游戏之神提了个疯狂建议：用 200 公里光纤当电脑内存，全世界都炸了
如果我告诉你，一根从北京到天津的光纤，能当电脑内存用，你会怎么想？
是我疯了，还是科技疯了？
前几天，游戏界传奇人物 John Carmack（《毁灭战士》《雷神之锤》创始人，现在在研究 AI）在推特上发了条消息：
"200 公里的光纤，延迟和 DRAM（电脑内存）差不多。"
全网炸了。
有人嘲笑："这家伙是不是烧坏脑子了？"
有人困惑："光纤不是用来上网的吗？"
少数人沉默了几秒，然后说："卧槽，他是认真的。"
今天我们聊聊：这个看似疯狂的想法，背后藏着什么深刻的洞察。
🤯 Part 1: 这个想法到底有多疯狂？
先搞清楚：什么是内存？
电脑内存（RAM）就是电脑的"工作台"。
想象你在做饭：
- 硬盘（SSD） = 冰箱（存大量食材，但拿取慢）
- 内存（RAM） = 灶台（放正在用的食材，拿取快）
- CPU = 你的手（处理食材）
你做菜时，手要不停地从灶台拿东西。如果灶台太小，你得频繁跑去冰箱拿，效率就低了。
内存就是这个"灶台" —— 越大、越快，电脑运行越流畅。
那光纤是干嘛的？
光纤是用来传输数据的 —— 比如你家的宽带，就是光纤。
光在光纤里跑得飞快：每秒 20 万公里（差不多地球赤道 5 圈）。
但问题来了：光纤是用来"传数据"的，怎么能当"存数据"的内存？
这就是 Carmack 的疯狂之处。
🧠 Part 2: 这个疯狂想法怎么实现？
原理：让光在光纤里"兜圈子"
Carmack 的想法是：把光纤弄成一个圈，让数据（光信号）在里面不停地转。
数据在光纤里转一圈，需要 1 毫秒（0.001 秒）。
等等，1 毫秒 = 内存速度？
你可能要说了：
"内存的访问速度是 100 纳秒（0.0000001 秒），1 毫秒慢了 10,000 倍！你在逗我？"
这就是天才和普通人的区别。
Carmack 说的"延迟差不多"，不是指随机访问，而是指 AI 的顺序访问。
🎯 Part 3: AI 不需要"随机访问"，它需要"数据流"
传统程序 vs. AI 程序
传统程序（比如你打开网页）：
AI 推理（比如 ChatGPT 生成文字）：
AI 读数据就像读书 —— 从第 1 页读到第 100 页，不会跳来跳去。
光纤的妙处：预加载
如果你提前知道 AI 要按顺序读数据，你可以这样做：
只要数据流不停，AI 根本感觉不到延迟！
就像传送带：虽然每个零件从头走到尾要 1 分钟，但只要传送带不停，工人每秒都能拿到新零件。
💡 Part 4: 为什么这个想法很重要？
问题 1：内存太贵，太耗电
你知道数据中心（那些放服务器的大楼）最费电的是什么吗？
不是 CPU，是内存。
一个大型数据中心，40% 的电费都花在给内存"续命"上。
为什么？因为内存（DRAM）是"动态"的 —— 它每隔几毫秒就会"忘记"数据，必须不停地刷新。
就像你用手捧水，必须不停地合拢双手，否则水就漏了。
光纤不一样：光在里面转，几乎不耗电。
问题 2：AI 模型越来越大
ChatGPT、Claude 这些 AI 模型，参数动辄上百亿、上千亿。
这些参数都要存在内存里，才能快速调用。
但内存很贵：
- 16GB 内存：~500 元
- 128GB 内存：~4000 元
- 1TB 内存：天价
如果能用便宜的光纤代替昂贵的内存，成本能降低 90%。
Carmack 的真实意图：挑战默认假设
其实 Carmack 不是真的要你去买 200 公里光纤。
他在问一个更深刻的问题：
