AI 算力需求持续升温,AWS 被曝要求工程师清理闲置 EC2 实例

核心摘要: 在 AI 训练与推理需求快速增长的背景下 , 云计算资源的利用效率正被重新审视。最新消息称, 亚马逊 AWS 已要求工程师关闭不再使用的云计算机, 重点指向长期闲置或低负载的 EC2 实例。

📌 AI 需求推高云端资源压力

随着大语言模型、生成式 AI 应用和企业级智能服务持续扩张 , 云平台上的计算资源正在被更密集地调用。对于 AWS 这样的头部云服务商而言, 新增算力不再只是扩建数据中心和采购服务器的问题, 如何减少既有资源浪费也变得同样重要。

据报道,AWS 近期向内部工程师提出要求, 希望关闭不再使用的云计算机 。这一做法看似简单, 却反映出一个现实: 在 AI 需求不断攀升时, 即便是全球规模领先的云服务平台, 也需要从存量资源中“挤出”更多可用空间。

🔍 低利用率 EC2 实例成为重点

此次被关注的主要对象是 EC2 实例, 也就是 AWS 云服务中常见的弹性计算资源 。相关数据显示, 在一个 30 天的测量周期内, 约 65% 的 EC2 实例平均 CPU 利用率低于 20%。这意味着大量实例虽然处于运行状态, 但实际承担的计算任务并不高。

💡 几个值得关注的信号

• 算力供需更紧:GPU 云实例是训练和运行大模型的关键资源, 需求增长速度明显加快。
• 存量优化变重要: 关闭闲置实例、识别低负载虚拟机, 能够释放部分服务器和配套资源。
• 能源压力同步上升:AWS 过去一年新增了 3.8 吉瓦电力容量, 规模相当于可为约 280 万户家庭供电。
• 云厂商竞争加剧:AI 客户对高性能实例的需求, 正在推动云服务商围绕算力、价格和交付能力展开竞争。

📊 行业观察: 云计算进入精细化运营阶段

过去多年, 云计算强调弹性扩展和按需使用 , 但在 AI 负载大幅增长后, 资源管理的颗粒度正在变得更细。对于客户而言, 长期运行但使用率很低的实例可能意味着成本浪费; 对于云厂商而言, 这些资源也可能影响更高价值工作负载的调度。

因此,AWS 对闲置 EC2 实例的清理动作, 可能会推动更多企业重新检查自身云资源配置 。尤其是在 AI 项目增多、GPU 资源紧俏的情况下, 企业需要更频繁地评估实例规格、运行周期和实际负载, 避免“开着不用”的资源占用。

🚀 总结: 算力扩张之外, 效率同样关键

AI 热潮让云计算市场继续升温, 也让资源利用效率成为新的竞争焦点 。AWS 被曝要求工程师关闭闲置服务器, 说明即使拥有庞大基础设施, 云厂商仍需通过工具和流程减少浪费。接下来, 算力扩容、能源供应与精细化运营, 或将共同决定云平台在 AI 时代的服务能力。