谷歌自研转接卡让DDR4硬插新AI服务器：内存荒这把火，烧到了巨头自家机房

麻薯滑芝士

哈喽大家好，欢迎来到今天的文章。

各位天天盯着英伟达股价、对HBM内存产能比对自己银行卡余额还上心的AI硬件投资者，各位在数据中心里负责维护上千台服务器、最近发现采购内存条比买显卡还难的运维工程师，各位正在做大模型训练和推理部署、每次调参都被OOM报错气得摔键盘的算法工程师和AI应用开发者，各位对谷歌TPU架构如数家珍、能从v2一路背到v5p的资深技术爱好者，各位在二手服务器市场里淘零件、看到"退役服务器拆机内存"几个字就两眼放光的捡垃圾达人，各位从事电子废弃物回收和循环经济产业、对巨头们的环保举措格外敏感的绿色科技观察者，各位手里握着美光、三星、SK海力士股票、每天刷内存价格走势图的散户股民，各位对AI行业供应链八卦特别感兴趣、就想知道大厂背后有哪些神操作的吃瓜群众——不管你属于上面列举的哪一类人，也不管你是真在搞AI还是纯粹爱看科技圈的魔幻现实主义故事，今天这篇文章都值得你泡杯茶坐下来慢慢看。因为就在这周，一则从谷歌内部供应链会议上泄露出来的消息，让整个硬件圈和AI圈的人都忍不住笑出了声又倒吸了一口凉气：谷歌现在居然开始把自己仓库里退役服务器的DDR4内存条一根根拆下来，装上特制的转接卡，然后塞进新一代AI服务器里继续用。你没看错，就是那种好几年前在普通台式机上都已经快要被淘汰的DDR4内存，现在被全球最有钱的科技公司之一当宝贝一样回收再利用，用来跑当今最烧钱的AI大模型。

这条消息最早由国外科技媒体Wccftech在2026年9月2日发布，距离今天2026年9月7日只过去了短短五天。台湾Techtimes在9月3日就跟进做了综合报道，把Wccftech那篇报道的核心信息完整搬进了中文读者的视野。按照Wccftech的披露，捅出这个消息的人是谷歌供应链基础设施高级总监尼基尔·切里安（Nikhil Cherian），他在一次行业峰会论坛上公开表态，整个AI行业正在经历一场剧烈的转变——以前大家愁的是算力不够，GPU买不到、排队等产能，现在算力的瓶颈还没完全解开，新的噩梦又来了：内存不够用了。切里安的原话是，AI行业已经从"算力受限"迅速转向了"内存受限"。这句话翻译成大白话就是：以前你跑不动模型是因为显卡不够快，现在显卡倒是快了，但内存容量和带宽跟不上，模型照样跑不起来，处理器只能干等着数据从内存里慢吞吞地往芯片里送。

切里安在论坛上还抛出了一个非常扎眼的数据：在当前这一代AI服务器里，高性能内存的成本已经占到整台服务器物料清单（也就是行业里常说的BOM成本）总成本的75%左右。咱们把这个数字掰开揉碎了看——假定一台AI服务器的物料总成本是一百万美元，那么其中有大约七十五万美元是花在内存颗粒上的，剩下二十五万美元才用来覆盖GPU或TPU芯片、主板、散热、电源、机箱等所有其他零部件。这个比例之所以高得离谱，根本原因不是内存颗粒本身有多贵，而是HBM（高带宽内存）的制造难度和稀缺程度远超普通人的想象。根据国际半导体产业协会（SEMI）中国总裁冯莉给出的预测，2026年HBM市场规模预计增长58%达到546亿美元，占DRAM市场近四成，尽管三星、SK海力士、美光三大原厂已经把70%的新增产能倾斜给HBM，但HBM产能缺口仍然高达50%至60%。一边是缺口巨大，一边是原厂拼命倾斜产能也填不满，价格自然就被顶到了天上。

