一句话看懂：LinkedIn 宣布在 2025 财年（至 2026 年 6 月）不扩建 AI 数据中心，保持 GPU 投资和存储规模不变。这家拥有 13 亿用户的社交平台通过将现有 GPU 效率提升一倍，以及采用模型蒸馏等技术，实现了“算力零增长”却仍能推出更多 AI 功能。
事件核心：发生了什么
LinkedIn 首席技术官 Erran Berger 和基础设施负责人 Raghu Hiremagalur 在接受 WIRED 采访时明确表示，公司已决定在新财年不增加数据中心容量。过去半年，他们将 GPU 利用率提升到 95% 以上，并通过模型蒸馏等优化手段，让推荐、搜索等 AI 模型在更小算力开销下达到相近质量。LinkedIn 为此开发了精细的算力和存储计量工具，将计算资源按项目动态分配，减少空闲浪费。目前 LinkedIn 拥有自建数据中心（位于俄勒冈、得克萨斯和弗吉尼亚），此前曾尝试迁移至微软 Azure，但因经济性不合适而放弃。
为什么重要
OpenAI、Meta、Google 等巨头正在疯狂扩建算力集群，LinkedIn 却选择“原地优化”而非“买新卡”。这说明 AI 基础设施成本并非只有扩张一条路：通过效率提升和技术创新，可以在不大幅增加预算的前提下支撑更多生成式 AI 功能。HP 董事会成员 Songyee Yoon 评价称，“这表明 AI 正在从实验阶段进入生产纪律阶段，赢家不一定是花最多钱的公司。”LinkedIn 的实践为行业提供了可验证的反例，尤其在算力短缺和供应链紧张的背景下，其思路对中大型企业有直接的参考价值。
对用户/开发者/创作者的影响
LinkedIn 用户：消息撰写助手、职位推荐、Feed 排序等 AI 功能将继续改进，且不会因成本原因被限制使用或降低质量。Berger 称，采用蒸馏模型的职位推荐工具已经让用户更容易找到原本被遗漏的职位。开发者：这一案例验证了通过测量、分配和模型压缩来降低推理成本的可能性，尤其对需要高并发但预算有限的团队有启发。AI 创业者：LinkedIn 证明“算力效率”本身可以成为竞争壁垒，优化工具链和模型蒸馏方法可能成为新一代 MLOps 产品的方向。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
1. LinkedIn 能否在一年内真正实现“算力零增量”承诺？公开信息显示，公司已将内存芯片价格上涨风险计入预算，但大模型推理需求仍在快速变化。
2. 微软是否会借鉴 LinkedIn 的方法优化 Azure 上的 AI 工作负载？LinkedIn 的 GPU 利用效率已经超过 95%，如果 Azure 也能实现类似提升，将显著降低云上 AI 成本。
3. 其他有自建数据中心的平台（如 Meta、Google）是否会跟进类似“算力持平”策略？目前公开信息显示，他们仍在大规模投资，但 LinkedIn 的成果可能促使更多公司重新评估新建算力的必要性。
来源：Wired AI
