AI 浪潮下，各大科技公司纷纷砸重金扩建数据中心、抢购 GPU，但 LinkedIn 却选择了一条不同的路：未来一年内不扩建数据中心，而是让工程师在现有硬件上精打细算，最大化每一块 GPU 的效率。
发生了什么
据 WIRED 报道，LinkedIn 计划在未来一年内暂停数据中心扩建，并明确要求工程师团队优化现有计算资源的使用效率。这意味着，在同行纷纷扩大算力储备时，LinkedIn 选择“向内看”，通过软件和架构优化来应对 AI 工作负载的增长。
为什么重要
LinkedIn 的决定并非孤例，而是反映了企业对 AI 算力投资回报的重新审视。当前，GPU 成本高昂且供应紧张，盲目扩建数据中心可能导致资源闲置和成本失控。LinkedIn 作为微软旗下的职业社交平台，其 AI 应用场景（如招聘推荐、内容排序、用户画像）对实时性要求高，但计算需求相对可预测。通过优化而非扩张，LinkedIn 可以更灵活地控制成本，同时避免过度投资。
此外，这一策略也凸显了“算力效率”的重要性。在 AI 领域，软件优化（如模型压缩、推理加速、调度优化）往往能带来数倍的性能提升，其价值不亚于硬件升级。LinkedIn 的做法可能成为其他企业的参考，推动行业从“堆算力”向“用算力”转型。
影响与看点
对开发者而言，LinkedIn 的策略意味着更注重工程优化能力。工程师需要深入理解模型和系统，通过算子融合、内存管理、分布式调度等手段提升效率。这可能会催生更多针对特定场景的优化工具和最佳实践。
对行业而言，LinkedIn 的“节流”做法可能引发连锁反应。如果更多企业效仿，GPU 需求增速可能放缓，从而影响英伟达等供应商的定价策略。同时，云服务商也可能推出更多按需优化服务，帮助客户降低算力成本。
一个值得关注的看点是：LinkedIn 能否在限制算力的情况下，保持 AI 功能的竞争力。如果成功，它将证明“少即是多”的算力哲学；如果失败，则可能被迫重新扩张。无论如何，这都是一次关于效率与规模的有益实验。
独立判断：LinkedIn 的决策并非保守，而是务实。在 AI 泡沫化的今天，回归工程效率比盲目烧钱更可持续。
