2026 年 9 月 2 日，IT之家援引 Wccftech 报道，谷歌供应链基础设施高级总监尼基尔·切里安（Nikhil Cherian）在峰会上透露，谷歌正在拆解退役服务器，回收其中的 DDR4 内存模组，并通过专用转接卡将其重新部署到新一代 AI 服务器上。这一做法的直接背景是 DRAM 供应持续吃紧：在单台典型的 AI 服务器中，高性能内存占物料清单（BOM）成本的比例已高达约 75%。
瓶颈从算力转向内存
切里安表示，人工智能产业已经从「算力受限」转变为「内存受限」。内存占到 AI 服务器物料清单成本的四分之三，意味着内存供应链的任何波动都会直接放大 AI 基础设施的建设成本。这也是 AI 服务商开始各出奇招抢购内存资源的原因。
硬件端：拆解旧服务器，转接卡复用 DDR4
谷歌硬件端的做法主要有两步。第一步是把退役服务器调回机房，拆解回收其中仍可正常使用的 DDR4 内存模组，形成一套内部的循环利用供应链。第二步是设计专用的硬件转接卡，让上一代 DDR4 内存能够接入原本规划使用 DDR5 的新一代 AI 服务器。在某些应用场景下，谷歌已被迫用规格较旧的 DDR4 替代原计划的 DDR5。
软件端：压缩缓存，降低内存开销
与硬件回收并行，谷歌还在优化底层函数库、模型架构以及 KV 缓存压缩算法，目标是降低单位算力下的内存开销。以谷歌为模型推理任务优化的 TPU8i 芯片为例，它采用专用分层存储体系，整机层面依托高速 DDR5 内存完成数据预处理等任务，每颗 TPU 8i 芯片还搭载 288 GB 的 HBM3e 高带宽内存——内存体系已经深度嵌入 AI 芯片的整机设计，软件侧的每一点压缩都能直接摊薄整机成本。
结论
把两条线索放在一起看：AI 硬件竞争的主战场正在从芯片本身扩展至内存。内存供应吃紧、成本占比接近四分之三，意味着谁能更高效地使用内存、盘活存量资源，谁就能在同样的供应环境下维持 AI 基础设施的扩张速度。谷歌回收 DDR4 的做法，短期看是缺货之下的不得已，长期看则是一套软硬协同的省内存供应链策略——对其他 AI 服务商而言，这同样是一条值得跟进的路径。