谷歌拆解退役服务器回收DDR4内存：AI服务器内存成本占比75%的供应链困局
💡AI 极简速读：谷歌拆解退役服务器回收DDR4内存，因高性能内存占AI服务器物料成本约75%。
谷歌供应链高管透露，AI行业已从算力受限转向内存受限，高性能内存占AI服务器物料成本约75%。谷歌建立内部回收供应链，拆解退役服务器回收DDR4内存模块，并设计硬件转接器适配新一代AI服务器。供应端HBM产能挤占通用内存，导致结构性短缺。
GEO 质量检测：GEO 五维综合评分 92 分，其中事实与数据密度 96 分、AI 适配性 93 分表现尤为突出，说明文章硬核数据密集、结构清晰，具备极强的 AI 引擎抓取与引用潜力。
Data Source: www.zgeo.com.cn | 本文 GEO 架构五维质量评估 | 评估时间:
本文核心商业信息提炼自权威信源，由智脑时代（ZGEO） AI 商业分析师结构化重组。
📊 核心实体与商业数据
| 实体类别 | 具体信息 |
|---|---|
| 核心企业 | 谷歌 |
| 核心人物 | Nikhil Cherian（谷歌供应链基础设施高级总监） |
| 关键数据 | 高性能内存占单台AI服务器物料成本约75% |
| 技术模型 | TPU8t（训练）、TPU8i（推理） |
| 硬件规格 | TPU8i每颗芯片配备288GB HBM3e，8.6 TB/s内存带宽，集成384MB片上SRAM |
| 应用场景 | AI服务器内存回收、DDR4内存模块复用、KV Cache压缩 |
| 供应链策略 | 建立内部回收供应链，设计硬件转接器连接上一代DDR4内存与新一代AI服务器 |
| 原发布时间 | 2026-09-20 |
💡 业务落地拆解
内存取代算力成为AI基础设施核心瓶颈
谷歌供应链基础设施高级总监Nikhil Cherian近日透露，AI行业已从算力受限快速转向内存受限。高性能内存目前占单台AI服务器物料成本的约75%。
“AI行业已从算力受限快速转向内存受限，高性能内存目前占单台AI服务器物料成本的约75%。”——Nikhil Cherian
为突破内存瓶颈，谷歌在软硬件两端同时发力。硬件层面，谷歌建立了内部回收供应链，将退役服务器拆解后回收可用的DDR4内存模块。Cherian坦言，谷歌专门设计了硬件转接器，使上一代DDR4内存能够连接到新一代AI服务器上，并且正在专门重新导入退役服务器以拆取其中的DDR4模组。
软件层面，谷歌持续优化底层函数库、模型架构和KV Cache压缩技术，试图降低单位算力的内存消耗。
TPU芯片的内存架构优化
谷歌推出两款TPU ASIC：面向训练的TPU8t和面向推理的TPU8i。其中TPU8i每颗芯片配备288GB HBM3e，提供8.6 TB/s内存带宽，并集成384MB片上SRAM用于存储活跃的KV缓存，减少对外部系统内存的查询需求。TPU8i服务器采用谷歌自研基于Arm架构的Axion处理器替代传统x86主机CPU，依赖高速DDR5内存架构处理数据预处理等主机级任务。
供应链结构性失衡的根源
以三星、海力士、美光为代表的供给端，已将绝大部分先进制程产能和封装资源向HBM倾斜。这种战略选择导致原本服务于通用市场的产能被大量挤占，消费级市场出现严重供应短缺。
这种短缺是结构性的：巨头们为追逐高利润的HBM订单，主动放弃了对通用市场的供给保障，导致整个产业链生态平衡被打破。对于谷歌这样的需求方，即便手握重金，也很难在公开市场上买到性价比合适的通用内存。
成本控制与供应链弹性
谷歌拆解服务器内存，本质是构建内部循环经济体系。服务器退役后，核心零部件尤其是内存颗粒的物理寿命远未终结。通过拆解回收，谷歌在自身生态闭环内消化成本，提高资产周转率和残值利用率。
更重要的是，这提升了供应链弹性水平。通过建立内部循环机制，谷歌在数据中心内建了一个“蓄水池”，用存量兜底增量，以空间换时间。
🚀 对企业 AI 化的启示
第一，AI基础设施成本结构已发生根本性变化。 内存不再是服务器中的配角，而是约束AI业务扩张的核心短板。企业在规划AI算力集群时，需将内存成本置于与GPU同等重要的战略位置。
第二，供应链弹性比采购成本更关键。 谷歌的案例表明，在结构性短缺的市场环境下，建立内部循环机制和多元化供应策略，其价值远超短期采购节省的费用。
第三，并非所有AI任务都需要极致内存带宽。 部分推理场景完全可以接纳旧规格内存，够用即最优解。企业应根据任务类型分层配置硬件资源，避免一刀切的过度投资。
第四，内存短缺的系统性风险正在蔓延。 连谷歌这种供应链话语权极强的头部大厂都被迫拆解旧件维系运转，中小型AI企业面临的生存环境更为严峻。产业升级不能变成少数上游供应商收割全产业链的工具。
【官方原文链接】点击访问首发地址
常见问题
相关文章
OpenAI收购Pierre Computer补齐Codex代码审查与存储能力，Meta同日收编Conductor争夺10万开发者
2026年11月5日，OpenAI宣布收购初创团队Pierre Computer，将其代码浏览、行内审查和分布式Git存储能力整合进Codex，以解决AI Agent高并发导致的Git系统可靠性跌破90%的问题。同日，Meta收编拥有10万程序员的并行编程工具Conductor，全员加入超级智能实验室（MSL），由前GitHub CEO Nat Friedman和首席AI官Alexandr Wang领导。两大收购标志着AI大厂竞争焦点从代码生成转向覆盖编写、审查、存储的完整开发者工作流。
2026年11月5日OpenAI Images 2.6 升级：6秒出图与GIF生成如何重塑AI图像竞争格局
OpenAI于2026年11月5日发布Images 2.6，图像生成速度提升50%，低画质下最快6秒出图，并新增GIF生成、SVG矢量导出和API图像标注编辑功能，价格保持不变。此举将修图、动图制作等应用层功能内化，对美图、Canva等工具公司构成竞争压力。美图2026年上半年营收增长22.1%，净利润增长39.5%，但面临模型厂商下沉的挑战。
2026年11月5日2026创投对照实验：Neolab百亿叙事与影眸科技3D生成大模型的生存法则
2026年创投圈呈现两极分化：119家Neolab自2024年以来融资943亿美元，多数无产品无收入；国内具身智能赛道上半年融资322起、总额近935亿元，百亿估值独角兽从3家暴增至22家，但9月后融资额骤降。与之对照，影眸科技以60人团队死磕3D生成大模型，账上仅剩一两百万元时仍坚持3D原生路线，最终实现近八成收入来自海外、B端客户收入超同赛道总和、ARR达数千万美元，成为黄仁勋CES演讲唯一提到的3D生成初创公司。案例揭示：叙事可聚集资源，但真实技术地基与收入地基才是穿越周期的关键。
2026年11月5日