Carmack：用 NAND 闪存替代 HBM 降低推理成本
ID_AA_Carmack · x · 2026-07-07
John Carmack 指出，内存成本与容量是 AI 加速器的关键瓶颈。与游戏渲染不同，模型推理具有确定性的内存访问模式——模型权重并不需要真正的随机访问，只要能以所需带宽持续读取即可，甚至可容忍数毫秒级的冷启动延迟。由于 NAND 闪存每 GB 成本比 HBM 便宜百倍以上，即使为闪存控制器配备 1024 位接口以达到 HBM 级带宽，仍存在显著的成本优化空间，值得探索专用引脚协议。