据报道，xAI 约有 550,000 $NVDA H100 和 H200 GPU，但只使用了其中大约 11% 的规模，相当于大约 60,000 台 GPU 的有效利用

据《信息》报道，关键问题不在于硬件是否可用，而在于软件技术栈的效率。在超大规模部署下，空闲时间会迅速增加，因为分布式训练、数据管道、调度以及分析系统变得更难协调
据报道，$META 和 $GOOG 的利用率要高得多，约为 43% 和 46%，原因在于它们的内部软件技术栈更成熟
xAI 的目标是将利用率提升至 50%，但未给出时间表。下一步的主要路径将是更好的基础设施编排、训练软件、数据管道优化以及工作负载管理