AI PC装机指南

在科技圈，并非所有大佬的脑洞都值得深究，但 John Carmack 的每一次思考，都能引发行业震动。这位传奇程序员、游戏引擎先驱，近期在X平台抛出了一个极具颠覆性的设想：用一段超长光纤环路，作为AI加速器的L2缓存，专门流式传输AI模型权重，以近零延迟、超大带宽的优势，挑战传统DRAM（内存）的地位——本质上，这就是现代版“延迟线存储”，只不过将传统介质换成了激光与光纤。

核心设想：光纤环路=AI专属L2缓存，靠激光承载海量数据

Carmack 的灵感，源于当前单模光纤的技术突破：如今单模光纤的传输速度已达到256 Tb/s，传输距离可轻松覆盖200公里。经过他标志性的“ Doom 机箱背面式粗略计算”（随性却精准的估算方式），得出了一个关键结论：在任意时刻，这段200公里长的光纤电缆本身，就能够“携带”高达32 GB的数据。

这一数据量，恰好适配当前AI模型权重的访问需求——AI模型在推理时，权重需顺序访问，即便在训练场景中，也几乎遵循“顺序读取”的逻辑。基于此，Carmack 进一步延伸思路：

将这段超长光纤环路，打造成AI加速器的专属L2缓存，专门存放并流式传输AI模型权重，确保AI加速器始终处于“数据喂饱”的高效状态；而传统DRAM，则可降级为SSD（固态硬盘）与AI处理器之间的临时缓冲区，甚至未来有望被彻底替代，从根源上优化AI数据传输的效率与成本。

并非全新概念：现代版“延迟线存储”，复刻上世纪科技思路

这一颠覆性设想抛出后，迅速引发行业热议，不少高薪技术从业者纷纷留言，其中一个核心观点戳中关键：Carmack 的想法，本质上是“延迟线存储”的现代复刻版。

延迟线存储技术最早可追溯到上世纪中叶，是计算机早期的一种数据存储方式——当时的工程师们，利用介质传递信号的延迟特性来存储数据，最经典的方案是用水银作为介质，以声波作为数据载体，靠声波在水银中的传播延迟，实现数据的临时存储与读取。

不过，水银的腐蚀性、不稳定性等问题，让这种技术难以实现规模化应用。甚至连图灵（Alan Turing）本人，都曾脑洞大开地提议，用杜松子酒混合物作为延迟线存储的介质，试图解决水银的弊端，可见“用延迟介质存储数据”的思路，早就是科技先驱们探索的方向。

而 Carmack 的创新之处，在于将“延迟介质”从水银、酒精，换成了如今技术成熟、传输效率极高的光纤，将“声波信号”换成了激光信号，让这一古老思路，有了适配AI时代的可行性。

优势与局限并存：节能是核心亮点，成本与技术瓶颈待突破

抛开“脑洞感”，Carmack 的这一设想，并非空中楼阁，其最核心的现实优势，在于极致的功耗节省。

当前，AI服务器的DRAM（内存）是主要的功耗消耗点之一——为了维持内存中的数据不丢失、确保高速访问，DRAM需要持续供电，耗电极高；而光纤传输依赖激光信号，操控光信号的功耗极低，且光信号的传输路径、延迟特性可预测、易处理，这对于追求低功耗、高稳定性的AI算力场景来说，极具吸引力。Carmack 本人也直言：“光纤传输的增长轨迹，可能优于DRAM”。

但与此同时，这一设想也面临诸多现实局限，最突出的就是成本问题：即便不考虑200公里光纤的铺设、维护等物流成本，仅光纤本身的采购成本，就相当高昂，短期内难以实现规模化应用。

此外，行业从业者也指出了其他潜在问题：为了保证200公里光纤的信号强度，需要配备光放大器，同时需用DSP（数字信号处理器）处理光信号，这两者的功耗，可能会侵蚀光纤传输的节能优势；而且随着AI行业的规模化发展，DRAM的价格长期呈下降趋势，其性价比优势仍难以被轻易超越。

甚至有大佬抛出了更“离谱”的延伸设想——Elon Musk 就留言提议，用真空作为光信号的传输介质（也就是“太空激光”方案），试图进一步降低信号衰减，但这种设计的实用性、落地难度，比光纤方案更高，目前仅停留在设想阶段。

更现实的折中路径：闪存直连AI加速器，已有科研团队布局

值得注意的是，Carmack 并非一味沉迷于“脑洞”，他在推文中也暗示了更具现实可行性的折中路径：利用现有的闪存芯片，直接将足够数量的闪存芯片，与AI加速器建立直连，通过精准优化时序问题，替代部分DRAM的功能，实现“低成本、高适配”的AI数据传输方案。

这一方案的核心难点，在于需要闪存厂商与AI加速器厂商，共同制定统一的标准接口，确保闪存与加速器之间的兼容性、传输效率。但 Carmack 认为，鉴于当前AI领域的巨额投入，各大厂商大概率会主动推动接口标准化，这一前景并不遥远。

事实上，这一思路并非Carmack首创，目前已有多个科研团队，探索过类似的技术路径：2021年推出的Behemoth、FlashGNN、FlashNeuron，以及近期的Augmented Memory Grid，都是“用闪存或类光纤介质，优化AI数据存储与传输”的尝试。不难想象，这些方案中，或许有一款或几款，已经进入了实际测试阶段，甚至可能已小范围落地应用。

脑洞背后，是AI算力场景的核心痛点

Carmack 用光纤当L2缓存的设想，看似“天马行空”，实则精准击中了当前AI算力场景的核心痛点——AI模型越来越大，对数据传输的带宽、延迟、功耗要求越来越高，传统DRAM的性能、功耗瓶颈，已逐渐难以适配AI行业的发展速度。

无论光纤缓存的设想，最终能否落地，它都为行业提供了一个全新的思考方向：AI数据存储与传输，未必需要局限于“DRAM+SSD”的传统架构，借助光传输、闪存直连等新技术，或许能找到更高效、更节能的解决方案。而这，也正是大佬们的脑洞价值所在——不追求一蹴而就的落地，而是用颠覆性思考，推动行业突破认知边界。