LinkedIn逆势而行：AI热潮下不扩建数据中心，力促GPU极致利用

在人工智能（AI）投资如火如荼的当下，LinkedIn却做出了一项令人意外的决定：未来一年内不会扩建数据中心。这一消息由WIRED于7月30日报道，指出尽管业界对算力的渴求呈指数级增长，但LinkedIn正在挑战其工程师团队——让每一块GPU都能物尽其用。

算力热潮中的“逆行者”

过去两年，全球科技巨头纷纷加大AI基础设施建设，微软、谷歌、亚马逊等企业投入数百亿美元新建数据中心，以支撑大模型训练和推理需求。然而，LinkedIn却选择按兵不动。根据内部消息，LinkedIn目前的数据中心容量已能支撑其现有业务和AI服务，公司高管认为，盲目扩张并非明智之举，更关键的是优化现有算力资源。

“我们不会为了AI而AI。每一块GPU都应该成为效率的化身。”——LinkedIn工程团队内部备忘录

这一表态与行业主流形成鲜明对比。许多公司为了抢占AI先机，不惜重金购入大量高端GPU，甚至出现供不应求的局面。而LinkedIn的决策背后，是其对成本控制和长期可持续性的考量。

工程师的“效率挑战”

LinkedIn的做法是：不再责备算力不足，而是要求工程师们通过算法优化、模型压缩、智能调度等手段，提升现有GPU的利用率。例如，在推荐系统、广告投放等核心业务中，他们通过更高效的推理框架和混合精度训练，将算力需求降低了30%以上。此外，LinkedIn还探索了将部分非紧急计算任务迁移至云端低成本实例，进一步平衡成本与性能。

这种“内部挖潜”策略并非LinkedIn独创，但在一众高喊“算力为王”的企业中显得尤为清醒。实际上，一项来自斯坦福大学的研究显示，许多AI模型的实际GPU利用率不足50%，大量算力被浪费。LinkedIn的策略正是针对这一痛点。

编者按：算力效率才是下一场竞赛的关键

从行业视角看，LinkedIn的决策可能预示着AI基础设施发展进入新阶段。过去，企业比拼的是谁拥有更多GPU；未来，竞争的焦点将转向谁能更高效地利用每一块GPU。算力无限扩张的粗放模式不可持续，数据中心能耗、芯片供应瓶颈以及成本压力都在倒逼行业走向精细化运营。

LinkedIn的案例表明，即便在AI热潮中，保持理性与务实同样重要。不盲目跟风扩建，反而可能通过技术创新获得更持久的竞争力。当然，这一策略能否在长期内满足用户增长和AI应用的需求，仍有待观察。

本文编译自WIRED