高产、耐用、通用：英伟达AI工厂如何最大化投资回报
内容提要
英伟达AI工厂每兆瓦建造成本约6000万美元，投资回报取决于产能、寿命和需求。其平台具备高产、耐用、通用三大特性：每兆瓦吞吐量最高、每token成本最低；GPU多年后仍可创收；可运行各类AI及非AI负载。全栈协同设计与CUDA软件持续优化，使旧硬件不闲置，从而最大化回报。
延伸解读
投资回报的三大支柱
文章指出，AI工厂每兆瓦建造成本约6000万美元，投资回报取决于三个相互关联的因素：产能（每兆瓦可产出的token收入）、使用寿命（硬件持续创收的时间）和需求（token的市场需求）。三者不能相互完全弥补，例如高产能若只卖出部分则回报有限，高需求若硬件很快停摆也无意义。因此，最大化回报需要同时提升这三个维度。
旧硬件为何不闲置
尽管新一代GPU性能大幅提升，旧硬件仍能持续创收。文章举例：2020年发布的A100 GPU六年后仍在商用，CoreWeave将2020年首次推出的单元预订延长至2029年；微软的V100 fleet实际运行8.4年，超过六年账面寿命。CUDA软件跨代兼容，持续优化使旧硬件不 stranded，且不同工作负载对硬件需求不同，旧代产品仍有适用场景。
通用性如何扩大需求
AI工厂若只能运行单一类型工作负载，则面临工作变化的风险。英伟达平台可运行所有类型的AI模型（开源与专有）、所有阶段（数据处理、预训练、后训练、推理）和所有场所（超大规模、AI云、主权项目、企业、边缘），还能运行非AI负载如科学计算、模拟、图形等。这种通用性提高了利用率，并因能承接更多种类工作而延长了创收周期。
效率提升反而刺激需求
文章提出一个关键问题：如果每代GPU都大幅降低token成本，算力需求会萎缩吗？答案是否定的。更便宜的token使更多用例变得经济可行，而这些新用例消耗的token总量超过效率节省的部分，从而推动需求扩张。这意味着AI工厂的产能提升不会导致收入下降，反而可能因需求增长而受益。
Q&A
英伟达AI工厂每兆瓦的建造成本是多少？
每兆瓦AI工厂的建造成本约为6000万美元。
影响AI工厂投资回报的三个关键因素是什么？
三个关键因素是： earning capacity（产能收益）、useful life（使用寿命）和demand（需求）。
英伟达AI工厂的三大特性是什么？
三大特性是：高产（Productive）、耐用（Durable）和通用（Fungible）。
英伟达如何实现高产？
通过全栈协同设计，实现每兆瓦最高吞吐量和每token最低成本，从而最大化产能收益。
为什么英伟达GPU在多年后仍能创收？
因为CUDA软件平台跨代兼容，持续优化使旧硬件不闲置，且并非所有工作负载都需要最新系统，因此旧GPU仍可服务多年。
英伟达AI工厂的通用性体现在哪些方面？
可运行所有类型的AI模型（开源和专有），覆盖语言、视觉、生物、物理和机器人等领域；支持从数据处理到预训练、后训练和推理的各个阶段；部署在超大规模、AI云、主权项目、企业数据中心和边缘等各个场所；还能运行非AI工作负载如数据处理、科学计算、模拟和图形。
CUDA-X库在AI工厂中起什么作用？
CUDA-X库提供超过1000个现成库，覆盖深度神经网络、计算光刻、量子电路模拟、向量搜索和气候建模等，使工厂能运行任何加速工作负载。
有哪些客户案例展示了英伟达AI工厂的通用性？
例如：Lilly使用1016块GPU集群运行蛋白质、小分子和基因组模型；Pinterest在超大规模云上跨14000块GPU部署视觉语言模型；Revolut用cuDF处理数十亿交易记录并训练基础模型；Runway在Hopper上训练世界模型并在Blackwell上服务；德州农工大学在超级计算机上运行分子模拟和AI药物发现，利用率达95-98%。
