为什么拥有无限 GPU 的 AI 实验室仍会失败——Anjney Midha，AMP
摘要
Anjney Midha 认为，资金和算力并不能保证产品交付，真正的约束是执行协同和组织文化。 他表示，Google 将约 95% 的节点利用率视为接近宕机，而业内最佳 MFU 只有 60–70%；协调不佳的实验室会让微小的规划误差在组织层级间不断累积。“AI 扩容的本质，应当是提高常识的价值。”
Amp 给出的答案，是建立一个中立的算力网格，汇聚分散在不同云和芯片上的供给。 目标是让“megaflops 像 megawatts 一样流动”，为参与者保证基础容量，同时动态分配峰值需求。Amp 已开始锁定明确披露的 1.3GW 规模需求，相当于约 400 亿美元云支出；但 Midha 估计，未来 4 年其团队可能需要 6GW 的峰值容量。
数据中心必须与所在社区达成明确的利益交换，否则许可风险就会变成基础设施风险。 Swyx 转述一项估算称，今年美国最多 20% 的数据中心可能缺乏足够的社区支持，但他也提醒这一数字可能被高估。Scott Nolan 提议的“新 AI 契约”是：将算力价格从每小时 4 美元提高到 4.50 美元，并通过现金把增加的 0.50 美元直接返还当地居民；Swyx 还建议提供更便宜的电力。作为算力客户，Swyx 表示自己很乐意买单。
替代性 AI 芯片可以扩大供给，而无需让整个技术栈碎片化。 Matrox 选择 NVIDIA 的参考架构和机架规格，再将创新集中在逻辑 die 与系统协同设计上：“你不可能在每条战线上同时作战。”更深层的约束是信任——芯片从设计到流片约需 2 年，因此设计者需要尽早了解模型架构的变化。
垂直一体化实验室内部囤积研究，为独立资本和基础设施创造了切入口。 Midha 表示，DeepMind 的 6 个月内部禁发期，在研究显现商业价值后可能永久化，导致公开发表的内容出现逆向选择。Amp 的 Foundry 因此为前沿团队提供支持，包括今年早些时候向 Anthropic 投资数亿美元；同时，Amp 也将多余算力捐给非营利组织和大学实验室。
临终预测是 Midha 所举最清晰的、兼具公共价值的 outputmaxxing 案例。 他说，Stanford 的纵向数据集覆盖至少 1200 万名患者，而当时 Medicare 和 Medicaid 超过 30% 的支出用于临终关怀；即使是回归模型和简单神经网络，看起来也具备技术可行性。真正卡住项目的是监管，而不是建模，因为错误诊断的责任无法从医生转移给 AI 系统：“过去 14 年里，我没有一天能把这件事从脑中移开。”
文化是 Anthropic 编码能力突围背后脆弱、却能不断复利的优势。 Midha 不接受“只是掷中了幸运骰子”的解释：Anthropic 在资源稀缺中花了 4 年做好准备，将编码设为 P0，因为计算机使用能力可能推动 AGI 进展，并承受了“21 次拒绝”，由此逼出了清晰方向。“文化不是一套信念，而是一套行动”（Culture is not a set of beliefs. It’s a set of actions）——它需要每天浇灌，而不是一座永久护城河。
精读
上游暂未提供，后续同步将继续补齐。