Sam Altman szerint pazarlás, hogy a számítógépek memóriája többnyire kihasználatlanul áll

Sam Altman, az OpenAI vezérigazgatója szerint nem ideális, hogy a világ memóriakapacitásának jelentős része személyi számítógépekben található, miközben az AI-adatközpontok egyre nagyobb erőforrásigénnyel működnek. A Cheeky Pint podcast 2026. október 30-i adásában John Collisonnal beszélgetve úgy fogalmazott, hogy a jelenlegi helyzet „elég vacak”, mert szerinte ugyanazokat a memóriachipeket a szerverparkok sokkal intenzívebben tudnák használni.

Altman állítása szerint egy átlagos személyi számítógép memóriája az idő nagyjából öt százalékában végez tényleges munkát, míg egy adatközpont a nap jelentős részében aktívan használhatja a rendelkezésére álló kapacitást. A megjegyzés különösen érzékeny időszakban hangzott el, amikor az AI-infrastruktúra iránti kereslet a hagyományos számítógépes memória piacára is hatással van.

Az adatközpontokban jobban kihasználhatók a chipek?

Altman érvelésének középpontjában a hardverek kihasználtsága áll. Egy otthoni számítógép jellemzően nem dolgozik folyamatosan teljes terhelés mellett: a felhasználó időnként böngészik, dokumentumokat szerkeszt vagy alkalmazásokat futtat, a gép pedig hosszabb ideig készenléti vagy alacsony terhelésű állapotban lehet.

Egy adatközpont ezzel szemben sok felhasználó feladatait szolgálja ki párhuzamosan. A számítási kapacitás elosztható a különböző igények között, így a hardver egy adott időszakban több munkát végezhet. Altman ebből a szempontból tartja hatékonyabbnak a központi infrastruktúrát.

Az öt százalékos becslést ugyanakkor érdemes fenntartással kezelni. A memória kihasználtsága nem azonos a processzor terhelésével, és az sem feltétlenül jelent pazarlást, ha egy RAM-modul éppen nem végez intenzív adatmozgatást. A memória egyik alapvető feladata ugyanis az, hogy az alkalmazások számára azonnal rendelkezésre álljon, amikor szükség van rá.

Ráadásul a személyi számítógépek használata rendkívül eltérő. Egy irodai laptop, egy videóvágásra használt munkaállomás és egy helyben futtatott AI-modellekkel dolgozó számítógép memóriaigénye között jelentős különbségek lehetnek. Altman kijelentése ezért inkább az erőforrások elosztásáról szóló érvelésként értelmezhető, nem pedig minden PC-re érvényes műszaki mérésként.

A memóriahiány miatt különösen érzékeny a kérdés

A beszélgetés időzítése azért fontos, mert az AI-szerverek iránti kereslet a memóriaipar termelési döntéseit is befolyásolja. A gyártók egyre nagyobb figyelmet fordítanak az adatközpontok számára készülő memóriatermékekre, miközben a hagyományos DRAM piacán is erős árnyomás jelentkezik.

A TrendForce előrejelzése szerint a hagyományos DRAM szerződéses árai 2026 első negyedévében akár 90–95 százalékkal is emelkedhettek. Ez a becslés egy adott piaci időszakra és szerződéses árszegmensre vonatkozik, ezért nem jelenti azt, hogy minden fogyasztói RAM-modul bolti ára ugyanekkora mértékben nőtt volna.

A memóriagyártás kapacitásainak átrendeződése azonban a személyi számítógépek vásárlóit is érintheti. Ha a hagyományos memória drágábbá válik, az nemcsak az új PC-k árát emelheti, hanem a meglévő gépek bővítését is megnehezítheti.

Ebben a környezetben Altman állítása könnyen úgy értelmezhető, mintha az AI-adatközpontoknak nagyobb szükségük lenne a szűkös erőforrásokra, mint az otthoni felhasználóknak. A kihasználtság szempontjából ez bizonyos munkafolyamatok esetében logikus érv lehet, de önmagában nem dönti el, hogy a memória elosztása kinek kedvezzen.

Mi lesz azokkal, akik saját gépen szeretnének AI-t futtatni?

Altman a beszélgetésben elismerte, hogy sok felhasználó kifejezetten a helyben futtatott mesterséges intelligenciát részesíti előnyben. A local inference lényege, hogy az AI-modell nem távoli szerveren, hanem a felhasználó saját számítógépén dolgozik.

Ennek több oka is lehet. A helyi futtatás lehetővé teheti, hogy bizonyos adatok ne hagyják el a felhasználó eszközét, és megfelelő hardver esetén internetkapcsolat nélkül is használhatók legyenek a modellek. Emellett nagyobb ellenőrzést biztosíthat a szoftverek és a futtatási környezet felett, különösen nyíltan hozzáférhető modellek esetében.

Az ilyen felhasználási módok azonban gyakran jelentős memóriakapacitást igényelnek. Minél nagyobb egy modell, annál fontosabbá válhat, hogy a számítógép elegendő RAM-mal vagy videomemóriával rendelkezzen. Ha ezek az alkatrészek drágulnak, a helyben futtatott AI belépési költsége is növekedhet.

A vita ezért túlmutat azon, hogy hol lehet a legtöbb számítási feladatot elvégezni egy adott memóriachip segítségével. A központi AI-szolgáltatások hatékonyabb hardverkihasználást kínálhatnak, míg a helyi futtatás az önállóság, az adatkezelés és a felhasználói kontroll szempontjából lehet fontos.

Altman megjegyzése így egy szélesebb technológiai kérdést is felvet: a mesterséges intelligencia fejlődésével a számítási erőforrások egyre inkább néhány nagy adatközpontban összpontosulnak-e, vagy továbbra is elérhetők maradnak azok számára, akik saját hardveren szeretnének dolgozni? A memóriaipar jelenlegi átalakulása miatt ez nem csupán elméleti kérdés, hanem a számítógép-vásárlók és az AI-fejlesztők számára is egyre kézzelfoghatóbb döntési helyzet.

Kapcsolódó cikkek