尽管对人工智能的投资达到了历史水平，但基本指标仍在很大程度上没有雷达：数据中心的使用率。尽管世界各地的数字首都在基础架构方面竞争至高无上的竞争，但很少有演员想知道这些设施产生价值的实际能力。
盲目扩张
从微软到软银，通过阿里巴巴或亚马逊，技术巨头投资了数十亿个物理基础设施，旨在支持生成的AI模型。阿里巴巴已经宣布了三年来520亿美元的计划，以增强他的云能力。服务器农场在印度，马来西亚，阿联酋或美国中西部出现。乍一看，动态似乎是理性的：更多的模型，更多的服务器，更多的力量。
但是，正如阿里巴巴集团（Alibaba Group）总裁最近指出的那样，这项投资疯狂经常发生，没有确定的客户，没有使用合同承诺，最重要的是，没有公开指标就安装能力的实际职业水平。
季度报告中缺少的指标
除了罕见的透明度计划（例如某些地区的Microsoft Azure使用报告）外，大多数高标准避免披露 其数据中心的有效占用率。该指标在酒店或物流行业中至关重要，但技术领导者的财务介绍仍然不存在。
结果：无法评估投资的实际获利能力。一个未充分利用的数据中心几乎没有收入，但动员了巨大的固定成本（房地产，能源，维护）。在宏观经济范围内，这种不透明度为潜在的基础设施泡沫提供了泡沫，在该泡沫中，早期的AI值证明了大量超大的容量。
首先建立，以后获利
当前的逻辑回顾了2008年之前的商业房地产部门的逻辑：首先建造，希望当时使用。 AI被认为是不可避免的转型浪潮，显然使物理资本的积累合法化。但是这种方法基于两个脆弱的假设：IA的用途将以线性的方式增长，未来的模型将始终需要更多的原始力量。
但是，这两个都不能保证。节俭模型的出现引起了人们对昂贵体系结构的质疑。同时，许多部门的用例的成熟度仍然有限。很少有科技公司以工业规模将生成的AI模型整合到其业务流程中。
迈向生产性清醒
这 使用率 可以成为区分实际创建投机构造价值的项目的参考指标。 GPU在一年中运行其平均容量的70％的数据中心的风险状况与供提供的结构相同，并取决于单个飞行员的客户。
这个KPI也可以评估 生产性清醒 AI：多少能量，多少基础架构？在增加能源张力的背景下，这项措施可能成为投资者和监管机构的战略仲裁标准。
结论：合适的时间合适的KPI
没有理性绩效指标，AI将不会永久发展。数据中心的使用率必须以与ARR或每个请求成本相同的方式将自己强加于中央标准。忽略此信号将等于企业革命盲目。
