作家 ｜ 四月

2026 年 5 月的硅谷，关于 AI 算力的“饥馑”和心焦，正达到一个前所未有的高度。

哪怕那些站在算力中心的东说念主，也不得不开动为算力列队。

在英伟达，认真应用深度学习谈论团队的 Bryan Catanzaro 找黄仁勋肯求训诫卡。最近大家一直衔恨卡不够用，受限太多。

“不好酷好，那些卡也曾卖掉了”，这是老黄给出的回话。

Catanzaro 是英伟达的大元勋。十多年前，恰是他钟情到，GPU 迎来了首批 AI 买家——谈论员，且简直荒诞扫货。基于这个细察，老黄才下定决心把整间公司押注 AI 赛说念。

当年帮英伟达赌对算力卡的东说念主，现时却买不到自家的 GPU 了。

而比“卖铲子的没铲子了”更戏剧性的事，还发生在谷歌。

客岁夏天，DeepMind 的谈论员 Andrew Dai 判断，视觉推理是个值得作念的认识。于是向公司里面提了一批 TPU 的资源需求。

但肯求迟迟未批。拒却的原理，倒不是谈论认识不够好，而是技俩不可为下一代的 Gemini 管事。其时的里面原则是，资源应该优先流向付费客户和旗舰模子。

“在谷歌里面，每一块 TPU 的背后，齐有三位竞争者”，华盛顿大学策画机系的荣誉教授 Oren Etzioni 聊到。本质很雕悍，若是你的技俩不可径直带来收入，你即是在和付费客户抢资源。

Dai 最终领受下野创业。和他作念出雷同领受的，还有 Anna Goldie。

酷好的是，谷歌用来遮挽 Goldie 的筹码不是加薪，也不是期权，而是——更多的 TPU 算力卡。

但 Goldie 照旧走了，还拿到了 3.35 亿好意思元的融资，“这笔钱能买到的算力，和当初 DeepMind 遮挽我开出的条目，简直十分。”

当大厂围墙内的算力造成一种“组织权限”，出走就成了独一解。

而在围墙除外，沉寂开辟者和谈论员面对的，是比“GPU 短缺”更难的处境：连卡齐租不到。

这事也曾垂死到什么历程了呢？

这两天，AI 大神 Andrej Karpathy 齐忍不住发帖吐槽。他暗示，在录制 nanochat 教学视频时，才一忽儿刚烈到，若是实验的第一步是，让学员“从云平台览动一台 8×H100 的管事器”，那么绝大部分东说念主将倒在起跑线上。

有大神出来喊话，驳斥区速即造成大型比惨现场。

1H100 抢不到，H200 今夜加价 30%

看这话问得，显著是本身盟军无疑了。

有东说念主补刀，188bet体育app中国官网其实确实的第一步，还不是启动 Server，而是求爷爷告奶奶等 quota approval。 现时大大宗的凡俗用户，是连 8×H100 的预审批权限齐莫得的。

更有开辟者径直晒后台截图：RunPod 上多种 GPU 型号清晰 unavailable；Azure 上 H100 编造机启动失败，教唆 capacity 不及；Google Colab 领受 GPU 后，被系统自动降档到 G4。

Rohan Bansal 看着账户里仅存的两个 H100 实例，发了条推文：“holding on for dear life”。

若是说资源紧缺势必导致价钱上升，尚可意会。但这加价的姿势不免也有些诡异。

闲居的逻辑是，新一代出来，旧款降价。B200 也曾踏实供货，四年前的 H100 也理当降价。

现货市集更夸张，lambda 的报价已上浮到 4 好意思元 +/ 小时，是两年前的两倍。而 H200 的现货价钱以至比新一代 B200 还要贵。"这价钱是两年前的两倍还多，并且持续很难抢到，要写剧本盯着 API 才有契机。"

图注：从 4.96 好意思元 / 小时涨到 6.40 好意思元 / 小时，涨幅 29%；而更新一代的 B200 为 5.68 好意思元 /GPU 小时。

25% 的诈欺率和 B200 的倒挂

一边是高端 GPU 紧缺，一边却是算力中心里的诈欺率低得令东说念主发指。

Cast AI 的阐昭彰示，不少大企业 GPU 集群的平均诈欺率唯有 5% 傍边。此前，马斯克的兆瓦级算力中心 Colossus 的 MFU（模子算力诈欺率）仅为 11% 傍边。

其实并不是企业刚烈到不到算力资源的浪费，而是不敢戒指。

列队几个月，云厂商销售一忽儿打电话：“你要的卡现时只剩 36 张了，只可签一年的长约。不要的话，2026世界杯滚球体育中国官网后头还有五家列队等着呢。”

这时候，问题也曾不是“公司是否需要租用这样长技巧的芯片”，而是“我敢不敢错过这笔订单”。

先签下来，哪怕闲置也不开释，因为交出去的算力卡可能就再也拿不追思了。

芯片不仅仅产能短缺，更是流动性短缺：它卡在企业的算力长约里，困在云厂商的容量池里，但即是不在凡俗开辟者今晚能点开购买的页面上。

短缺制造畏俱，畏俱制造囤积，囤积制造更深的短缺。

而这种流动性的劳苦，也放大了另一个结构性问题：为什么偏巧是 H100/H200 被推上了天价，以至比新一代 B200 还贵？

因为算力市集从来不是按“谁更新”来订价，而是按“谁更好用、更好接入”来订价的。

往日大家抢 GPU，念念象中的场景是巨头训诫下一代大模子，固然要追求极致先进。但现时，销耗 GPU 的地点变多了：推理管事、代码 Agent、RL 后训诫、自动评测、小模子复现、教学实验，齐在执续吃算力。

