Vultr加入美国算力共享联盟，计划把分散GPU资源接入统一平台

训练一轮模型需要大量GPU，训练结束后，部分资源又可能暂时空闲。对初创公司和科研团队而言，另一端的困难则是：短期实验需要算力，却未必有能力提前签下长期、大规模的基础设施合同。如何让这些供需相遇，正在成为AI云服务商探索的新业务方向。

10月7日，云基础设施供应商Vultr宣布，以创始成员身份加入National Compute联盟，为其共享计算网络贡献容量。该联盟希望通过统一编排平台连接不同云服务商、数据中心和芯片架构，让研究团队能够按需预订前沿AI计算资源。

Vultr是一家成立于2014年的独立云基础设施供应商，由David Aninowsky创立，业务涵盖云计算、裸金属服务器、存储及GPU云服务。它主要提供运行软件和AI任务所需的基础设施。2024年，Vultr获得LuminArx和AMD Ventures投资，当时披露的估值为35亿美元。

此次加入的National Compute，是围绕AI算力共享组织起来的联盟。其项目名为National Compute Grid，计算网格及交易平台由National Compute Labs开发。尽管名称带有“National”，它不宜被直接译作政府机构意义上的“国家计算中心”。据HPCwire报道，该倡议由AI控股公司Amp负责人Anjney Midha推动。

联盟的核心平台叫Grid Exchange。按照Vultr的说明，它将汇集多个供应商的计算资源，通过共同编排层提供给用户，重点满足阶段性增加的AI算力需求。对于大学、政府实验室和初创企业，这意味着除了自建集群或签订长期云合同之外，有望增加一种获得短期容量的渠道。

Vultr在博客中把这一思路类比为电网：连接分散的供给与需求，让已有设施得到更充分利用。对Vultr自身而言，参与共享网络也增加了一条分配和销售算力的路径——可用容量能够面向联盟中的用户，而不只服务于直接签约客户。

联盟提出，到2030年汇集2吉瓦容量，并覆盖英伟达、AMD及谷歌TPU等架构。这是长期目标，并非当前已经投入运行的规模。 不同芯片的性能、内存和软件环境存在差异，基础设施容量也不能直接等同于统一的AI计算性能。

计费方式是该项目的另一个看点。Vultr表示，网格将围绕“goodput”，即完成且未受中断影响的有效工作定价，强调任务实际推进的价值，而非仅统计GPU被分配了多少小时。对于用户，这种模式的吸引力在于减少为空转和中断付费；不过，公告尚未给出不同任务的具体计量标准、价格表和服务保障条款。

共享资源池能否产生收益，还取决于任务是否适合调度到这些资源上。把不同站点的GPU纳入同一平台，可以改善资源发现和预订，却不会自动消除硬件适配、数据传输和网络延迟问题。尤其是需要大量加速器紧密同步的大模型训练，仍然依赖集群内部的高速互联。

Vultr此次披露了参与身份和项目方向，但没有公布自身贡献的具体容量、GPU型号或接入时间表。National Compute官网目前显示，网格预览期面向公共部门合作伙伴开放，其他用户可加入候补名单。

从此次合作可以看到，AI基础设施厂商正在尝试把竞争从“拥有多少GPU”延伸到“如何更有效地分配GPU”。对于National Compute及其成员，下一步需要证明的是：分散的可用容量，能否转化为用户按时获得、稳定运行且成本可控的计算服务。