搜索引擎 + AI 驱动的行业新闻【覆盖行业】信保 ｜出口 ｜金融 制造 ｜农业 ｜建筑 ｜地产 零售 ｜物流 ｜数智【访问入口】hangyexinwen.com【新闻分享】点击发布时间即可分享【联系我们】xinbaoren.com（微信内打开提交表单）https://shuzhi.hangyexinwen.comhttps://shuzhi.hangyexinwen.com/posts/17049https://shuzhi.hangyexinwen.com/posts/17049Sat, 02 May 2026 16:54:41 GMT⁣<br /><b><i><b>📰</b></i> 马斯克的GPU也在摸鱼？狂囤几十万张显卡，只有11%在干活</b><br /><br />本文聚焦xAI在Colossus超算中的MFU（模型浮点运算利用率）仅约11%的现象及其背后的系统性挑战。尽管Colossus集群规模公开披露巨大，实际训练产出却远低于理论潜力，11%意味着理论上可实现的大量训练吞吐被“无效功”耗掉，主要原因包括显存压力、较小单卡批次、激活重计算、跨GPU通信等引发的记忆墙，以及数据搬运和等待等环节的低效。行业对比显示正常生产级MFU多在35%-45%、甚至47%上下，xAI的11%显得异常低。这一现象揭示问题并非硬件瓶颈，而是训练栈、并行策略和模型工程的综合挑战。与此同时，xAI开始向外输出算力以降低自有成本，并出现高层人事调整与外部租用算力并行发展的趋势，显示Colossus正从单纯“世界最大超算”逐步演变为更像半成品云厂商的经营模式。未来若要将MFU提升至50%及以上，需要在训练栈优化、通信效率、数据管线等方面进行系统性改进，同时保持规模扩张与算力利用之间的平衡。<br /><br /><i><b>🏷️</b></i> <a href="/search/%23MFU">#MFU</a> <a href="/search/%23Colossus">#Colossus</a> <a href="/search/%23xAI">#xAI</a> <a href="/search/%23%E8%AE%AD%E7%BB%83%E6%A0%88">#训练栈</a> <a href="/search/%23%E7%AE%97%E5%8A%9B%E5%88%A9%E7%94%A8">#算力利用</a><br /><br /><i><b>🔗</b></i> <a href="https://finance.sina.cn/stock/jdts/2026-05-02/detail-inhwnwye9708723.d.html?vt=4" target="_blank">原文链接</a>