# 对话 Anjney Midha：顶级 AI 实验室的算力利用率不到 10%，他打算建一个独立的算力电网

> 原标题：The Professor of Outputmaxxing — Anjney Midha, AMP

- 来源：Latent Space
- 发布时间：2026-06-18T17:30:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/39794
- 原文：https://www.latent.space/p/anj

## 摘要

Anjney Midha 在播客里聊了 AI 基础设施里被严重低估的浪费问题。他提到，xAI 训练模型时的实际算力利用率（MFU）不到 10%，而谷歌当年把 95% 的利用率视为故障；目前业界顶尖水平也就 60% 到 70%。这意味着前沿 AI 的瓶颈已经不是买多少 GPU，而是怎么把已有的卡用好，这是个系统工程问题。他投资过 Anthropic、Mi...

## 推荐理由

Anjney Midha 把 xAI 训练时的算力利用率钉在一个具体数字上（不到 10%），把平时大家模糊抱怨的算力浪费变成了可量化的讨论。我会先打个折，因为这是播客里的个人说法，不是论文或产品发布，没有可复现的验证路径，所以分数卡在 78。但这段话对从业者来说很实在，直接点出了当前 AI 竞赛里被严重低估的工程债。

## 锐评

Anjney Midha 在播客里抛出的核心判断很直接：AI 军备竞赛的瓶颈正从“抢 GPU”转向“用 GPU”。他提到 xAI 训练时的实际算力利用率（MFU）不到 10%，而谷歌当年把 95% 的利用率视为故障，目前业界顶尖水平也就 60% 到 70%。这意味着花大价钱堆的卡，大部分算力其实在空转或等待，是个系统工程没跟上的问题。

这个数字对比很扎眼，但正文没披露 xAI 这个 10% 是哪个训练阶段的数据，也没说明是单次故障还是常态。如果是真的，说明他们的基础设施调度、网络或并行策略有巨大优化空间；但也可能只是某个实验跑崩了拉低了平均值。这点先别太激动。

他还提到 DeepMind 有大量研究没发表，认为这是市场失灵；以及 Anthropic 从第一天就把写代码能力定为最高优先级。这些判断都指向同一个方向：模型能力竞赛的下半场，胜负手可能不在论文或融资额，而在工程纪律和系统效率。不过 AMP 自己的 1.2 GW 算力电网计划没给时间表，落地难度和资金缺口都还是未知数。