分布式计算不是技术问题，是算账问题

大模型算力荒炸出的隐形池子

2026年初OpenAI的GPT-5训练项目曝出来一个料，他们绕开了北美所有头部超算中心，把超过40%的训练任务分给了全球各地的分布式闲置节点。

没人想到会缺成这样。

大模型火了两年，全球新建的集中式超算中心加起来，产能还填不上巨头一半的需求。说白了，集中式算力的扩张，卡不在技术，卡在土地、电价、电网扩容，随便一个百亿级的超算中心，拉电网就要花两年，拿地审批又是一年，等建起来，大模型参数都翻十倍了。

我去年跟一个国内超算中心的老总吃饭，他吐槽说现在拿地的成本，比十年前建机房翻了四倍，地方政府张口就要落地税收，就差把「你赚的钱我要分一半」写在合同上。

目前训练一个GPT-4级别的大模型，总耗电量接近3.5亿度，相当于湖南株洲市整整一个夏季的居民生活用电量，集中式超算光空调降温就要吃掉三分之一的电费。说白了，算力越集中，浪费越严重。

很多人直到今年才反应过来，原来满世界都飘着闲置算力，挖矿退潮之后全球有超过1000万张高显存GPU在吃灰，很多企业的AI服务器闲时使用率不到20%，这些散碎的资源，攒起来就是一个没人看见的算力汪洋。

这帮中国人把账算明白了

说实话，最早吃分布式计算这碗饭的，不是什么互联网巨头，是原来做矿场托管的那帮人。

比特小鹿，原来就是比特大陆出来做矿机托管的，挖矿潮退了之后，转手就把全国二十多个矿场的闲置节点改成了分布式AI算力池，现在国内做小模型微调的创业团队，大半都在他们家拿算力。

很多人喷分布式说不稳定，说节点分散容易出问题，其实现在的调度技术早就解决了，坏一个节点自动切任务，根本不影响整体运行。人家玩的就是成本账。比特小鹿今年一季度披露的运营数据，同算力规格的分布式AI集群，单位成本比国内头部云厂商的集中式智算便宜42%，而集群整体PUE只有1.18，比集中式超算普遍的1.6低了超过26%，光制冷省电这一块，一年就能省出近千万的成本。

这个账，巨头不是算不明白，是不愿意算。我见过很多做集中式智算的老板，一提分布式就骂野路子，说不合规，说没保障，本质是什么？是他们拿了低价土地拿了长期贷款，重资产砸进去了，要是分布式把算力价格打下来，他们的固定资产直接贬值三分之一，换你你不急？

这就像军事对抗里的路线选择，原来的集中式计算是重兵集团摆开阵线对轰，优势是火力够猛，缺点是转进慢、补给成本高到离谱，打不起长期消耗战；分布式计算就是灵活穿插的特战集群，把散在各处的闲置火力点捏成一张网，需要的时候凑成拳冲核心任务，不需要的时候各自归位干散活，成本瞬间压到原来的一半。

现在国内已经有二十多家分布式算力平台跑出来了，从云厂商到原来的矿场，都在抢这个市场，说白了，就是用闲置资产干原来巨头垄断的生意，这就是商业模式的博弈，不是技术迭代那么简单。这个方向我认为走对了，把石头往没人的地方扔，才能砸出新坑。

每个从业者都能拿到的新门票

不过话说回来，分布式计算最大的变化，不是给巨头省了多少钱，是把算力的门槛给砸穿了，落到了普通从业者手里。

原来你要做个大模型微调，没有个大几百万的预付算力费，根本碰不了，投资机构不投你，你连启动的资格都没有。现在呢？你去分布式平台租算力，按调用量付费，一张A100一天只要几十块，十万块就能跑一轮中型模型的微调，只要你的方向对，根本不用看巨头的脸色。

我上个月见了一个从百度出来的算法创业者，他带三个人做医疗垂直领域的大模型，整个项目启动才花了不到五十万，其中算力成本才十万不到，全部用的分布式节点，换五年前，这点钱连半个超算节点的月租金都付不起。

对产业链来说，这个变化才是真的颠覆性。原来算力是巨头的护城河，你做AI创新，先要过算力这一关，过不了就死在半路，现在分布式把护城河给挖塌了，只要你有想法，就能拿到算力试错，创新的速度至少快了三倍。很多原来在大公司摸鱼的算法工程师，现在出来创业，第一笔算力就是从分布式平台拿的，不用抵押资产，不用签长约，试错成本低到可以忽略。

我还见过有人把自己工作室吃灰的四张3090挂到分布式平台，每个月都能赚小几千块，比放着落灰强一万倍。

原来我们总说分布式计算是未来技术，现在看，哪是什么高高在上的未来技术，就是把原来浪费的资源捡起来，重新分蛋糕而已。大把人用脚投票，已经说明一切。

你手里那台吃灰的高端显卡，明年会不会帮你赚回当年抢显卡的溢价？