闲置GPU集群每日损失可达数百万美元

在大规模AI训练中，GPU集群实际性能通常仅达理论值的30%–50%，通信与同步瓶颈导致数据中心运营商每日损失数十万乃至数百万美元。以1000个GPU的集群为例，每天可能发生2至4次中断事件，损失高达500万至800万美...