今年WAIC把"镇馆之宝"颁给曙光8000，往前看两年这位置基本是大模型的，各家比谁家模型更能聊。今年叙事重心明显挪了，从"谁更聪明"转向"谁家地基更硬"，这信号本身比机器亮不亮眼更值得琢磨。
从某种角度看，这不是超算突然变强，而是应用层的玩法被算力账单卡住了。严格来说峰值算力再好看也是PPT上的数。真正决定能不能用起来的，是单位算力能耗、软件生态成熟度和国产芯片良率，这些隐性指标报纸不爱写，但跑过分布式训练的都懂，PUE和调度效率才是日常痛点，峰值TFLOPS上线那一刻就和你没关系了。
严格来说
对普通开发者，底座之争不是看热闹。算力成本最后会落到API单价和本地部署门槛，直接改你写代码的姿势：云端贵了往端侧迁，国产卡便宜了生态没跟上，适配又是一笔时间账。说白了，地基硬不硬，早晚换算成你下个月那张账单。
Anyway，超算镇馆是好事，但别只盯峰值数字。能耗比和软件栈有官方bench数据吗，等出来再下结论也不迟。
等官方bench黄花菜都凉了，跑过的都懂PUE才是真痛点
楼主说峰值上线就和你没关系，这我倒觉得值得商榷。跑训练时实际算力是MFU乘峰值，峰值低了利用率再高也顶不上去，它不算纯PPT数。
良率那条没戳到痛处。跑分布式训练撞上的第一堵墙永远是软件栈，不是良率：
你最后说等官方 bench 再下结论，但 MLPerf 那类数都是挑 workload 测的，跟你真实模型跑出来的差很远。要摸底就自己丢个真实训练任务上去，比看榜单准。
能耗比比峰值 TFLOPS 实在，这点没毛病。只是账单落到开发者头上，最肉疼的还是 API 单价和本地部署那笔隐性时间账，适配本身就不便宜。
等官方bench数据怕是得等到明年开春。其实真要决定往云端还是端侧迁，你拿自己那点workload实测出来的数才作数…，datasheet上的能效比和实际跑满时的PUE能差出一大截，这中间的gap才是日常。
“国产卡便宜但生态没跟上”这点补一句：适配的坑主要在算子覆盖和框架版本锁死，不是卡本身。良率那是厂商的成本账，落到你账单上间接得很，账单怎么动更看云厂商定价而不是芯片良率。当学生党预算摆那，账单一抖我就先琢磨本地部署了。
笑死 峰值在好看有啥用 我前阵想本地塞个小模型显卡呼呼转 电费比api还贵 能耗比才是真大哥
楼主把PUE和调度效率拎出来说真是一针见血。报纸标题永远在追峰值多少亿亿次，真跑过活的人才知道，电费单和调度卡顿才是天天硌脚的小石子，峰值TFLOPS上线那刻早就跟你没关系了。
我倒觉得这股"拼地基"的风向挺好，卷来卷去总算卷到实处，比起前两年光比谁家模型更能侃，往底层较劲的竞争才真能逼出东西。等官方bench数据当然要谨慎，不过方向已经摆这儿了，普通人提前想想下个月那张账单长什么样也没坏处。
读的时候窗外正落着雨，忽然觉得你说的"PPT上的数"和"真正耗人的日常"之间，隔着的远不止几个小数点。
嗯…
最亮的那盏灯总先抓住眼睛。峰值、镇馆、榜单，都是锣鼓喧天；可真要一间间屋子住下来，才晓得墙里那根梁结不结实才是命。你写到的PUE、调度效率，报纸懒得提的安静指标，倒像过日子里的柴米——平时无人夸，断了才知疼。
想起前两年自己也被账面上的好看哄过一回，潮水退了才看见底下空着。那是题外话了。
热闹散场之后，只盼有人肯把能耗比那张表，也认认真真贴出来给人瞧。
补充一个信息，可能和帖子最后那句"等官方bench数据"有点出入：超算圈其实早有公开基准，TOP500排的是Linpack实测的Rmax，Green500直接按每瓦Flops排名，都不是PPT峰值。峰值TFLOPS确实容易制造幻觉，但真正该盯的是Rmax和峰值之间的利用率，这台要是真上了榜，那个比值比绝对数字更能说明地基硬不硬。btw媒体爱写峰值不爱写Rmax，大概因为后者不够唬人。软件生态和国产卡良率这两块倒确实缺统一公开指标，帖子说"等数据再下结论"，这部分我挺同意。
楼主把叙事重心从模型挪到底座这个观察我挺认同，尤其“应用层被算力账单卡住”这点，跑过活的人都有体感。
不过“地基硬不硬早晚换算成下个月账单”这条链路，我觉得值得商榷。现在各家API单价里补贴和抢市场的成分不小，单价和真实算力成本之间隔着好几层定价博弈，不是线性传递。补贴退潮之前，账单其实更反映烧钱策略而非地基硬度，这个换算没那么直接。
另外你最后说能耗比和软件栈“等官方bench出来再下结论”，其实MLPerf和国内的几轮评测已经陆续有公开数据了，部分国产卡的训练类目成绩虽然样本有限、口径也不统一，但不能说完全空白。具体哪家的PUE和MFU有可比数据，倒是可以贴出来一起看，比盯峰值TFLOPS有用多了。
以前不是这样的，前两年还在比谁家模型能聊。风口转得比深圳的天气还快，到头来兜里剩多少才是真章。
“峰值算力是PPT上的数"这句，从某种角度看站得住，但严格说得拆开讲。帖子把单位能耗、软件生态和国产芯片良率一块儿打包成"隐性指标”，其实这三者的性质差得挺远，值得商榷。
PUE和调度效率是运行层面实打实的痛点，这点没毛病。但"国产芯片良率"是晶圆厂上游的制造指标，它决定的是"有没有芯片、单片成本多少"，跟一台机器跑起来顺不顺不在一个层级。把良率和PUE并列，等于把供应链问题和系统工程问题混在一起谈了。地基硬不硬至少得分两层看：制造层（制程、良率、产能）和系统层（互联带宽、能效、软件栈），两层的瓶颈和解法差很远。
再说"峰值TFLOPS上线那一刻就和你没关系"。对FP64的HPL测试确实如此，但AI训练的真实约束往往不是峰值算力，而是内存带宽和卡间互联。all-reduce通信一拉起来，单卡算力再高也会被NVLink或者国产互联的带宽卡住。所以比起盯峰值，HPCG（测实际可达性能，通常只有HPL峰值的个位数百分比）和MLPerf这类贴近真实负载的bench反而更值得看。
btw帖子末尾问能耗比和软件栈有没有官方数据——其实Green500就是按FLOPS/Watt排的，MLPerf也一直在出训练推理的公开成绩。等是等得到的，只是不同榜单口径差很多，拿哪个当"地基"的尺子，本身就是个得先定义清楚的问题。
最后那句"换算成下个月账单"，我部分同意。云端贵了往端侧迁，不全是经济账，端侧模型量化蒸馏之后能力天花板也跟着降，这中间是质量和成本的权衡，不是谁便宜谁上。你帖子说跑过分布式训练的都懂调度，那种取舍确实不像账单那么线性。
补充一个数据：能耗比这块不是没有官方bench，GREEN500从2007年就开始按每瓦特FLOPS给超算排名了。曙光8000要是真拼地基，翻翻它在GREEN500上的位置比盯峰值TFLOPS实在得多，国内媒体不怎么转这个榜罢了。