10 月 9 日，技嘉宣布旗下所有 B760 和 H610 主板将通过 BIOS 更新，支持计划于 2027 年初推出的新款英特尔 LGA1700 处理器，其中明确包含 DDR4 主板。
“新三年，旧三年，缝缝补补又三年”，DDR4 的重新活跃并非出于怀旧，而是成本和销量双重压力下的结果。
市场研究机构 Omdia 的估算显示，内存与 SSD 在 PC 物料成本中的占比，已从通常的约 15% 一路攀升至接近 40%。
与此同时，另一家市场研究机构 IDC 的初步数据表明，2026 年第三季度，全球 PC 出货量同比下降 20.1%，市场寒意明显。
就连被称为“最佳 AI PC”的 Mac，也未能幸免，2026 年第三季度出货量同样出现同比下滑。
当 AI 行业不断突破性能上限，PC 厂商面临一个日益紧迫的问题：如何让消费者还能买得起一台普通电脑。
内存涨价的冲击并非新鲜事。
APPSO 此前提到，随着 AI 服务器对 HBM 和服务器 DRAM 的需求持续增长，存储厂商将更多资源转向利润更高的数据中心产品，留给消费级内存的产能增长空间受到挤压。
产能倾斜后，价格率先反应。过去一年多里，内存与 SSD 的报价持续上涨，从采购端的报价单传导到整机成本表，原本占比不高的存储部件，如今成为物料清单中成本最高的部分。
TrendForce 以一款建议零售价 900 美元的主流笔记本为例进行测算：2026 年第三季度，CPU、DRAM 和 SSD 已占据物料成本约 68%。
为此，过去几个季度，PC 厂商多次提价，但仍未能完全覆盖成本上升。尤其当消费者看到价格上涨，很难不产生让旧电脑继续使用的想法。
今年第三季度的出货下滑正是发生在此背景下。IDC 的统计显示，全球 PC 出货量从去年同期的 7850 万台下降至 6270 万台。
Omdia 的统计也指向同一趋势：全球台式机、笔记本和工作站出货量同比下降 21.2%。
不过，将全部责任归咎于内存并不公平。这是多重因素叠加的结果。
一方面，去年同期的基数本就偏高。Windows 10 停止支持引发的换机需求在 2025 年集中释放，抬高了对比基准。
另一方面，上半年的提前备货打乱了下半年的节奏。
为赶在内存进一步涨价前囤货，部分品牌和渠道提前加仓，一些原本属于后续季度的订单也随之提前。到第三季度，高售价抑制了终端买家需求，渠道需消化已有库存，寅吃卯粮后，向厂商订货的动力自然减弱。
更糟糕的是，一向由返校季带动销量的第三季度，因此未能迎来惯常的旺季。
IDC 分析师 Jitesh Ubrani 认为，库存压力可能倒逼渠道促销，但价格想回到一年前水平，恐怕难以实现。
摆在厂商面前的几条路包括：继续涨价、自行承担部分成本、降低配置或延长成熟平台的使用周期。DDR4 的重新推出正是这种权衡的结果。
The Verge 的记者近期采购内存时发现，一套 32GB 的 Corsair Vengeance DDR5 套装售价 620 美元，而对应的 DDR4 套装仅需 260 美元。单品报价虽不能代表整个市场，但 360 美元的差价足以影响一次装机决策。
DDR5 在带宽和能效上更胜一筹，DDR4 也未能躲过这波涨价潮。然而，对于已有 DDR4 内存的用户，旧内存继续使用可省下一笔升级费用。
技嘉此次公布的兼容计划恰好提供了这种便利。LGA1700 于 2021 年随第 12 代酷睿推出，平台原本就支持 DDR4 和 DDR5 两类主板。根据公告，现有 B760、H610 用户更新 BIOS 后，即可等待后续处理器升级。
不过，两类内存需对应不同主板，不能在同一插槽中互换。公告也未披露新处理器的型号、架构或实际性能，目前只能确定旧平台将继续获得新产品支持。
AMD 方面，技嘉已于今年 8 月宣布新一批 AM4 主板，配合 Ryzen 7 5800X3D 的重新推出，为坚持 DDR4 的装机方案提供更多选择。
