硅谷巨头纷纷出租闲置算力，盘活闲置芯片资源
过去两年，全球陷入一场前所未有的算力饥荒。OpenAI的GPT-4、谷歌的Gemini、Meta的Llama轮番上场，每发布一个新模型，背后都是数十万张GPU的疯狂燃烧。英伟达的H100一度被炒到4万美元一张，排队等货的名单能排到明年。然而就在这种“一卡难求”的背景下，硅谷的几大科技巨头却悄悄干起了另一门生意——出租自家仓库里那些没跑满的算力。
谷歌是最早尝到甜头的玩家。去年年底，谷歌云推出了一项名为“AI Hypercomputer”的弹性租用服务，客户可以按秒租用TPU或A100芯片，起步价低至每小时1美元出头。要知道，谷歌内部每年囤积的TPU超过百万颗，这些芯片在训练自家大模型之外大量时间处于闲置状态。与其让它们在机房里吃灰，不如拿出来给中小型AI公司“拼桌”。微软紧随其后，把Azure上闲置的H100集群打包成“Spot实例”，价格比常规租用便宜六到七成，前提是客户愿意接受被随时中断的命运。
这种做法本质上就是把芯片资源变成一种可证券化的资产。过去科技巨头买芯片是为了撑自家业务，好比地主买地自己种粮。现在他们发现，把地租出去收租金，收益率甚至比种粮还高。Meta的财报电话会上，首席财务官坦言，出租闲置算力带来的收入已经开始抵消部分硬件折旧成本。亚马逊AWS更直接，把闲置的Inferentia芯片专门针对推理场景优化，打包成低价套餐卖给那些不愿意为训练芯片买单的初创公司。
这种模式解决的不仅是巨头的库存压力，更撬动了整个AI产业链的杠杆。传统上，想训练一个70亿参数的模型，先得砸几百万美元买硬件，这对创业公司几乎是致命门槛。而现在，你可以用租来的H100花两周跑完训练，然后立刻退租，成本直接降到原来的十分之一。硅谷一家知名的深度求索实验室CEO告诉我，他们去年用谷歌出租的TPU完成了三个项目，总花费不到自己买芯片预算的15%。
当然，出租算力也有需要留意的坑。最核心的问题是数据安全——你的模型权重和训练数据跑在别人的机房里，底层芯片的主控权在出租方手上。谷歌和亚马逊都拿出了所谓“机密计算”方案，在硬件层做内存加密，但真正敏感的那批公司还是更倾向于自建机房。另外，租来的算力稳定性不如自有集群，一旦高峰时段被巨头自己的任务抢占，租户可能会被突然降权甚至断开连接。这也是为什么微软的Spot实例价格虽低，却被人戏称为“过山车算力”。
从更宏观的视角看，这股出租潮其实宣告了一个时代的到来：算力不再是稀缺资源本身，而是像水电一样变成可流动的商品。过去两年，全球超大规模数据中心里，GPU的平均利用率只有40%到60%，剩下的要么空转要么跑着无关紧要的后台任务。现在通过分时租赁、弹性定价和动态调度，这些沉没的闲置资源正在被重新激活。英伟达的最新季度财报显示，数据中心收入的增长中相当一部分来自于云厂商对老旧A100芯片的转租收入，这侧面印证了市场需求有多饥渴。
对于普通企业而言，这或许是个不可多得的窗口期。借用别人的闲置算力跑自己的实验，既能省下真金白银，又能把精力集中在产品创新本身。毕竟，当算力本身变得像自来水一样容易获取，真正的竞争力就不再是你囤了多少芯片，而是你能不能用它造出别人造不出的东西。