正是因为内存成本占比如此之高、供应如此紧张，谷歌才不得不开始动一些"歪脑筋"。切里安在论坛上明确表示，为了打破这个内存瓶颈，谷歌同时在软件和硬件两条线上发力。软件那边他们做的事情包括优化底层函数库、调整模型架构、压缩KV Cache，目标只有一个——让每单位算力消耗的内存更少。硬件这边的操作就相当简单粗暴了：谷歌直接派人去拆退役服务器，把里面还能用的零件回收利用，建立起了一条内部循环供应链。具体到内存这件事上，谷歌甚至专门设计了特殊的硬件转接适配器，让上一代的DDR4内存条能够插到新一代AI服务器的主板上正常工作。切里安在论坛上甚至大方承认，谷歌现在明确地在做一些事情——他们把已经退役的服务器重新运回来，目的就是为了拆掉里面的DDR4内存模块。这种操作放在一家市值万亿级别的科技巨头身上，显得既荒诞又真实，像极了家里长辈把旧衣服上的纽扣剪下来留着备用，只不过谷歌剪的是价值几千美元一根的内存条。

为了让大家更好地理解谷歌为什么会走到这一步，咱们有必要先回顾一下谷歌今年在AI芯片方面的布局。2026年4月22日，在Google Cloud Next 2026大会上，谷歌正式发布了第八代TPU的两款全新产品：TPU 8t和TPU 8i，这两款芯片都将于今年晚些时候上市。其中TPU 8t专门针对AI模型的训练任务做了优化，TPU 8i则是专门为推理场景打磨的。根据公开的技术资料，每一颗TPU 8i芯片配备了288GB的HBM3e高带宽内存，内存带宽达到了惊人的8.6TB每秒。这个数字是什么概念？咱们找个参照物——目前市面上最顶级的消费级显卡，内存带宽大概在1TB每秒左右，而TPU 8i直接把这个数字翻了八倍多。除此之外，TPU 8i还在芯片内部集成了384MB的片上SRAM，专门用来存储活跃的键值缓存，也就是大模型推理时最占内存的KV Cache。这样做的好处是，模型在做推理时，频繁访问的中间数据可以直接从芯片内部的SRAM读取，完全不需要去查询外部系统内存，从而大幅降低了延迟，让芯片不用干等着数据从外面慢慢送进来。

更值得注意的是，TPU 8i服务器彻底抛弃了传统的x86架构主机处理器，改用谷歌自研的、基于Arm架构的Axion处理器来处理数据预处理等主机级任务。按照谷歌官方的说法，TPU 8t和TPU 8i均运行在公司自研的Axion ARM CPU平台上，由公司第四代液冷技术支持。而Axion处理器本身依赖的是高速DDR5内存架构。也就是说，在谷歌原本的设计蓝图里，新一代AI服务器的主机侧应该用DDR5，而不是DDR4。

看到这里你可能要问了：既然TPU 8i这么先进，设计蓝图里用的都是HBM3e和DDR5这种顶级内存，为什么谷歌还要去回收那些老掉牙的DDR4呢？答案就在切里安的那番话里——因为DDR5和HBM3e的供应实在太紧张了，以至于谷歌在某些情况下不得不退而求其次，用DDR4来替代DDR5，安装在新的AI服务器里。切里安的原话是"谷歌已经被迫在其新一代AI服务器中使用老旧的DDR4来替代DDR5内存模块，至少在某些情况下是这样"。也就是说，至少在某些批次或者某些配置的AI服务器里，谷歌已经没有办法全部用上DDR5了，只能用回收来的DDR4顶上。

这个事实暴露了整个AI行业当前面临的一个极其严峻的供应链现实。咱们用一组数据来感受一下这场内存荒到底有多凶：根据TrendForce集邦咨询的数据，2025年Q4到2026年Q1，全球DRAM合约价格连续两个季度上涨40%以上。Counterpoint最新报告显示，2026年Q1内存价格环比涨幅达80%至90%，DRAM、NAND、HBM全品类创下历史新高。更具体的数字是——64GB RDIMM服务器内存合约价从2025年Q4的450美元，飙升到2026年Q1的900美元以上，2026年Q2有望突破1000美元，半年时间翻了一倍多。一根256GB的DDR5服务器内存价格突破4万元人民币，单条售价相当于一台旗舰手机。而DDR4这边更魔幻：DDR4 16GB现货价较年初暴涨200%至340%，三星、美光等巨头一度集体暂停报价，在某些极端时段，DDR4价格反超DDR5，出现了"旧产品比新产品更贵"的倒挂现象。