"我们为什么默认 AI 需要内存？
为什么不能用更便宜、更省电的东西？"
这就像有人问：
"我们为什么默认汽车要烧油？
为什么不能用电？"
20 年前，这是疯子的问题。
今天，特斯拉市值上万亿。
🔥 Part 5: 全网反应：嘲笑、困惑、顿悟
反应 1：嘲笑派
"200 公里光纤？你是要把数据中心建在高速公路上吗？"
"这比特币矿机还离谱。"
"下一步是不是要用卫星当内存？"
这些人的问题：把"思维实验"当成了"实施方案"。
反应 2：困惑派
"光纤不是用来上网的吗？怎么能当内存？"
"1 毫秒不是比 100 纳秒慢很多吗？"
"我没看懂。"
这些人的问题：缺少 AI 和存储的背景知识。
反应 3：顿悟派
"等等，他说的是延迟线存储器！这是 1940 年代的技术！"
"他在挑战冯·诺依曼架构的默认假设。"
"天才。"
这些人看懂了：Carmack 不是在提方案，而是在提问题。
🚀 Part 6: 更实际的方案：闪存直连 AI 芯片
Carmack 后来说了：
"光纤只是个思维实验。更实际的方案是：把闪存（Flash）直接连到 AI 芯片上，跳过内存这一层。"
传统 AI 服务器：
Carmack 的愿景：
这样做的好处：
- ✅ 成本降低 80%
- ✅ 功耗降低 60%
- ✅ 不需要 200 公里光纤
但需要：
- 新的接口标准（闪存 → AI 芯片）
- AI 芯片的设计改变
- 行业共识
🤔 Part 7: 这告诉我们什么？
1. 别被"默认假设"绑架
所有人都在优化内存速度，Carmack 问：
"我们还需要内存吗？"
所有人都在买更快的 DRAM，Carmack 问：
"为什么不用便宜的闪存？"
这就是创新的起点：质疑默认。
2. AI 时代需要新架构
过去 70 年，电脑都是这样设计的：
但 AI 不需要这套！
AI 需要的是：
- 大带宽（持续供应数据）
- 低功耗（省电）
- 大容量（存得下上千亿参数）
传统架构满足不了，所以需要重新设计。
3. "疯狂"和"天才"只差一步
Carmack 的光纤提案，听起来疯狂。
但仔细想想：
- ✅ 延迟确实和内存差不多（对 AI 来说）
- ✅ 功耗确实更低
- ✅ 成本确实更便宜
问题只是：我们愿不愿意抛弃旧思维。
📝 写在最后
200 公里光纤当内存，听起来像科幻小说。
但 50 年前，有人提出"用电代替油"，也被当成笑话。
30 年前，有人提出"用手机上网"，也被认为是疯子。
10 年前，有人提出"AI 能写代码"，程序员都在嘲笑。
今天呢？
Carmack 的光纤方案可能永远不会实现。
但他提出的问题，已经在改变行业：
- Google TPU 直接用 HBM（高带宽内存）
- Apple M 系列用统一内存
- NVIDIA 在研究 CXL（新接口标准）
当所有人都在优化旧系统时，天才在重新设计新系统。
当所有人都在回答"怎么做得更好"时，天才在问"为什么要这样做"。
💬 你怎么看？
如果你是 AI 芯片设计师，你会考虑 Carmack 的方案吗？
还是觉得这只是个有趣的思维实验？
欢迎在评论区聊聊你的想法。
📊 关键数据
- 光速： 20 万公里/秒
- 200 公里光纤延迟： ~1 毫秒
- DRAM 访问延迟： ~100 纳秒
- 数据中心内存功耗占比： ~40%
- 闪存直连潜在节省： 成本 -80%，功耗 -60%
参考来源： Tom's Hardware, John Carmack Twitter, IEEE Spectrum