Liftr Insights数据显示运行英伟达AI实例的年度电力成本约为200万美元。

Liftr Insights凭借独特数据驱动的市场情报而著称，该公司针对2,000张NVIDIA芯片进行了计算分析，以展示运行常见AI工作负载的持续成本。NVIDIA凭借其半导体产品在新闻和市场上占据主导地位，其最新型号（如Hopper H100）被认为对不断增长的AI培训和其他人工智能流程需求至关重要。Liftr数据表明，即使是较早的型号（如A100）仍然需求旺盛。

企业若投资3,300万美元购买AI加速器芯片，并每年支付200万美元的电力成本，就可以在德克萨斯州达拉斯运行1,000张H100和1,000张A100，这些芯片合计可生成超过44.7 FP64 petaflops的高性能。然而，相同的基础设施在不同地点会产生不同的运营成本。在休斯顿运行这一基础设施每年的电费约为210万美元，而在圣安东尼奥或奥斯汀的年度成本则更低，分别为190万美元和160万美元。

"尽管Blackwell流程延期的消息传出，"Liftr Insights首席执行官Tab Schadt表示，"AWS、Azure和GCP等主要云服务提供商一直在增加对最新NVIDIA半导体的采用。"追踪前6家云服务提供商和3家新兴提供商的Liftr Insights数据显示，Hopper品牌的采用率在增长，其中H100是Hopper系列中讨论最广泛的型号。

除了展示常见配置以及主要消费者的采用趋势外，Liftr数据还能为数据中心运营商提供更深层的洞察。"我们帮助客户理解这些新芯片对性能和财务状况的影响，"Schadt表示。"在考虑新AI时，不仅要知道有哪些可用产品。更重要的是，对于特定配置，需要理解性能、功耗，以及最终的持续成本底线。"