为什么会出现这种"旧的比新的还贵"的魔幻景象？根子在于AI抢内存。三星、SK海力士、美光三大原厂垄断了全球九成以上的内存产能，AI浪潮袭来后，三巨头把80%的资本开支倾斜到HBM和DDR5这些高利润的AI存储产品上。HBM的高毛利正在重塑整个DRAM产业的产能结构，HBM消耗的晶圆面积和洁净室空间至少是普通DRAM的三倍。三大原厂已将约70%的新增产能向HBM倾斜，但HBM产能缺口仍达50%至60%。每多生产一片HBM晶圆，就意味着消费级DRAM的供应量少了一份。这种产能的"虹吸效应"不仅挤压了消费级DDR5的产能，连本该被淘汰的DDR4也被殃及——三大厂原计划逐步停产DDR4，结果因为AI数据中心需求造成的产能排挤效应，DDR4反而供应极为紧缺，价格涨势尤为明显。市场数据显示，以DDR4 8Gb（1G×8、3200）为例，2025年Q4合约价格相比Q3增长了42.9%，现货价格更大涨197%。预计2026年Q1 DDR4合约价格持续大涨50%达到13.5美元，而2025年6月时的合约价才4.12美元左右。这一变化甚至促使部分DRAM原厂重新评估DDR4的停产计划，三星对DDR4的停产可能将推迟到2026年底，SK海力士也同样将DDR4的停产延后至2026年。

在这种背景下，谷歌选择回收DDR4，与其说是抠门，不如说是被逼无奈的务实之举。HBM3e的生产良率低、工艺复杂，三星、SK海力士和美光这三家主要供应商的产能已经被各大云厂商和GPU厂商预订一空。DDR5虽然比HBM更容易生产，但同样面临晶圆产能分配和市场需求激增的双重压力，企业服务器专用DDR5内存涨价幅度尤其夸张，单条256G规格市场价突破4万元，消费级DDR5 PC内存一年内涨幅超过5倍。当原厂连新增产能的70%都砸给HBM、连DDR4的停产计划都被迫推迟的时候，谷歌作为一个每年要采购海量内存的超大规模云服务商，靠传统采购渠道已经很难拿到足够的DDR5了，这才有了拆退役服务器这个"土办法"。

当然，谷歌并不是只靠回收旧内存这一招来过日子。切里安提到的软件层面的优化同样值得关注，而且谷歌在这方面的投入相当系统化。谷歌正在从三个方向入手降低内存占用：第一是优化底层函数库，也就是那些跟内存读写打交道的底层代码，让每一次内存访问都变得更高效；第二是调整模型架构，通过设计更省内存的网络结构来减少对高带宽内存的依赖；第三是压缩KV Cache，这是大模型推理中最占内存的部分之一，如果能把它压缩得更小，同样的物理内存就能支撑更大的模型或者更高的并发。这三招叠加起来效果相当可观——根据谷歌官方披露，TPU 8i在性能上比上一代提升了80%，单位功耗性能较上一代提升了117%，而TPU 8t的性价比比前代提升2.8倍。但即便如此，硬件层面的内存缺口依然是实打实的，所以才有了拆旧服务器这种看起来有点狼狈的操作。

