元主义实现鲁棒性的机制，是值得推进的安全方向。

智力爆炸与科学发现的代价

奥特曼描了一条曲线：GPT-4 时代，往单个问题上有效投入 1 美元算力都难；思维链（chain of thought）让模型能「用力思考」，如今却可以把整支智能体团队并行上万次。普通用户和最先进用户之间的使用差距，正在不断拉大。

聊到 OpenAI 内部算力怎么分，他说员工的空间相当大，可公司从来不会因为谁烧的 token 多就给奖励，「token 排行榜上排得高，其实有点难为情，绝不会成为晋升的依据」。他举了纳维 - 斯托克斯（Navier-Stokes）方程证明的例子：光那一个证明就烧掉约 1000 万美元，中间「失控了一周」，原因是当时没人搞得清智能体团队的扩展律。他判断，一年之后换上更聪明的模型和办法，花 1/100 的成本就能把它重做一遍。

他还罕见地流露了情绪：当时的情况真是绝了。某个新模型内部上线的周末，大家把各种最棘手的难题丢给这个模型，它竟然一一解决。人们原本根本没指望模型能做到这些。许多人学术生涯中最难攻克的科研难题，被这个模型一个接一个地解决，还横跨多个不同领域，那场面令人惊叹。

「有两晚我几乎彻夜未眠，因为实在太兴奋了，根本睡不着。我们后来发表的很多成果，其实就是当时解决的那些难题。」

那会儿奥特曼既兴奋又快乐，可同时涌上来的还有一种没料到的伤感、失落，以及「某个时代正在收尾」的滋味。那不只是念旧，更是对人类科学家「朝闻道，夕死可矣」那种心境的体谅。他咬定人类本来就该拿到基础知识，可这些领域的从业者，行业还欠他们一个交代。

现在谈超级智能还早，不过奥特曼认为，万亿个小超人类，胜过一个万亿 IQ：

"I would much rather intuitively have a trillion AIs of slightly superhuman intelligence join society than one AI of one trillion IQ join society."

奥特曼把这句英文原话又用中文说了一遍：「直觉上，我更愿意让一万亿个略具超人类智能的 AI 加入社会，而不是一个万亿 IQ 的 AI 加入社会。」

他给出的理由是：社会之所以有很强的鲁棒性，是因为大量成员彼此制衡、互相协作；只靠「单脑」的世界没有这种韧性。不过他也强调，这种事不会自己发生，得主动去推。

市场调节，到 AI 时代玩不转了？

全球内存紧缺，奥特曼顺势讲了 OpenAI 的几手准备：自研芯片，把每瓦智能性能提上去；自建数据中心；机器人项目；还有一个更敢想的概念叫「自我复制的数据中心」——用 AI 操控机器人去运营晶圆厂、制造涡轮和太阳能板、再建数据中心。他的说法是「这已在我们掌握之中」。

至于「市场自己调节」为什么左等右等不来，他的评价是进展很糟糕。他拆解了内存厂商的算盘：这行当长期是投 200 亿美元 capex 只赚 19 亿的苦生意，历史上好几回有巨头因为建厂建过头差点倒闭。眼下每家公司一年能挣约 1000 亿美元自由现金流，可惨痛记忆还在，扩产就格外保守。他由此下结论：「看不见的手现在失灵了」。

他把芯片产业的本事分成两块：光刻这块，「地球上似乎只有一家公司知道怎么做」；芯片设计——也就是最终交给晶圆厂的那份文件——倒是 AI 大展身手的好地方。

递归自我改进（RSI）到底到了什么水平？奥特曼说，模型现在能干「找 5% 计算效率提升」这类活，但还没人知道怎么让 AI 发现 transformer 那种级别的新架构，卡点在于模型不够聪明。他甚至提前放话：社会可能得在一段时间里同意限制单模型的智商，「若未来的进展不足，那将源于这个决定，而非 AI 做研究的能力」。

他接着亮出自己的通缩信仰：眼下每 GW 领先 AI 算力的 5 年总拥有成本约 700 亿美元，能压到 200 亿就更理想，同时模型每年还得再提 10 倍性能。路子有两条——让能源更便宜，把「从沙子到产出 token」之间一层层叠起来的毛利挤掉。

企业担心 token 预算花超，他的看法正相反：现在更常见的问题是 AI 用得不够，而不是用太多。

个人智能体怎么定价？

个人智能体产品最近很热（比如 Muse），奥特曼的判断是「Macintosh 时刻还没有到来」。人们是喜欢这些产品，可还没到「无法想象没有它的生活」的地步。赢家的形态会跟现在的产品差不多，但「it'll just work」——可靠，接得住更复杂的任务。至于 computer use 的猫鼠游戏，他认为最后会收敛到「你有权让 AI 代表你操作自己的电脑」这个程度。

智能体怎么赚钱？奥特曼说，企业死死攥着自己产品里的 AI 弹窗和 HTML，怕丢了客户关系；可消费者想的是在自己的主聊天应用里让 AI 把事全办了。在他看来，真正的护城河是品牌、选品和履约网络，不是 HTML。他还主动交代：自己 10 次有 10 次选 Amazon Pay，哪怕价格更高，并夸了亚马逊的履约网络，同时承认 ChatGPT 内的合作平台做得还不够好。所有网页表单都被他叫作「假工作」（fake work），当下则被他比作当年的 App Store 时代。

也正因如此，OpenAI 设计定价时差点照搬 AWS 按任务报价、把 token 计费整个扔掉，结果客户强烈反对：「我需要知道自己在为什么付钱」——哪怕付得更多，也要 token 这种看得懂的单位。

参考内容：

https://www.tomshardware.com/tech-industry/data-centers/openai-ceo-says-its-quite-terrible-for-your-pc-to-have-ram-sam-altman-says-data-centers-offer-better-utilization

https://www.youtube.com/watch?v=iMsUcCYNKqY