在生成式人工智能（AI）席卷全球科技行业的当下，算力似乎成为了新的石油，各大科技公司纷纷斥巨资扩建数据中心，以应对日益增长的模型训练和推理需求。然而，作为微软旗下核心社交网络的领英（LinkedIn），却在这一轮“算力军备竞赛”中按下了暂停键。根据最新报道，领英计划在未来一年内不再扩大其数据中心的规模，转而采取一种更为务实的策略：在保持计算能力总量不变的前提下，挑战工程师团队让每一张GPU都发挥出最大效能。
算力扩张的逆行者
通常情况下，随着用户数据的积累和AI应用的深入，公司往往需要更多的存储空间和更强大的计算能力。领英此举显得颇为反直觉。在AI大模型（LLM）爆发、企业对算力需求呈现指数级增长的背景下，领英选择“冻结”计算能力的扩张，无疑是对行业常规路径的一次背离。这一决策背后，反映了领英对于成本控制、资源利用率以及技术成熟度的深刻考量。他们似乎在传达一个信号：在AI时代，并非所有的增长都必须通过硬件的堆砌来实现，通过软件层面的极致优化同样可以达到目的。
“让每张GPU都发挥作用”
领英首席技术官瑞安·罗斯兰斯基（Ryan Roslansky）向团队发出了明确的指令：在新的财年中，不要期望获得更多的硬件预算来扩建数据中心。取而代之的是，工程师们必须通过技术创新，挖掘现有算力的潜力。这一指令的核心在于“让每张GPU都发挥作用”。这意味着在模型训练、微调以及推理过程中，需要采用更高效的算法架构，减少冗余计算，并优化资源调度策略。
对于技术团队而言，这无疑是一项艰巨的挑战。传统的AI开发往往依赖于强大的算力支持，而限制算力则迫使工程师们跳出舒适区，深入代码底层进行优化。这可能涉及模型量化、知识蒸馏、混合专家模型（MoE）架构的更优应用，以及更智能的负载均衡机制。通过这些手段，领英试图在有限的硬件资源下，维持甚至提升AI模型的服务质量和响应速度。
行业影响与应用场景
领英的这一策略对整个科技行业具有重要的参考意义。在GPU等硬件资源日益昂贵且稀缺的背景下，单纯依赖增加硬件投入的模式可能难以为继。越来越多的企业开始意识到，未来的核心竞争力将不仅仅在于拥有多少张H100或A100显卡，而在于如何更聪明地使用它们。
对于领英自身而言，其核心业务高度依赖于AI算法来优化用户匹配、内容推荐和职位匹配的准确性。通过精耕细作现有算力，领英不仅能够有效控制运营成本，还能在复杂的AI模型部署中保持更高的灵活性和可靠性。这种策略有助于企业在不确定的经济环境下，保持健康的现金流和盈利能力，同时避免因硬件闲置造成的资源浪费。
从“买得更多”到“做得更好”
领英的案例标志着AI基础设施建设思路的一个微妙转变。过去，科技公司倾向于通过不断采购最新的硬件来快速迭代产品，这种“硬件优先”的模式在AI的早期阶段行之有效。但随着技术的成熟和市场的饱和，边际效益递减的问题开始显现。领英选择在此时坚持“让每张GPU都发挥作用”，实际上是在推动一种更高级的工程文化：即通过代码和算法的优化来驱动增长，而非硬件的堆砌。
这种转变不仅对科技巨头有启示，对于中小型AI初创公司同样具有借鉴意义。在资源有限的情况下，如何通过高效的算法设计来弥补硬件的不足，将是决定其生存和发展的关键。领英正在用实际行动证明，在AI的下半场，效率与优化或许比规模与扩张更具决定性。
综上所述，领英暂停数据中心扩张的决定，并非是对AI发展的悲观预测，而是一种基于理性分析的主动选择。它强调的是在AI浪潮中，通过技术创新实现算力价值的最大化。这一策略不仅考验着领英工程师的智慧，也为行业提供了一个关于如何可持续地发展AI基础设施的范本。
信息来源：Feed: Artificial Intelligence Latest，原文链接：https://www.wired.com/story/how-linkedin-is-keeping-its-compute-capacity-flat/
封面图片来源：Unsplash / 摄影师 Souvik Banerjee
