@0xMortyx: 几乎每个人都在谈论NVIDIA的供应问题，但几乎没有人讨论这些GPU在实际部署后的使用效率如何…
摘要
一条推文讨论了部署后GPU效率被忽视的问题，并提到一家初创公司通过虚拟化筹集了1300万美元来解决GPU闲置时间的问题。
查看缓存全文
缓存时间: 2026/08/20 15:05
每个人都谈论着NVIDIA的供应问题，却几乎没人关注这些GPU部署后的实际使用效率。
第二点可能比多数人意识到的更为重要。https://t.co/AZGwlAbJoj
卡尔·彼得森（@carlpeterson）： 今日，我们完成1300万美元A轮融资，旨在解决GPU短缺问题
全球正投入数万亿美元采购GPU资产，但其中80%处于闲置状态 现有计算资源已足够 GPU虚拟化技术将释放其潜力
本轮融资由Matrix、YC及CEAS提供支持
相似文章
GPU管理：闲置的GPU为何成为新的停飞飞机
本文认为，GPU利用率正成为企业AI的关键瓶颈，类似于航空中的飞机利用率，而闲置的GPU代表着浪费的算力，这种算力决定了竞争优势。
@svpino: 我曾经让一家公司为4个GPU付费，但只使用了1个。几个月运行后，我想要优化管线…
作者讲述了一个因GPU使用不足而导致的代价高昂的错误，并强调了Viktor团队的AI监控代理如何实时防止此类低效率。
@swyx: 我十年前就退出了对单一股票下注的行当，但请相信我，股市至今仍然……
swyx 认为市场尚未将这一事实纳入定价：每一块售出的 GPU 终身价值提升了约 30%。他引用了 Latent.Space 对 DeepSeek 产能数据的分析：每天 155T tokens 的产出、高缓存命中率以及约 80% 的 GPU 成本利润率。
Nvidia、CoreWeave与Nebius：GPU热潮背后的循环融资内幕
本文分析了CoreWeave和Nebius等新云公司背后的循环融资结构。这些公司依赖Nvidia股权投资、超大规模云服务商合同以及GPU抵押债务来大规模建设AI基础设施，此举引发了可持续性方面的疑问。
高效、持久、通用：NVIDIA AI 工厂如何实现投资回报最大化
NVIDIA 认为其 AI 工厂通过三大特性实现投资回报最大化：高效（每兆瓦产出的 token 最多）、持久（A100 等 GPU 可持续多年创造收益）、通用（可运行任意工作负载）。文中引用 SemiAnalysis 数据，显示 Vera Rubin NVL72 的每兆瓦吞吐量比 GB300 NVL72 高出 30 倍以上。