领英明年不扩建数据中心

本文介绍了领英（LinkedIn）如何在不增加服务器和存储投入的前提下，大幅提高人工智能（AI）系统的运行效率，从而控制成本、支撑业务增长。其核心策略包括：优化GPU利用率（训练阶段达95%以上）、采用模型蒸馏技术构建更小但效果不减的AI模型（如职位推荐系统）、重构软件以减少对昂贵NVIDIA GPU的依赖、改写底层驱动以突破硬件限制、精细化分配计算资源，并建立内部计量工具监控各团队资源消耗。过去12个月，这些措施共节省约2400万美元（相当于1100块GPU全年满负荷运行的成本）。尽管领英年营收达180亿美元，节支绝对值看似不大，但此举释放了工程敏捷性——团队能更快启动新项目、集成更多AI能力，而无需扩大基础设施规模。值得注意的是，领英并未放弃数据中心升级，而是提前采购新服务器以锁定价格（部分服务器价格三个月涨了三倍），同时转向“按季度动态调配资源”模式，取代以往粗略的年度资源预估。文章还指出，这种‘精打细算用AI’的趋势正成为行业新动向（业内称‘Tokenomics’），即从‘买更多硬件’转向‘用更少资源做更多事’；但专家也提醒，过度压缩IT支出可能最终与AI规模化需求发生冲突——要么降低AI目标，要么打破预算冻结令。