OpenAI奥特曼：个人电脑上装记忆体太浪费、最好留给AI资料中心 https://news.cnyes.com/news/id/6642980 钜亨网编译庄闵棻 2026-10-31 22:10 全球人工智慧（AI）需求持续推升记忆体价格，OpenAI执行长奥特曼（Sam Altman）却对 个人电脑保留大量记忆体的做法提出质疑，认为从全球资源配置角度来看，让有限的DRAM 分散在个人电脑中、长时间处於闲置状态，并不是有效率的安排，记忆体资源应集中至云 端资料中心，以提高整体使用率。 奥特曼近日接受YouTube频道《Cheeky Pint》专访时，谈及AI模型本地推论与个人电脑记 忆体需求。他指出，假设每个人都在自己的电脑上执行本地AI模型，可能导致大量DRAM资 源被闲置。 奥特曼表示：「从全球资源配置的角度来看，让每个人都把全球有限的DRAM记忆体闲置在 自己的电脑里，而使用率只有5%，其实非常糟糕。」 他指出，在记忆体供应极度紧张的情况下，云端资料中心应尽可能提高资源利用率，但许 多人直觉上却有不同看法。 这番言论也引发外界对AI运算资源分配的讨论。当前OpenAI主要透过大型资料中心提供闭 源模型服务，奥特曼的观点也被认为涉及云端运算与本地AI发展之间的资源竞争。 随着AI浪潮推升记忆体需求，全球DRAM供应吃紧，PC及手机等消费性电子产品也面临成本 压力。尽管个人电脑、手机与AI加速卡使用的记忆体规格不尽相同，但相关产品的生产仍 会竞争部分上游晶圆产能。 奥特曼的论点建立在资料中心建设持续扩张的前提上，也反映出AI业者对运算资源利用效 率的重视。不过，当记忆体资源集中至云端，消费者未来是否更依赖租用云端运算与AI服 务，也成为这项主张引发的另一层疑虑。 AI发现漏洞能力提升 资安架构恐须重新设计 除了记忆体配置，奥特曼也谈到AI快速提升的程式码分析能力，以及可能随之而来的资安 风险。 他认为，大型语言模型发现软体漏洞的能力持续进步，加上网路上的程式码规模庞大，当 业界开始运用AI系统性扫描程式码时，可能发现远比预期更多的重大漏洞。 在他看来，单纯修补漏洞已不足以因应未来威胁，路由器、作业系统及应用程式等技术架 构都可能需要重新设计，以适应AI持续提升的漏洞搜寻能力。 奥特曼也坦言，AI产业并未充分向外界说明这项技术可能带来的负面影响，以及为何其潜 在效益值得承担相关风险。他认为，业界一方面宣传AI能够治疗癌症、降低成本，另一方 面却又警告可能造成失业、失控及监管需求，这种说法并不理想。 谈到如何限制高能力AI模型，他表示，沙箱隔离只能提供一定程度的保护，搭配思维链审 查及模型内部活动监控，或许能进一步降低风险，但最终仍需要高度仰赖模型本身的对齐 程度。 他也不看好单纯依靠沙箱就能完全确保安全，尤其当未来模型的能力可能远超人类安全研 究人员，甚至发现人类尚未理解的新科学时，现有防护措施是否足够仍是问题。 AI研究能力跃进 奥特曼忧人类科学家角色改变 谈及AI在科学研究上的进展，奥特曼指出，模型运用运算资源解决复杂问题的能力已大幅 提升。随着思维链技术发展，模型能够投入更多运算进行推理，如今更可以让大量AI代理 团队平行执行任务。 他以纳维－斯托克斯方程（Navier-Stokes equations）的证明工作为例，表示相关研究 单次耗费约1,000万美元，过程中甚至有一周出现资源使用失控的情况，原因是当时团队 尚未掌握代理团队扩展的规律。 不过，他预期，未来一年若使用更先进的模型及方法，完成同类工作的成本可能降至原本 的百分之一。 奥特曼也回忆，OpenAI曾在新模型内部推出後，让模型挑战各种极具难度的研究问题，结 果模型接连解决多个不同领域的难题，令团队相当震撼。他表示，当时甚至因为过度兴奋 而有两个晚上几乎无法入睡。 然而，这些突破也让他产生复杂情绪。他形容，看到AI逐步解决人类科学家长期投入的难 题，一方面感到兴奋，另一方面也有种时代正在结束的感受。他认为，人类仍应有机会掌 握基础知识，但AI产业也必须思考如何回应相关领域从业者面临的变化。 对於超级智慧的发展，奥特曼则表示，相较於打造单一智力远超人类的AI，他更倾向让大 量具备些微超人类智慧的AI加入社会。 他认为，多个个体之间的合作与制衡，能让整体系统更具韧性，而不是将能力集中在单一 AI身上。 记忆体扩产速度有限 奥特曼称市场机制失灵 面对全球记忆体短缺，奥特曼也谈到半导体产业扩产速度不如预期的原因。 他指出，记忆体产业过去长期面临高资本支出、低获利的经营环境，业者曾多次因过度扩 张产能而陷入财务困境。即使目前部分记忆体厂商每年可创造约1,000亿美元自由现金流 ，过去的经验仍使业者对扩产相当谨慎。 奥特曼认为，这使市场供需调节机制难以迅速发挥作用，直言「看不见的手现在失灵了」 。 他也透露，OpenAI正从多个方向布局AI基础设施，包括自行研发晶片、兴建资料中心及发 展机器人。他进一步提出「自我复制的资料中心」构想，希望透过AI控制机器人，协助营 运晶圆厂、制造涡轮机与太阳能板，并参与资料中心建设。 在晶片技术方面，奥特曼区分了晶片制造与设计的难度，认为微影技术的掌握者极少，但 晶片设计则是AI有机会发挥作用的领域。 至於AI能否透过递回自我改进（Recursive Self-Improvement，RSI）持续提升能力，他 表示，目前模型已能协助寻找约5%的运算效率改善空间，但如何让AI自行发现类似 Transformer的重大新架构，业界仍没有明确答案。 AI代理商业模式未定 按任务计价曾遭客户反对 奥特曼也谈及近期受到关注的个人AI代理产品，认为目前市场尚未出现足以让使用者无法 想像没有它的产品。他预期，未来成功的代理仍会具备现有产品的部分特徵，但必须更可 靠，并能处理更复杂的任务。 在商业模式方面，他认为企业不应过度依赖自家网站或产品介面维系客户关系，因为消费 者更希望直接透过主要聊天应用程式，让AI代为完成各种工作。他认为，企业真正的竞争 优势应来自品牌、商品选择及履约网络，而非网站介面本身。 至於AI代理的收费方式，奥特曼透露，OpenAI曾考虑仿效亚马逊云端运算服务AWS，改采 按任务计价，而非依照Token用量收费，但客户对此反应强烈，认为必须清楚知道自己支 付费用的项目，因此仍偏好以Token作为计价单位。 记忆体被大量浪费在消费性电子 加上记忆体业者扩张偏向保守 导致现在记忆体大缺 AI发展可期 但商业模式未确定 可能是未来的挑战 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 36.233.38.252 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Stock/M.1793459392.A.3F2.html