这件事情如果往深处想，其实折射出了整个AI产业链的一个结构性矛盾。过去几年，所有人的注意力都集中在GPU算力上，大家都觉得只要GPU够快、够多，AI就能起飞。于是英伟达的市值冲到了天上，台积电的CoWoS封装产能被挤爆，各大云厂商疯狂下单H100、B200。但是很少有人注意到，在这些GPU周围，还需要海量的高带宽内存来喂数据。一台AI服务器里，GPU固然贵，但HBM和DDR5的价格加起来同样不便宜，而且供应比GPU还要紧张。切里安说的75%占比，实际上是在提醒整个行业：内存已经成为了AI服务器里最贵的单项组件，甚至超过了GPU本身（如果把GPU和HBM打包算，GPU本身可能更贵，但这里单指DRAM成本）。这个信号对于投资者、对于供应链管理者、对于每一个关注AI行业发展的人来说，都是一个需要认真对待的警示。

对于普通读者来说，谷歌拆旧服务器回收DDR4这件事，最大的看点和启示其实不在于技术细节，而在于它揭示了科技巨头在极端供需失衡下的生存智慧。当市场买不到你想要的东西时，你只能从自己身上想办法。谷歌有自己的数据中心、有自己的退役服务器库存、有足够的工程能力去设计转接适配器、有完善的供应链管理体系来执行回收流程——这些东西加在一起，构成了一个别人很难复制的内部循环系统。换一家小一点的云计算公司，可能连退役服务器都没几台，更别提专门设计转接卡了。所以谷歌这种做法，既是无奈之举，也是一种资源禀赋的体现。这就像隔壁老王家里揭不开锅了，发现自家阁楼还有几袋陈米，赶紧扛下来煮饭吃——不是陈米香，是新米实在买不起了。

回到Wccftech那篇报道本身，它发布于2026年9月2日，到今天2026年9月7日只过去了五天。在这五天里，这个消息已经在硬件爱好者和AI从业者之间传开了，讨论热度相当高。有人调侃说谷歌这是"勤俭持家"，有人说这是"AI泡沫的又一个信号"，也有人冷静分析说这只是大厂供应链管理的常规操作。不管你怎么看，有一点是确定的：内存短缺正在成为制约AI发展的下一个硬瓶颈，而这个瓶颈不会在短时间内消失。根据集邦咨询的报告，2026年第三季整体DRAM格局持续极度紧缺，预计合约价将季增13%至18%；多家机构判断，AI需求驱动的结构性紧缺仍将支撑高价态势至少延续至2027年，中信证券研报认为存储供不应求局面或至少持续至2027年。国泰海通研报说得更直接：存储行业已经成为制约AI基建的关键瓶颈，AI需求驱动的结构性短缺贯穿全产业链，供需缺口仍在加深，第三季度合约价涨幅放缓并非周期见顶信号，长期来看存储价格的上涨趋势有望延续至2027年。

所以，下次你在网上看到有人卖"谷歌服务器拆机DDR4内存条"的时候，别急着嘲笑——说不定那就是从某台曾经跑过Gemini训练的服务器上拔下来的，而且它很快又会装进一台新的AI服务器里，继续为谷歌的下一代大模型发光发热。这就是2026年AI硬件世界的真实写照：魔幻，但真实。当三大原厂把70%的新增产能都砸向HBM、当DDR4的停产计划被迫一再推迟、当一根256GB的DDR5服务器内存卖到4万元一根、当AI行业从"算力受限"转向"内存受限"、当高性能内存占到AI服务器物料成本的75%——谷歌拆退役服务器这个看似荒诞的举动，其实是整个行业在极端供需失衡下的一个必然反应。接下来我们会看到更多类似的"奇招"：也许亚马逊会拆旧服务器里的SSD，也许微软会重新启用某些被淘汰的内存技术，也许Meta会跟内存厂商签订更疯狂的长期协议。所有这些动作的背后，都是同一个驱动力：AI对内存的胃口，大到连谷歌这样的巨人都得弯腰去捡旧零件。对于投资者来说，这意味着存储芯片的超级景气周期还远未结束；对于消费者来说，这意味着你下半年想买的电脑、手机还会继续涨价；对于整个科技行业来说，这意味着"内存墙"这道坎，比所有人预想的都要更难迈过去。