关于这些海量需求来说，B200 代表的下一代性能上限并不是首选。

作念工程的东说念主最懂：起初进不等于最佳用，真刚巧钱的是细目性。

H100/H200 奢靡强，且生态奢靡闇练。你用 H100 跑，别东说念主的 benchmark 亦然 H100；你用 H200 作念推理，调参教授也曾有东说念主踩过坑。

比拟之下，新一代芯片再强，也需要技巧消化到框架、集群、转机和老本模子里。

训诫市集还没透顶切到 Blackwell，推理和后训诫市集又把需求重重复加上来。旧卡本该退场，却因为“细目性”成了刚需。

3AI 民主化，卡在了算力门槛上

这一轮的芯片荒，和往日还不太一样。

往日聊缺芯，是顶级 AI Lab 的武备竞赛，巨头谁抢到更多 GPU，谁就能训诫更大模子。但这一次，心焦正在往下千里。

Karpathy 录教程要先计议开辟者能不可拿到 8×H100；LocalLLaMA 社区接头能不可用腹地 Mac 硬跑；高校谈论员缅念念拿不到算力，小团队缅念念扩容被大客户挤掉。

这背后也曾不是“我要训诫 GPT-5”的贪念，而是一个更朴素的问题：我仅仅念念复现一个实验，为什么第一步就造成抢算力了？

AI 开源这几年如实裁减了许多门槛。模子权重不错下载，代码不错 fork。但算力把另一扇门关上了。

代码不错开源，但 H100 不可 fork。

确实的 AI 谈论从来不仅仅看懂代码，还得你能跑通实验、复现效果，调参、失败，以及好屡次的再重来。

若是每次实验的前提，齐是拿到一组不菲且不踏实的 GPU，那么开源的对等，就会被算力的不对等从头对消。

从 Google 谈论员下野创业，到英伟达里面争 GPU，然后是 Karpathy 的教学视频卡在 8 张 H100，它们指向并吞件事：算力正在从基础门径，造成一种筛选机制。

它筛掉的无意是莫得念念法的东说念主，而是莫得预算、莫得配额资源、莫得永久条约的群体。

这才是 AI 民主化最狼狈的本质：模子越来越灵通，但能跑起来的东说念主，可能并莫得变多。

4国内开辟者的痛：过渡期的双重压力

把视野拉归国内，若是说国际开辟者是在闇练生态里抢 H100/H200 现货；那么国内开辟者面对的，则是过渡期的多重压力锻练，要在新的算力结构里找"能用且好用"的解法。

某云 H100 排期已到 2027 年第一季度，更多的云平台雷同靠近高端卡供应瓶颈，"有钱也租不到"是确实的用户响应。

与此同期，高端卡的赢得仍然受策略影响，固然国产算力替代正在加快。但从 CUDA 体系切换的工程老本是确实存在的，适配层、代码改变、调试周期，对小团队而言不是简易的迁徙。

其实，大家底层的处境不尽疏浚。算力底座从来不是一个纷乱词，而是曲常具体的体验——实例能不可启动，价钱扛不扛得住，实验效果能不可复现。

今天 AI 圈确实稀缺的，也许不是最新的芯片，而是凡俗东说念主能踏实拿到、立时用起来、跑出效果的有用算力。

参考聚首：

Even Nvidia’s own research teams can’t get enough GPUs amid the race for AI computing power（https://fortune.com/2026/04/09/nvidia-gpu-shortage-impacts-even-nvidias-own-research-teams-bryan-catanzaro-eye-on-ai/）

The Great GPU Shortage – Rental Capacity – Launching our H100 1 Year Rental Price Index（https://newsletter.semianalysis.com/p/the-great-gpu-shortage-rental-capacity）

FOMO is why enterprises pay for GPUs they don't use — and why prices keep climbing（ https://venturebeat.com/infrastructure/fomo-is-why-enterprises-pay-for-gpus-they-dont-use-and-why-prices-keep-climbing ）

https://semianalysis.com/gpu-pricing-index/

Nvidia A100 vs H100 vs B200 GPU Rental Price and Performance（ https://ornn.com/insights/nvidia-a100-vs-h100-vs-b200-gpu-rental-price-and-performance ）

Even Nvidia’s own research teams can’t get enough GPUs amid the race for AI computing power（https://fortune.com/2026/04/09/nvidia-gpu-shortage-impacts-even-nvidias-own-research-teams-bryan-catanzaro-eye-on-ai/）

The Great GPU Shortage – Rental Capacity – Launching our H100 1 Year Rental Price Index（https://newsletter.semianalysis.com/p/the-great-gpu-shortage-rental-capacity）

FOMO is why enterprises pay for GPUs they don't use — and why prices keep climbing（ https://venturebeat.com/infrastructure/fomo-is-why-enterprises-pay-for-gpus-they-dont-use-and-why-prices-keep-climbing ）

https://semianalysis.com/gpu-pricing-index/

Nvidia A100 vs H100 vs B200 GPU Rental Price and Performance（ https://ornn.com/insights/nvidia-a100-vs-h100-vs-b200-gpu-rental-price-and-performance ）

声明：本文为 AI 前方原创，不代表平台不雅点2026世界杯滚球体育中国官网，未经许可不容转载。