AI 需求擠爆雲計算，消息稱 AWS 要求工程師關閉閒置服務器減少資源浪費
作者：潞源 責編：潞源 評論： 8 月 7 日消息，據《The Information》今日報道，亞馬遜 AWS 最近對工程師提出一項頗為“樸素”的要求，讓他們關閉不再使用的雲計算機。據報道，亞馬遜此番要求主要針對閒置的 EC2 實例。隨著 AI 正以越來越快的速度消耗計算資源，全球最大的雲服務供應商也開始感受到算力緊缺的壓力。數據顯示，AWS 的資源利用低下問題非常嚴重，大約 65% 的 EC2 實例在 30 天測量週期內，平均 CPU 利用率低於 20%。
亞馬遜為此升級了計算優化器（注：Compute Optimizer），自動分析 14 天內的服務器 CPU 使用率和 IO 數據，並標記峰值 CPU 利用率低於 15%、網絡流量非常低的虛擬機。同時，AWS 過去一年內新增了 3.8 吉瓦的電力容量，足以為 280 萬戶家庭提供電力。亞馬遜當前計算資源緊張的原因非常明確，搭載 GPU 的雲計算實例是訓練、運行大語言模型的核心資源。如今的 AI 熱潮，已經讓雲計算市場競爭激烈。
投訴水文 我要糾錯 下載APP，簽到賺金幣兌豪禮 相關文章關鍵詞：亞馬遜 AWS，算力緊缺，EC2 實例，CPU全球最大雲廠商亞馬遜盤初漲超 4%，市值破 3 萬億美元創歷史新高亞馬遜預計今年資本支出達 2200 億美元，但仍無法滿足公司全年需求喬思伯 CR-3000V2 雙塔雙風扇六熱管 CPU 風冷散熱器發售，黑白雙色均售 169 元英偉達用 Vera 處理器加速下一代 CPU 和 GPU 設計，EDA 應用提速最高 1.5 倍數據中心 CPU 價格飆升，英特爾、AMD 與中國客戶討論超一年期供應協議微軟間接確認 AMD 將推配備 3D V-Cache 的 "Zen 6" EPYC 處理器
Related
相關文章
一文看懂昇騰超節點：AI Infra已進入系統工程階段
（公眾號：zhidxcom） 作者 | 陳駿達 編輯 | 漠影 AI大模型競賽，正在進入新的量級。海外，十萬億參數的大模型已經逐步變成現實；國內，數萬億參數的大模型也在加速追趕。為了訓出真正的SOTA模型，算力集群從萬卡走向10萬卡已成為標配。 然而，一個尷尬的現實是：卡越堆越多，真正被利用起來的算力，卻沒有同步增長。華為的仿真數據顯示，在10萬卡集群中，卡間通信可能消耗了40%以上的訓練時間，算力利用率（MFU）往往不到30%。也就是說，大量昂貴的算力，並沒有真正用於計算。
OpenAI自曝6起事故：AI安全的第一份"審計報告"由誰簽字？
舒澤品牌手記2026.09.21 18:11 · 來自浙江全文4308字00:00 / 12:47當安全事件變成定期披露，AI公司就從"出了大事再解釋"轉向"持續被審計"。文 | 舒澤品牌手記9月16日，OpenAI在官網掛出6份模型異常行為報告。
Gemini"越獄"入侵三家企業：谷歌壓了兩個月，四巨頭栽在同一家35人公司手裡
AI唱反調2026.09.21 18:02 · 來自北京全文2381字四起事故連起來看，真正的主角已經不是某一家模型，而是整個行業的安全評測體系。文 | AI唱反調AI圈最魔幻的劇情出現了：OpenAI、Anthropic、Meta、谷歌，四巨頭的模型越獄事故，測試方是同一家公司。
Anew labs，“蒸餾”的行家
醫曜2026.09.21 18:00 · 來自北京全文2781字00:00 / 08:07首款自研藥AN5162，me-too了Dice/禮來。文 | 醫曜AI圈如今言必稱"蒸餾"。蒸餾現有知識，蒸餾競爭對手，蒸餾員工技能，無物不可蒸餾。醫藥圈很少說蒸餾。但這個行業有一個耳熟能詳、讓人稍微有點不屑、卻又必須面對的詞——me-too：copy對手的骨架，在對手專利之外尋求突破。copy得好，是me-better，甚至是me-best（Best-in-Class）；copy失敗呢？那就me-worse嘍。
Anthropic與字節扎堆AI製藥，下一個Coding風口卡在了數據這道坎上
Anthropic一邊自建溼實驗室，用來測試自家模型指揮生物實驗的能力，一邊牽手諾和諾德、百時美施貴寶，並把Coefficient Bio收入囊中；字節跳動分拆出來的新生實驗室也完成了首輪融資。被寄予厚望的AI，當下主要作用在把新藥早期研發的輪子轉得更快——壓縮候選分子的搜索空間和實驗迭代時間，但真正燒錢又耗時的臨床試驗環節卻難同步縮短，早期命中率提上來，並不等於臨床成功率就跟著漲。
Alibaba Qwen Releases Qwen-Image-2.1: A 7B Open-Weight Model for Image Generation and Editing
Alibaba’s Qwen team has released Qwen-Image-2.1, a unified text-to-image generation and image editing model. Its visual generation component has 7B parameters across 32 single-stream DiT layers.