过去，新平台往往将处理器、主板和内存升级捆绑销售，迫使用户整套更换。如今，能帮助用户保留现有硬件，反而成为产品竞争力的一部分。成熟平台可省去整套换新的支出，但已购买的电脑能否继续发挥作用、承担更多任务？开源开发者正从软件层面尝试回答这个问题。
最近，一个名为 Strata 的开源项目在 GitHub 上走红，累计获得约 1.95 万颗 Star。
其最大亮点是让一台普通游戏电脑驱动拥有 1250 亿参数的 Qwen3.8-Flash-Next。
根据 Strata 项目公布的测试，一台配备 RTX 5070 显卡、12GB 显存、Ryzen 5 7600 处理器和 64GB 系统内存的电脑，在 Q2_0 量化配置下，回答生成速度可达每秒 94 Token。
冷知识，94 Token/秒比普通人阅读速度快约 10 倍。如果模型以该速度实时输出文字，屏幕上的内容会快速滚动，用户难以逐字读完。
如此大的模型能在消费级电脑上运行，关键在于让显存、系统内存和 CPU 各司其职，分担工作。
Qwen3.8-Flash-Next 采用 MoE 混合专家架构，模型包含多个专家模块，每次计算只调用其中一部分。总参数量虽大，但生成每个 Token 时无需全部参与。
Strata 充分利用了这种稀疏性：高频使用的专家缓存在显存中，所有专家权重保存在系统内存里。显卡负责核心计算，CPU 并行处理未缓存的专家，SSD 则存放大型查找表。
对用户而言，这相当于重新分配整台电脑的任务：显卡做擅长的工作，系统内存提供大容量，CPU 参与推理，有限的显存不必独自承担所有任务。
量化则进一步为模型瘦身。权重经低比特压缩后占用更少空间，但压缩越狠，回答质量越受影响。
每秒 94 Token 对应项目中的 Q2_0 版本。同一测试硬件上，压缩更温和的 IQ3_S 版本生成速度为每秒 53 Token。速度、内存占用和模型效果之间仍需权衡。
项目还采用推测解码，让较小的辅助模块提前预测后续 Token，再由主模型批量验证。根据开发者说明，该机制可带来约 1.6 至 1.8 倍加速，收益取决于预测被接受的情况。
需要注意，推测解码可减少生成过程中的串行计算步骤，加快输出速度，但无法消除低比特量化造成的精度损失。
即使接受这些妥协，本地运行仍具吸引力。
根据项目说明，Strata 支持聊天、编程和可选的图像输入，还能通过兼容 API 与应用、编程助手连接。推理全程在本机完成，为用户提供云端调用之外的选项。
不过，12GB 显存仅是入场券的一部分，系统内存同样决定体验质量。64GB 内存可装下项目列出的多个 2bit、3bit 版本；32GB 配置通常只能选精简的 Coder 版本，后者砍掉了部分专家，在中文等非编程任务上的能力也更弱。
首次启动时，项目需将数十 GB 数据搬进内存，电脑可能卡顿 1 到 3 分钟。长文本还需预先处理，默认请求也要排队完成。跑分之外，启动等待、多任务使用和回答质量，都决定其能否胜任日常使用。
启动等待、内存要求和回答质量上的取舍，意味着 Strata 距离日常好用仍有门槛。
但它展示了一种可能性：同一套硬件，通过更合理地分配计算和存储任务，也能运行过去难以容纳的大模型。电脑能做的事，不仅取决于购买的硬件，也取决于软件如何利用这些硬件。
换句话说，无论是本地软件挖潜，还是云端服务降价，获取智能的门槛都在降低。
也正是在此背景下，一个反差显得格外突出：知名风投机构 a16z 发布了一张引用高盛数据的图表，显示 LLM 价格指数用约三年，就走完了个人电脑价格指数约十五年的降价路。
智能服务越来越像一种廉价数字快消品，但承载智能的内存、芯片和计算设备，仍受产能与供需制约。于是，科技行业一边将更强的 AI 塞入普通人手中，另一边又让普通人为一根内存条精打细算。
我们可能正迎来智能越来越便宜的时代，却也正经历一场由智能需求推动的硬件成本危机。只有将榨干每一分性能的规则立住，为这场 AI 繁荣买单的我们，才能不那么烧心。
本文来自微信公众号“APPSO”，作者：发现明日产品的，36氪经授权发布。
