Orbit

推荐已关注快讯

手握50万张GPU，xAI利用率却只有11%——这是显卡体检报告，还是AI界的“吃空饷”大案？家人们，先别管比特币跌破7.5万还是以太坊在2,250装死，今天币圈逃过一劫，但AI圈爆出了个大瓜：马斯克的xAI拥有约50万张英伟达GPU，结果内部备忘录显示，近几周的MFU（Model Flops Utilization）仅为11%。。行业盈亏平衡点普遍在35%到45%，竞争对手研究员原话是“低得离谱”。合着50万张显卡没在这头训练模型，倒像是在机房组团撸猫？🐱 别光骂马斯克，这事儿行业通病，但xAI确实“突出” AI训练是间歇性的：显卡满负荷运算时确实在干活，但研究员一停下来分析结果、商量下一步，芯片就原地发呆。硬件层面也有坑：HBM（高带宽内存）速度跟不上计算芯片，成千上万张GPU之间传输数据时，任何薄弱环节都会拖慢整个集群。但这并不是11%的全部。业内还有“刷数据”现象：为了报表好看、防止闲置显卡被调走，同事会反复重跑训练实验来凑利用率。这种“配置拉满、输出拉胯”的画风，是不是有点眼熟？像不像健身房办了三年卡、体脂率纹丝不动的你？🏋️ 那马斯克咋办？——转型算力包租公 xAI刚跟编程工具独角兽Cursor达成合作，开放数万颗GPU用于训练其编程模型。这算盘打得明明白白：用不完的算力租给第三方变现，既能分摊运营成本，还能从实战中优化软硬件协同效率，目标几个月内将利用率拉到50%。传说中的“打不过就转型，用不完就出租”。📦 所以，这个故事告诉我们什么？ AI算力和加密货币挖矿的逻辑，其实有不少共通之处。买了矿机不代表赚钱，电费、运维、全网算力涨跌，全是变量。显卡屯了一卡车，效率垫底一样交“巨额电费账单”。算力时代真正的核心痛点或许不是“买不到芯片”，而是“买到了却没用好”。工业化的AI训练和草根级的显卡挖矿，在这一刻竟达成了某种跨越代际的底层共识。这个故事也悄悄为另一重叙事埋下伏笔：当xAI这类头部AI公司开始向外部出租GPU，算力的供给端会变得更分散、更市场化。对于去中心化算力赛道而言，这可能意味着更多硬件资源会流入二级市场。一旦“算力分享”成为一种普遍行为，这个过程中的结算与激励，谁来承载？ #AI军备竞赛：谷歌$400亿押注Anthropic @OKX中文 @OKX成长学院 @OKX星球或许，这也是值得放在观察列表里多想一想的事。