OpenAI 首席执行官山姆·奥特曼主张,比起个人持有高性能内存(DRAM)来运行本地 AI,将这些资源集中到数据中心使用会高效得多。
想象一下:你花重金购买了一台顶级电脑,里面配备了可以瞬间处理海量数据的高性能内存(DRAM,即电脑工作时临时存储数据的空间)。然而有一天,世界上最著名的 AI 企业掌门人出现,说你的电脑正在“浪费”那些珍贵的内存,你会有什么感觉?
最近,OpenAI 首席执行官山姆·奥特曼(Sam Altman)在一次播客采访中的发言引发了 IT 界的强烈反响。他批评全球有限的内存资源分散在个人电脑中是“非常糟糕的(terrible)” [出处标题]。他为何会提出如此具有挑衅性的观点呢?
这为何重要?
这次发言不仅是对内存技术的争论,更是对未来我们使用 AI 方式的根本性质疑。过去,许多用户梦想着“本地 AI”技术,即无需联网即可在自己的设备上直接运行 AI。但按照奥特曼的逻辑,未来的 AI 可能会理所当然地通过中央集中的“数据中心(汇集巨型超级计算机的设施)”提供,而不是依靠个人设备。这番言论预示着在消费者选择权或个人自主权方面将发生重大变化。
浅显易懂的解读
为了让你轻松理解奥特曼的观点,我们来做一个类比:
把电脑内存(DRAM)想象成“汽车”。全世界的人都在自己家门口停着一辆车,但实际上,一天中只有 5% 的时间在开车,剩下的 23 个多小时都停在空荡荡的停车场里 [出处标题]。山姆·奥特曼看到这种情况,就像是在说:“为什么要每个人都自己拥有汽车呢?如果把这些车全部集中起来成立一家出租车公司,不仅能让需要的人 24 小时用车,还能搭载更多的人。”
也就是说,个人在电脑里安装内存,却在实际 AI 工作中只使用极少一部分(约 5%),这是一种资源浪费。相反,如果将这些内存集中到中央数据中心,专注于 AI 运算,就能打造出更强大、更高效的 AI 服务,这就是他的逻辑 [出处标题]。
我们所处的位置
目前 AI 业界大致分为两个阵营。一方倾向于像我们这样在个人设备上直接运行的本地 AI 模型;另一方则像奥特曼的 OpenAI 一样,强力推动基于数据中心的云服务(利用在线服务器的服务)。奥特曼极力辩护称,通过数据中心进行 AI 处理比在个人设备上运行本地 AI 高效得多 [出处标题]。
他的批评出发点在于,个人在自己的设备上配备昂贵内存并运行 AI 的趋势,阻碍了全球有限的内存供应链和数据中心的高效运营 [出处标题]。
未来会发生什么?
奥特曼经常发表打破过去技术产业常识的言论。这次发言也蕴含了他对 AI 时代资源流向的强烈意图。未来的技术发展看起来将摆脱单纯让巨型模型变得更大的方式 [出处标题],转而演变成一场资源利用效率的较量。
你是怎么想的呢?为了数据中心的效率,放弃我电脑的资源,将所有 AI 托管给云端,这样的未来好吗?还是说,即使稍微低效一点,所有一切都能在我设备内处理的本地 AI 自由更为珍贵呢?虽然 AI 技术正在发展,但关于享受该技术方式的思考似乎才刚刚开始。
MindTickleBytes AI 记者的视角
个人用户希望直接掌控自己的设备。技术效率固然重要,但用户体验和选择权也是不可忽视的价值。以效率为名,个人的自主权是否会被数据中心所吞噬,这仍有待观察。
就像智能手机出现之前,人们会各自随身携带便携式 MP3 播放器和导航仪,但最终它们整合进了智能手机这一台设备一样,AI 资源可能也终将汇聚成最高效的方式。然而,在这个过程中,我们个人所失去的“掌握在手中的控制权”该如何得到补偿,仍是一个巨大的难题。
参考资料
- OpenAI CEO Sam Altman Says You Having DRAM Instead Of Data Centers Is Terrible
- OpenAI CEO Sam Altman says its “terrible to have everybody have a bunch of the world’s limited supply of DRAM instead of shoving it all in datacentres”
- Sam Altman says local AI inference wastes scarce memory
- Sam Altman says your DRAM is being wasted on you - daily.dev
-
[OpenAI’s CEO Says the Age of Giant AI Models Is Already Over WIRED](https://www.wired.com/story/openai-ceo-sam-altman-the-age-of-giant-ai-models-is-already-over/)
- 因为个人电脑的性能太低
- 因为这是在数据中心可以更高效使用的资源
- 因为 DRAM 价格太贵
- 约 5%
- 约 50%
- 约 98%
- 本地 AI 运行
- 基于数据中心的 AI 处理
- 内存共享网络