如果你最近正打算换一部手机或重新组装一台电脑，那你一定已经发现，它们好像变得比以前贵了。这些电子产品价格升高的重要原因，是其中的随机存取存储器（RAM），也就是我们通常所说的“内存”，正在经历着一轮前所未有的疯狂涨价。

这背后的“罪魁祸首”，就是正在飞速扩张自己的人工智能（AI）。没想到，人工智能发展的红利还没来得及吃上，自己要用的资源却先被打个措手不及？其实这一点，不仅影响着日常需要使用电脑的我们，也成为了许多科学家的困扰。

内存（图片来源：维基百科）

内存：“天才科学家”离不开的“办公桌”

为什么内存的价格如此引人关注？因为，它是我们的电脑中一个不可缺少的组成部分。它是一种读写速度极快（通常是纳秒量级）的存储介质，为电脑正在运行中的进程提供临时数据存储的功能。

我们可以做这样的比喻：如果说中央处理器（CPU）是一个思维敏捷、每秒能处理亿万指令的“天才科学家”，那么内存就是他面前那张用来摊开草稿纸、摆放参考书的“办公桌”。

不同于硬盘那个存储海量信息却翻找缓慢的“大档案柜”，内存的意义在于“快”和“临场感”。 无论是我们在手机App间丝滑切换，还是科研人员在AI模型中处理海量的基因序列，都要依赖内存这张“办公桌”的高速吞吐能力。

创建一个word文档时，电脑的内存和硬盘分别经历的操作。内存负责实时数据的存储，而硬盘负责最终数据的存储（图片来源：SimpleScienceProductions）

当你做计算的时候，总是希望所有需要的资料都已经摆在自己抬头就能看到的地方，这就是内存为CPU做的准备工作。如果一个电脑没有足够的内存，再厉害的CPU也会因为“桌子太小、摆不下草稿纸”而不得不频频停下手中的计算，跑向远处的“档案柜”查资料。那样，你电脑运行的每一步都会卡得像PPT。

当AI “抢走”我们的内存

而就是这样一个重要的电脑硬件，最近却遇到了一次前所未有的短缺危机，甚至有人用“内存末日”来形容我们即将面临的现实。这一切都是因为，正在飞速发展的AI大模型，实在是太“贪吃”了。

AI数据中心（图片来源：ServeTheHome）

与我们的家用电脑相比，AI对内存有着近乎病态的渴望：AI的“智慧”是由数以千计、甚至万亿计的参数构成的。它的处理器计算速度也快得惊人，每秒能进行千万亿次运算。

所以，AI大模型如同一个“超级天才科学家”，需要时刻摊开的万亿级图纸，要求内存像工业级输油管一样高速供数，并提供海量空间记录中间计算过程。这样一来，现有的内存产能，很快就不够用了。

不同参数量的AI大模型所需的内存大小（图片来源：Local AI Master）

不仅如此，聪明的芯片厂商发现，将原本生产普通内存的产能，大规模转向单价更高、工艺更复杂的AI专用内存（HBM），可以获得更多的利润。这种产能上的“偏心”，最终又挤占了普通内存的生存空间，导致全球内存供需失衡，价格飙升。

根据国际数据公司（IDC）的分析，这场“内存危机”将持续到2027年，对手机、个人电脑的市场都造成一定的打击。

实验室里的“贫富差距”

对于我们自用的手机电脑来说，几百元的涨价虽然使人不快，但咬咬牙还算买得起，实在不行让现有的设备再坚持两年，也不是不行。但对于那些依赖大量算力资源进行科学研究的科学家，“内存危机”的影响可没那么简单。

在那些经费充足的顶尖实验室看来，或许涨的还只是账单上的数字；但还有许多资源受限的研究团队，内存的紧缺几乎成为了他们关乎生存的难题。

科学研究需要用到大量的计算资源（图片来源：UBC）

例如，印度帕拉拉克赫蒙迪森图里恩理工大学的植物病理学家Pravallika Sree Rayanoothala表示，他们的项目利用大量数据集构建的模型预测农作物的植物病害风险，而短缺促使她和同事们减少了他们研究的作物数量。

为了进一步减少云端内存服务日益昂贵的需求，Rayanoothala 和她的团队成员将数据拆分成块，分别进行建模。虽然这能完成任务，但会拖慢数据分析。这一切都在延迟农作物早期疾病预测工具的开发进展。

在非洲，资源分配不均的问题更加突显。一些研究者因为缺乏本土算力支持，不得不前往富裕国家的大学“蹭”设备。他们待上几个月，分析完数据，最后只能带着一份PDF报告离开。内存危机正在加剧这种全球科研能力的极化。

GRIT Lab Africa是南非的一所非营利研究机构。他们获得了人工智能业界对其研究的支持，因此没有受到内存短缺危机的影响。但其它无法获得资助的学校或机构就没有那么幸运了。（图片来源：GRIT Lab Africa）

被逼出来的“节约之道”

古人云：“穷则变，变则通。”内存危机虽然令人头疼，但也成为了创新的催化剂。

过去，内存都很便宜，所以没有人有动力去节约它。而现在，科学家们开始思考：如果我们不能买更多的内存，能不能少用一点？因此一些研究人员正在被迫重新审视代码，开发更精简、更高效的算法，以在更小的内存空间内运行。

另外，硬件的“结构改革”也可能提升效率：传统的计算机设计中，内存和处理器是分开的，数据在两者之间搬运会浪费大量时间和能量。为了改善这种情况，科学家提出了一种“近内存设计”——将计算功能直接整合进内存芯片。

（a）传统计算系统：在中央处理器（CPU）中对数据执行操作；（b）近内存设计：在数据的附近计算，而 CPU 主要作为控制单元运行。（图片来源：Asif Ali Khan et. Al）

而依赖传感器数据的科学家使他们的传感器从“全天候待机”转向“触发式启动”。只有在需要时才生成和处理数据，从而从源头上减轻内存的压力。

“内存末日”确实给科研进度蒙上了阴影，但它也打破了科研界对廉价硬件的依赖惯性。

这场危机或许也是一个契机，推动计算机架构和算法走向一个更高效、更绿色、更智能的新时代。毕竟，人类智慧的“内存”，永远不会因为芯片短缺而停止运转。