GPU 利用率不到 15%：AI 产业最大浪费 + 趋动科技软件定义 GPU（甲子光年 / 王艺）
GPU 利用率不到 15%：AI 产业最大浪费 + 趋动科技软件定义 GPU（甲子光年 / 王艺）
来源类型： 行业深度分析
日期： 2026
标签： #GPU利用率 #15% #软件定义GPU #趋动科技 #甲子光年 #王艺
核心问题
"表面上看，贵的是 Token；再往下拆，贵的是算力；再往深处看，贵其实是'没有被有效组织起来的算力'。"
"今天 AI 产业里大量最昂贵的基础设施，并没有持续转化成对应的生产力。"
关键数据
"AWS 曾公开提到过 GPU 利用率大约在 10%—30%；而趋动科技接触到的国内很多客户 GPU 利用率低于 15%，甚至还有不少低于 10%。"
"这意味着，今天 AI 产业里大量最昂贵的基础设施，并没有持续转化成对应的生产力。"
硬件成本
"一台华为 910C 服务器约 200 万元，一台英伟达 B300 服务器近期价格也涨到了近 600 万元；如果算力利用率只有 10%，那意味着 90% 的昂贵资产，长期处于'买了、装了、分了，但没真正高效使用'的状态。"
"可以说，今天的 AI 产业缺的并不只是算力，更是那些'会流动的算力'。"
趋动科技解法
"从 CPU 虚拟化催生云计算时代，到 GPU 虚拟化开启智算新纪元，算力产业的每一次跃迁，本质上都是'软件重新定义硬件'的故事。"
"趋动科技押注的，正是这样一个历史性的结构转折点。"
王鲲观点
"随着国产 GPU 持续进步、各地智算中心密集上马，问题已经不只是'有没有卡'，而是'这些卡有没有被真正用起来'。"
"当 AI 进入应用时代，决定成本曲线的，不再只是名义上的装机量，而是能够被稳定调用的有效算力规模。"
关键洞察
1. GPU 利用率 < 15%
- 国内客户
- 大量浪费
2. AWS 10-30%
- 公开数据
- 仍不理想
3. 90% 资产未使用
- 910C 200 万
- B300 600 万
4. 软件定义 GPU
- CPU 虚拟化历史
- GPU 虚拟化未来
5. 王鲲"流动算力"
- 有效算力规模
- 稳定调用
与已有知识的关联
- wiki/entities/qudong-tech — 趋动科技
- wiki/entities/wang-kun — 王鲲（趋动科技创始人）
- wiki/entities/aws — AWS
- wiki/entities/huawei-910c — 华为 910C
- wiki/entities/nvidia-b300 — 英伟达 B300
- wiki/entities/jiazi-guangnian — 甲子光年
- wiki/concepts/software-defined-gpu — 软件定义 GPU
- wiki/concepts/gpu-utilization — GPU 利用率
- wiki/concepts/ai-capex — AI 资本支出
- wiki/entities/wang-yi — 王艺（作者）
- wiki/entities/lizi — 栗子（编辑）
资料来源
- 原文：https://mp.weixin.qq.com/s/vCZTUcafBkVnZ3qY-stmEA
- 原始文件：
raw/articles/微信文章2/GPU利用率不到15%，AI产业最大的浪费正在被这家公司改写｜甲子光年.md - 作者：王艺
- 编辑：栗子
- 来源：甲子光年
我的判断（高置信度）
这是 2026 年中国 AI 算力最深度的分析——GPU 利用率 15% + 软件定义 GPU + 趋动科技十年长跑。
关键洞察：
1. "GPU < 15%" —— 是核心数据
2. "90% 资产未用" —— 是浪费
3. "软件定义 GPU" —— 是新趋势
4. "王鲲流动算力" —— 是核心概念
5. "VMware 时刻" —— 是类比
预测：
- 2026 H2：可能立法"AI 算力效率"
- 2027：可能形成"软件定义 GPU"标准
- 2028：可能涌现"GPU 虚拟化"新蓝海
对 AI 基础设施的建议：
"GPU 利用率" 是核心 KPI
- 趋动科技模式可借鉴
- 软件定义是趋势
- 长期降本是关键
对企业的启示：
"会流动的算力" 是新理念
- 有效算力规模
- 稳定调用
- 长期价值
对投资者的启示：
"趋动科技" 是 GPU 虚拟化早期标的
- 关注后续融资
- 软件定义是趋势
- 长期赛道