Compute capacity
可以先理解为:模型公司交付智能能力的算力供给能力
模型公司不是只要模型聪明就行,还得有足够产能把聪明稳定卖出去。Compute capacity 说的不只是 GPU 数量,还包括芯片、网络、内存、封装、调度和利用率怎样把算力变成可交付能力。
关键结构图
中心写 Compute capacity,左侧连 GPU、memory、network、energy、packaging,右侧连 scheduling、utilization、model routing、inference cost;底部用箭头指向可交付智能能力。
What
模型公司不是只要模型聪明就行,还得有足够产能把聪明稳定卖出去。Compute capacity 说的不只是 GPU 数量,还包括这些算力能被多高效地调度、放大和交付。
Compute capacity 是模型公司或 AI 基础设施体系能够稳定提供训练、推理和企业交付所需算力的能力。它不是单纯拥有 GPU,而是把芯片、网络、能源、内存、封装、调度、成本和客户需求转成可交付智能能力。所谓 compute multiplier,就是同样的底层资源因为调度、架构或利用率不同,释放出不同的有效产能。
When
当你判断一家模型公司能否稳定服务更多用户、更长 agent 任务或更高推理需求时,可以调用 Compute capacity。
How
先拆资源层和转化层:资源层看 GPU、内存、网络、能源和封装;转化层看调度、利用率、缓存、模型路由和成本控制。只有两层都成立,算力才会变成稳定交付能力。
Examples
一个平台如果模型很强但高峰期排队、降速或涨价,问题可能不是模型能力,而是 compute capacity 没有跟上需求。
先进封装或更好的调度不一定增加芯片数量,但可能提高有效吞吐,这就是 compute multiplier 的视角。
来源
类型:系统结构 / 概念整理
事实线:这张卡把 Compute capacity 整理为 AI 基础设施把算力资源转成可交付智能能力的供给能力。
依据:1000 Bricks 既有 AI 基础设施概念,并合并 2026-06-26..2026-07-05 catch-up 中关于 compute multiplier 的公开材料信号。
边界:适用于分析模型公司、AI 工厂、推理服务和企业交付能力;不等于 GPU 越多就一定产能越强,也不等于单一硬件指标能解释全部供给能力。
常见误读:不要把 compute capacity 简化成“买更多卡”。真实瓶颈可能在内存、网络、调度、封装、能源或客户需求波峰。