技术层面，AI 芯片采用的高带宽内存（HBM）与 PC 常用的 DDR4/DDR5 不同，生产商正因高利润转向 HBM 导致供应紧张。
【正文报道】
在近期接受 YouTube 博主 Cheeky Pint 的采访时，OpenAI 首席执行官 Sam Altman 就当前 AI 行业面临的全球算力供应挑战发表了深度见解。在讨论到内存（DRAM）资源分配问题时，Altman 指出，当前的“看不见的手”似乎未能有效调节市场供需平衡，导致关键资源流向出现了偏差。
Altman 特别强调，从全球资源的宏观配置角度来看，将极其有限的 DRAM 供应分散在大量个人电脑中是极不合理的。他指出，许多 PC 的内存利用率可能仅有 5% 左右，而在当前算力高度受限的环境下，资源理应优先流向能够最大化利用能力的云端基础设施。他认为，这种“碎片化”的分配方式在当前的宏观环境下是一种严重的浪费。
【核心提要】
【正文报道】
在近期接受 YouTube 博主 Cheeky Pint 的采访时，OpenAI 首席执行官 Sam Altman 就当前 AI 行业面临的全球算力供应挑战发表了深度见解。在讨论到内存（DRAM）资源分配问题时，Altman 指出，当前的“看不见的手”似乎未能有效调节市场供需平衡，导致关键资源流向出现了偏差。
Altman 特别强调，从全球资源的宏观配置角度来看，将极其有限的 DRAM 供应分散在大量个人电脑中是极不合理的。他指出，许多 PC 的内存利用率可能仅有 5% 左右，而在当前算力高度受限的环境下，资源理应优先流向能够最大化利用能力的云端基础设施。他认为，这种“碎片化”的分配方式在当前的宏观环境下是一种严重的浪费。
针对技术层面的差异，Altman 同时也澄清了不同应用场景下的硬件逻辑。目前 AI 芯片主要采用的是高带宽内存（HBM），这与个人电脑普遍使用的 DDR4 或 DDR5 标准并不相同。然而，由于 HBM 具有更高的附加值和利润空间，半导体制造商正大规模将产能转向 HBM 生产，这在客观上加剧了通用内存市场的供应压力。
Altman 的这一观点反映了 AI 时代硬件逻辑的深刻变革：随着人工智能成为核心基础设施，传统的消费电子产品分配模式与工业级算力需求之间的矛盾日益凸显。如果全球资源继续以“平均主义”的方式分布到低频使用的终端设备中，可能会进一步拖慢通用人工智能（AGI）的普及进程。
【背景链接】
【小编观点】
Altman 的言论虽然在某些硬核玩家看来有些“反直觉”，甚至带点“反消费电子”的色彩，但从宏观工业逻辑来看，这反映了当前半导体行业正处于一个巨大的转型期。随着 AI 基础设施成为国家级战略资源，硬件厂商和软件巨头都在试图重新定义什么是“核心需求”。HBM 的崛起不仅是技术的演进，更是资本在面对算力竞赛时，对高价值、高性能领域的精准收割。