1400块，能跑125B的大模型？ 不是段子。B站UP主「ZZ是画渣」用X99魔改板、E5-2673 V3、DDR3服务器内存和一张16G的Tesla P100，把Qwen3.8-Flash-Next的IQ3量化版跑到了平均30+ token/s、峰值50 token/s；知乎上的同款配置单把预算压到1500元以内，同样能跑到30+ token/s。哔哩哔哩知乎为什么一张老卡能塞下125B？ 因为

10 月 21 日柏林 GTC 上，英伟达把一整套 AI 工厂装进了集装箱：场地准备好之后，从 6 个月缩短到最快 14 天就能开始跑训练和推理。跟它配套的那套液冷，进液温度最高 45 摄氏度，比浴缸里的水还烫，冷却用水却号称接近零。集装箱装的不只是服务器这次发布的是 DSX POD 参考设计：基于 Vera Rubin 系统的整套 AI 工厂被集成进模块化集装箱，系统集成和验证都在出厂前做完，运

快科技10月21日消息，英伟达在柏林GTC上发布了DSX Pod，简单说就是把一座完整的AI工厂在工厂里装进集装箱，运到场地接上电就能跑。主要矛头指向工期，按英伟达的说法，常规数据中心项目光是把机架、布线、管路、供电和冷却集成起来就要耗几个月，现场工人多、工序杂，任何一环卡住，整条线都得等。DSX Pod把这些活全搬回了工厂，布线、管路、机架集成乃至功能测试都在出厂前做完，到了场地只剩接电、接冷却

虽然芯片产能依旧有些许供不应求，但已不是制约AI算力发展的最大阻碍。如今，很多数据中心中，芯片有了，电力供应也充足，但集群却跑不满。中国信通院的数据显示，大规模分布式训练中，网络通信耗时占比高达30%到50%。换句话说，企业花大价钱买来的GPU，有将近一半的时间在等数据。华为副总裁王雷在2026中国互联网大会上说得更直接：当前国内Token实际流通效率仅60%，剩余40%因为丢包、时延抖动、数据损