頂尖人才逃離高校，只因，GPU，不夠用，工業界成最大贏家

哈嘍，大家好，今天小墨這篇評論，主要來分析 AI 人才流向反轉，高校因 GPU 短缺遇冷，工業界成香餑餑。

工業界十萬張 GPU構建的算力王國里，學術界正陷入前所未有的GPU 荒。人均不足 0.1 張卡的窘境，讓高校在 AI 科研賽道上節節敗退。

原本是人才搖籃的高校，如今卻留不住頂尖 AI 研究者。這場由算力引發的人才遷徙，正在徹底改寫 AI 領域的競爭格局，工業界無疑成為最大的受益者。

NeurIPS 2025 期間的一場飯局，揭開了學術界算力短缺的遮羞布。兩位 YC 大佬邀請的 14 位美國頂尖高校實驗室教授，席間滿是對算力資源的吐槽。

Francois Chaubard 整理的數據更是讓人咋舌。加州理工、MIT、UC 伯克利這些名校，人均 GPU 甚至達不到0.1 張。斯坦福情況稍好，但人均也只有 0.14 張，其超算集群 Marlowe 僅有 248 張 H100 可用。

要知道，像樣的 AI 研究人均至少需要 1 張 GPU，真要搞出點成果，8 張才夠用。2024 年李飛飛在爐邊談話中就坦言，斯坦福 NLP 實驗室僅有 64 張 GPU。

國內高校的情況也沒好到哪里去。知乎上的一個話題里，不少碩博生分享了自己的窘境。有 985 學生自曝全組只有一張 3080，做實驗還得自費租 GPU。

中國科學報 11 月報道過一位國內高校 AI 專業博士生的經歷。他的課題需要訓練一個中等規模的視覺模型，申請學校公用 GPU 得排隊一周以上。

好不容易排到了，一次最多只能跑 24 小時，時間一到就得保存進度重新排隊。為了不耽誤課題進度，他不得不每月自掏腰包，在云平臺租 GPU 繼續實驗。

GPU 數量不足只是一方面，使用時的各種限制更讓科研人員頭疼。AI 大牛 Sebastian Raschka 就提到，高校的 GPU 通常只能通過SLURM 調度系統訪問，沒有交互模式。

除非提前把實驗流程和時長規劃得一清二楚，否則整套流程走下來特別折磨人。網友 Lucas Roberts 也分享過，德州一位教授告訴他，學校的 GPU 一次最多跑 24 小時。

時間一到就得保存進度，然后重新排隊。后來這位教授好不容易搞到經費買了幾張卡，才實現了跑任務 “不斷連”。這種 24 小時強制中斷的規定，在很多高校都很普遍。

科技日報 12 月初報道了國內某高校的情況。該校計算機系的公用 GPU 集群，因為使用人數過多，采取了配額制。

每個課題組每月只有固定的使用時長，超出部分需要額外申請審批。有教授透露，為了節省算力，學生們甚至要把多個小實驗合并成一個大任務來跑，無形中增加了實驗的風險。

反觀工業界，不僅算力充足，使用起來也毫無限制。微軟的 Fairwater Atlanta 數據中心，每月能跑 23 次 GPT-4 規模的訓練。當年訓練初代 GPT-4 花了 90 到 100 天，在這里同樣時間能跑上 70 次。

馬斯克的 xAI 更是在用百萬張 GPU 串聯的 Colossus 2訓練 Grok 5，到 2026 年底，其算力很可能翻一番還不止。

算力差距帶來的最直接影響，就是 AI 頂尖人才的流失。杜克大學陳怡然教授提到，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。

2025 年斯坦福 AI 指數報告顯示，谷歌、Meta、微軟、OpenAI 等科技巨頭產出的有影響力 AI 模型數量，遠超學術界。學術界因為 GPU 有限，難以驗證那些有潛力的大膽想法，正逐漸失去定義 AI 前沿的能力。

澎湃新聞 11 月下旬報道過一則案例。國內某頂尖高校 AI 實驗室的一位青年教師，原本在大語言模型輕量化領域有很好的研究基礎。但因為實驗室算力不足，他的多個創新思路無法及時驗證。

而此時某科技公司向他伸出橄欖枝，承諾配備專屬的 GPU 集群和充足的研究經費。權衡之下，這位青年教師最終選擇離職，加入該科技公司的 AI 實驗室。

不過也有少數高校在努力突圍。NYU 的 LeCun 就透露，NYU 擁有 500 張 H200 GPU 集群，是全美學術機構中規模最大的。得克薩斯大學奧斯汀分校更是豪氣，購買了超過 4000 張 Blackwell GPU，加上原有設備，總共擁有超5000 張英偉達 GPU。

國內部分高校也在積極應對。中國教育報 12 月報道，清華大學、北京大學等高校通過校企合作模式，獲得了企業捐贈的 GPU 設備和云算力支持，一定程度上緩解了算力短缺的壓力。

GPU 短缺確實讓高校在 AI 競爭中陷入被動，但這并非無法逆轉。隨著部分高校的主動突圍和各方支持力度的加大，相信學術界能逐步縮小與工業界的算力差距。

人才的流動是正常現象，而良性的競爭終將推動整個 AI 領域不斷向前發展。