深夜经过一层机房，走廊里最先扑过来的不是灯光，是风。门缝里挤出的热气带着塑料和金属的味道，风扇在机柜里成排地转，声音像有人在远处持续吹一张纸。运维的人说，这两年最常被问的问题变了：以前问还剩几个机位，现在问这层楼还能不能多给两百千瓦。
芯片的交付周期在缩短，配电和制冷的改造却按季度、按审批走。于是出现一种不太上镜的错位——采购清单上的加速卡堆在仓库里，机柜空着一半，电却先到了上限。
先被算清楚的，往往是电
一台高密度服务器的功率，抵得上过去好几台普通机器。机柜功率密度上去之后，风冷很快碰到天花板。液冷不是新鲜事，麻烦在于改造成本和停机窗口：管道要重新走，地板要重新承重，老机房层高不够，连检修通道都得重划。很多地方不是不想上，是改一次要停一次业务。
这里有个容易被忽略的算术：单位面积能塞进多少计算能力，最终由每平方米能散掉多少热决定。芯片性能往上走多少，散热就得跟上多少，而热这一侧的速度，通常慢半拍。
通了电，也不等于算力在被使用
设备点亮只是开始。真正决定产出的是任务能不能持续喂饱这些机器。训练任务还好，排进队列就能长时间占住；推理业务有明显潮汐，白天高、凌晨低，低谷时段的闲置很普遍。把闲置时段拼起来给别人用，听起来合理，做起来要处理数据隔离、网络互通、故障归责，每一件都不轻。
还有一个更硬的天花板：数据搬运。计算单元再快，等数据的时候也只能干等。内存带宽、卡间互联、跨机房链路，任何一段窄了，整体吞吐就卡在那儿。很多人盯的是单卡峰值，实际跑起来，瓶颈常常在搬运环节。
不是所有活儿都需要一个很大的池子
我倾向于认为，接下来关于算力的讨论会从“建多大”转向“怎么用”。一些推理场景对延迟敏感，把任务放到离用户近的小节点上，比塞进远端的大集群更划算；一些批量任务对时延不敏感，可以错峰跑。分层、大小混合的部署，可能比单一巨型设施更贴近真实需求。
反过来说，把规模当成唯一目标也有代价：设备折旧按年走，电费按月走，业务增长却未必按同样的斜率。若利用率长期上不去，账面上的规模越大，压力越沉。
所以再听到有人谈算力，我通常会多问一句：电够吗，热散得掉吗，任务排得满吗。这三个问题里任何一个没有答案，剩下的都只是纸面上的数字。