AI巨头之间的军备竞赛，第一次亮出了如此具体的底牌。
一座为AI而建的"算力城市"
据多家海外科技媒体报道，Meta近日公布了其位于俄亥俄州的超大规模集群Prometheus的细节：这个设施最终将容纳约100万块英伟达GPU，横跨多栋互联的建筑，规模堪比一座小型算力城市。
关键进展是：一期已经投入运行，并且已经干了一件大事——训练Meta最新的Muse Wonder前沿模型。Meta披露，预训练阶段实现了85%以上的有效算力利用率，平均故障间隔约5.4万GPU小时。对于动辄数万块卡同时轰鸣的训练集群来说，这两个数字是衡量工程能力的关键指标：算力买得来，把百万卡级别集群的稳定性调教好，才是真功夫。
下一步，该设施将引入最新的Vera Rubin NVL72系统——英伟达新一代机架级方案，意味着这座集群的算力密度还在继续爬坡。
百万卡集群意味着什么
训练前沿大模型的门槛，早已不是算法，而是工程与资本。将100万块GPU互联协同，要解决散热、供电、网络、故障恢复等一系列问题，任何一环掉链子，上万卡小时就打了水漂。85%以上的goodput意味着Meta把"无效时间"压到了行业领先水平。
这件事对行业的直接影响有三点：一是前沿模型的训练周期会进一步缩短，Meta在模型竞赛中的迭代速度将获得硬件层面的支撑；二是算力需求的"军备"信号再次确认，上游芯片、供电、散热、数据中心的订单能见度随之提高；三是行业分化加剧——没有自有超大规模集群的公司，将越来越依赖租用算力，成本结构上先天吃亏。
烧钱竞赛的另一面
当然，另一面的声音同样值得听。就在同期，行业里关于"AI基建融资链是否过热"的讨论正在升温：有算力租赁公司的债券被市场打入"困境"区间，投资者开始追问这场百万卡竞赛的资金从哪来、回报在哪算。
超大集群是巨头才玩得起的游戏：它需要百亿级美元的资本开支、长期低价的电力合约和与之匹配的收入预期。对后来者而言，这道门槛只会越来越高。
普通人现在能做什么
一是投资者可以沿着"算力基建"链条梳理机会，供电设备、散热方案、光模块等环节的景气度有产业数据可跟踪；二是从业者关注超大规模集群的运维与网络方向，这是人才稀缺度最高的领域之一；三是普通用户可以把这类新闻当作模型能力的"预告片"——今天装的卡，决定两年后你手机里的AI有多聪明。
AI竞赛的上半场比模型，下半场比的是谁家电厂够大。以上内容基于公开报道梳理，不构成投资建议。