斯坦福人均≈0.1張GPU！學術界算力遭「屠殺」，LeCun急了

新智元報道

編輯：好困 桃子

【新智元導讀】在工業界動輒十萬卡的暴力美學面前，學術界正淪為算力的「貧民窟」。當高校人均不足0.1張卡時，AI科研的主導權之爭或許已經沒有了懸念。

學術界的GPU荒，比想象中還要嚴重百倍！

NeurIPS 2025期間，兩位YC大佬組了個飯局，邀請14位美國頂尖高校實驗室的教授。

沒想到，席間很多人都在吐槽：學術界算力資源簡直「慘不忍睹」！

出于好奇，Francois Chaubard就去扒了一下數據，得到的結果離譜到家.....

以下是美國頂尖大學實驗室的情況——

· 普林斯頓：人均0.8張GPU

· 斯坦福：人均0.14張GPU（超算集群Marlowe僅有248張H100可用）

· 哈佛、UW、CMU：均在0.2-0.4張GPU之間

· 加州理工、MIT、UC伯克利：連0.1張GPU也達不到

如今，想要做點像樣的AI研究，人均至少得有1張GPU。實話說，真正要做起來，起碼8張才夠用。

沒有對比，就沒有傷害。

此時此刻，全球頂尖大廠的前沿實驗室動輒就是十萬張GPU起步。

就拿微軟的Fairwater Atlanta數據中心來說，它目前的算力每個月能跑23次GPT-4規模的訓練。

換句話說，當年訓練初代GPT-4花了90到100天，同樣的時間放在這里，大概能把這個過程跑上70次。

有了這種巨型數據中心，實驗室就能大幅提升前期實驗和最終模型訓練的規模與頻次。

到2026年底，馬斯克的Colossus 2很可能會把這些數字翻上一番都不止。

而到了2027年底，微軟的Fairwater Wisconsin預計單月就能完成超過225次GPT-4規模的訓練任務。

馬斯克xAI正在百萬張GPU串聯的超級巨獸「Colossus 2」訓練Grok 5

學術GPU太缺了

2024年李飛飛在一場爐邊談話中坦言，「斯坦福NLP實驗室僅有64張GPU」。

學術界在AI計算資源方面，正面臨斷崖式下跌。

與此同時，Nature一篇調查提出了「AI算力差距」，揭示了同樣令人扎心的現實：

想要訓練AI模型，學術界科學家能用的計算資源，跟工業界完全不是一個量級。

如上開篇一些數據，恰恰從側面印證了，高校GPU根本不足以開展大規模的AI實驗。

這種現象，不管在美國，還是國內，基本大差不差。

在Reddit上一篇熱帖中，一位博士生自曝沒有H100，算力成為了項目展開的主要瓶頸。

不僅如此，在Uvation調研中，GPU在高校課程和教學中也越來越重要，正在重塑學生學習計算機科學、工程學的方式。

如下表所示，斯坦福、MIT、牛津大學需要使用GPU相關的課程。

學術界GPU荒可不是小事，它的影響會像多米諾骨牌一樣擴散開來。

杜克大學陳怡然教授曾提到一點，因為工業界和學術界計算、數據資源差距拉大，AI科研人員不再把高校教職當做目標。

這也就意味著，頂尖人才未來會加速流向工業界，全因GPU不夠。

另一方面，學術界因GPU有限難以驗證big idea，正逐漸失去了定義前沿的能力。

2025年斯坦福AI指數報告中，一張圖清晰地呈現了這一趨勢。

谷歌、Meta、微軟、OpenAI等科技巨頭產出有影響力的AI模型數量遠超學術界。

AI大牛Sebastian Raschka表示，資源少只是問題之一。

另一個問題是，這些資源通常只能通過 SLURM（或類似的調度系統）訪問，根本沒有交互模式。

除非你已經完全清楚要跑什么實驗以及要跑多久，否則這一套流程走下來簡直折磨人。 這種條件下做研究真是太難了。

此外，學校里的那些GPU不是隨時能用的。

網友Lucas Roberts表示，自己上個月曾跟德州的一位教授聊過，他說學校的 GPU 一次最多只能跑24小時，時間一到就得保存進度（checkpoint），然后重新排隊跑下一個任務。

后來他好不容易給實驗室搞到經費買了幾張卡，這才實現了跑任務「不斷連」。

據他所知，這種24小時強制中斷的規定在其他高校也挺普遍的。

然而，LeCun當場反駁這一觀點，透露NYU是全美所有學術機構中，擁有最大規模的GPU集群。

具體數字——500張H200，比普林斯頓還要大。

有的高校，自建AI工廠

不過，也有一些高校條件會好一些。

微軟研究院前高級研究員，威廉與瑪麗學院助理教授Jindong Wang表示，實驗里每位學生配備6張GPU，還有云集群可用。

Vector研究所研究總監，多倫多大學統計與計算機系教授Dan Roy表示，他們會給每位學生都配備1張GPU。

更豪氣的學校，比如得克薩斯大學奧斯汀分校，直接為自家的AI基礎設施購買了超過4000張Blackwell GPU。

加上原有的設備，UT Austin總共將擁有超過5000張英偉達GPU。

而且，據稱還是由他們自己的發電站來提供加持。

這些英偉達GB200系統和Vera CPU服務器，將加入全美最大的學術超算「Horizon」，為UT Austin提供學術界最強悍的AI算力。

這種級別的算力意味著，UT Austin完全有能力從零構建開源的大語言模型。

無獨有偶，加州州立理工大學也在啟動一個由英偉達DGX加持的「AI工廠」——

它配備了4套NVIDIA DGX B200系統，并整合了高性能存儲、網絡設施以及NVIDIA的全套AI軟件棧。

有了這套系統，那些以前在標準硬件上需要數月才能完成的研究任務，例如分析數十萬個視頻文件，現在只需幾天即可完成。

反觀國內，GPU在高校的分布情況也不均衡。

知乎上一個話題下，碩博生紛紛討論做實驗用的顯卡。

北京某高校計算機碩士稱，已申請到研究院公用服務器。

還有更可憐的，某985學生自曝全組只有一張3080，還得自費租GPU。

參考資料：

https://x.com/FrancoisChauba1/status/1997095264923078856?s=20

https://news.utexas.edu/2025/11/17/ut-eclipses-5000-gpus-to-increase-dominance-in-open-source-ai-strengthen-nations-computing-power/

https://x.com/EpochAIResearch/status/1997040687561449710

https://epoch.ai/data-insights/gpt-4s-trainable

秒追ASI

?點贊、轉發、在看一鍵三連?

點亮星標，鎖定新智元極速推送！