算力利用率
-
AI数据中心交换芯片进入102.4 Tbps阶段：企业评估带宽、时延与功耗要看什么？
AI集群的瓶颈不一定来自 GPU 数量，也可能来自 GPU 之间交换数据的网络。随着训练任务扩大，参数同步、集合通信和推理请求会产生更高的东西向流量；如果交换网络存在带宽不足、拥塞或长尾时延，GPU 就可能等待数据，算力利用率和训练效率随之…
-
华为发布Flex:ai，实现“容器级”GPU切分，算力利用率提升30%
算力昂贵却利用率低下，正成为AI深入产业的巨大瓶颈。2025年11月21日，华为开源其颠覆性技术Flex:ai，以“容器级”精细切分（粒度可达10%），将GPU/NPU从“卡级独占”变为“容器级共享”，更将碎片化算力聚为统一资源池。这不仅意味着企业可按需分配算力、大幅降本增效，更通过开源构建生态，旨在掀起一场AI算力效率的革命，为千行百业的智能化普及按下快进键。
