谷歌回收DDR4内存条，背后的真相

纯今 · 发表于 4 小时前

爱科技、爱创意、爱折腾、爱极致，我们都是技术控

您需要登录才可以下载或查看，没有账号？立即注册

x

本帖最后由纯今于 2026-9-4 10:02 编辑

对全球电脑垃圾佬们来说，这不是什么好消息
9月初的行业峰会上，谷歌供应链基础设施高级总监 Nikhil Cheriant，亲口确认了三件事。

一是谷歌在拆退役服务器，回收还能用的元器件。二是还在进口退役服务器，专门拆 DDR4 内存。三是谷歌自己设计制造把ddr4内存插回新 Al 服务器的转接卡。
毕竟，DDR4是1.2V，DDR5是1.1V，二者都是288针。

今后，大船来的内存，不是少了，而是根本就没有了，甚至，谷歌从全球进口，可以说：船头变了，船的行驶方向变了
我猜谷歌肯定已经暗地里执行的差不多了，才肯在会议上发布新闻

谷歌回收 DDR4 内存 + 自研转接卡的完整原因分析

一、最大核心背景：AI 已经内存受限（Memory‑Bound），而不是算力受限，这是范式的转变

Nikhil Cherian 的核心论断：早期大模型瓶颈是 GPU/TPU 算力不够；现在瓶颈变成内存容量不足。MoE 混合专家模型、多模态大模型、AI Agent，会疯狂吃掉系统内存、KV 缓存。一台 AI 服务器，高性能内存已经占到整机硬件成本 75%。昂贵的 TPU、GPU 芯片，如果没有足够内存，就只能闲置等待数据，数十亿算力投资直接被浪费。

HBM 高带宽内存专供芯片高速缓存，系统侧大容量内存（DDR4/DDR5）依然缺口巨大。DDR5 服务器内存现在供货紧张、涨价，产能跟不上云厂商疯狂扩张 AI 集群的速度。

二、为什么偏偏回收 DDR4，而不是直接买新 DDR5？
供货缺口优先于速度参数DDR5 带宽更高，但现在买不到足够多、足够大容量的服务器内存条。谷歌缺的首先是GB 容量，而不是 DDR5 那点带宽提升。对于AI 推理业务（TPU‑8i 这类推理集群），并不一定非要 DDR5 的高带宽，更大内存池放 KV 缓存才是刚需，DDR4 完全够用。
海量现成存量，成本极低谷歌过去十几年海量传统服务器退役，里面大量 32G/64G DDR4 ECC 内存寿命剩余很长，完全健康。拆旧内存≈几乎零成本获得大容量 DRAM；采购全新 DDR5 是天价，还抢不到货。甚至不惜进口外面的退役服务器，只为抠上面 DDR4 内存条，本质是 “抢 DRAM 颗粒”。
降供应链风险，建立内部循环库存不再 100% 依赖三星、海力士、美光的 DRAM 供货，自建一条内部内存回收供应链，对冲厂商产能、涨价风险。

三、为什么必须自己做转接卡（适配器）？新一代 AI 服务器主板、Arm Axion CPU、TPU 配套主板原生插槽只支持 DDR5，物理插槽、信号标准不一样：
  DDR4、DDR5 金手指插槽物理不兼容，插不进去；
  电压不同：DDR4=1.2V，DDR5=1.1V；
  内存控制器信号协议不一样，不能直接通信。

  这块谷歌自研转接卡的作用：

物理转接：DDR4 内存插在转接卡，转接卡再插到主板 DDR5 插槽；
电平、信号转换：翻译 DDR5 内存控制器信号，让老 DDR4 模组可以被新主板识别读写；
时序、稳定性调校：谷歌做固件补偿，保证旧内存在全新 AI 平台长时间 7×24 小时稳定运行。

四、使用场景（DDR4 不会拿来跑大模型训练）回收 DDR4 + 转接卡，主要用于推理服务器集群（TPU 8i），不是超大模型训练。训练任务仍然使用 HBM、高速 DDR5；推理更吃内存容量、对带宽敏感度更低，DDR4 复用性价比最高。
五、配套的另一半策略（软硬件双管齐下）硬件回收旧 DDR4 扩容内存池；软件同步做优化：KV 缓存压缩、模型稀疏优化，从源头降低内存消耗，两条路线一起对抗「内存墙」。
AI 算力芯片已经够用，但大容量 DRAM 内存严重缺货涨价；谷歌挖退役服务器库存的 DDR4 内存补容量缺口；因为新主板只支持 DDR5 插槽，于是自研转接卡解决物理、信号不兼容问题，把旧内存 “救活” 装到新一代 AI 推理服务器上。

对全球电脑垃圾佬们来说，这不是什么好消息