🏠IT之家•最新收集於 76m
AI 需求擠壓雲端容量，AWS 要求關閉閒置伺服器
💡AI 工作負載消耗更多雲端算力，AWS 正透過回收閒置 EC2 容量緩解供應壓力。
⚡ 30-Second TL;DR
有什麼變化
AWS 將閒置 EC2 執行個體列為優先對象，以減少算力浪費。
為什麼重要
這項措施顯示，即使 AWS 已大幅增加電力容量，AI 訓練與推理仍正在收緊雲端基礎設施供應。回收閒置執行個體有助於提升資源可用性，但也可能促使企業重新檢視預留容量並改善工作負載排程。
下一步行動
本週在 EC2 帳戶中執行 AWS Compute Optimizer，經資源負責人確認後，終止或縮減被標記為低 CPU 與低網路使用率的執行個體。
誰應關注：Enterprise & Security Teams
關鍵要點
- •AWS 將閒置 EC2 執行個體列為優先對象，以減少算力浪費。
- •據報約 65% 的 EC2 執行個體在 30 天內平均 CPU 使用率低於 20%。
- •Compute Optimizer 會分析 14 天的 CPU 與 IO 數據。
- •峰值 CPU 使用率低於 15% 且網路流量極低的虛擬機會被標記。
- •面對 AI 需求上升，AWS 過去一年新增了 3.8 吉瓦的電力容量。
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •AWS 正在推動『FinOps』文化，鼓勵企業客戶透過自動化工具識別並終止『殭屍資源』，以應對 AI 基礎設施的高昂資本支出（CapEx）。
- •除了 EC2，AWS 同時針對 EBS（Elastic Block Store）閒置卷進行清理建議，因為未掛載的儲存空間同樣佔用寶貴的資料中心電力與冷卻資源。
- •此舉與 AWS 積極擴展的『永續發展目標』相符，旨在透過提升資源利用率（Utilization Rate）來降低每單位算力的碳足跡。
- •AWS 內部已部署基於機器學習的預測模型，能根據歷史負載模式自動建議調整執行個體大小（Right-sizing），而非僅僅是關閉閒置資源。
- •受 AI 訓練需求影響，AWS 正在將部分傳統通用型執行個體（General Purpose）的硬體資源，優先調配給支援 GPU 加速的 P 系列與 Trn 系列執行個體。
📊 競品分析▸ Show
| 功能/比較 | AWS Compute Optimizer | Google Cloud Recommender | Azure Advisor |
|---|---|---|---|
| 核心機制 | 基於 14 天歷史數據分析 | 基於機器學習的資源優化 | 基於使用模式的成本建議 |
| 自動化程度 | 高（提供自動調整建議） | 極高（支援自動執行調整） | 中（側重於建議與警示） |
| AI 負載優化 | 優先針對 GPU/Trainium 資源 | 針對 TPU 資源進行深度優化 | 針對 Azure OpenAI 服務優化 |
🛠️ 技術深入
- AWS Compute Optimizer 利用 CloudWatch 指標數據，包括 CPUUtilization, NetworkIn, NetworkOut, DiskReadOps, DiskWriteOps 等進行多維度分析。
- 系統採用加權平均演算法，對過去 14 天的負載進行回溯，並排除異常峰值（Outliers）以避免誤判。
- 針對閒置判斷，系統會檢查執行個體是否在連續 14 天內，其 CPU 使用率低於 1% 且網路吞吐量低於 5MB/小時。
- 整合 AWS Systems Manager (SSM) 可實現自動化終止或調整大小的腳本執行，減少人工介入。
🔮 前景展望AI analysis grounded in cited sources
雲端服務供應商將全面轉向『以利用率為核心』的計費模式。
隨著 AI 算力成本飆升，供應商將透過懲罰閒置資源或提供高利用率折扣，強制客戶優化架構。
企業 IT 預算將從『隨需擴展』轉向『精準算力規劃』。
AI 訓練任務的不可預測性與高昂成本，迫使企業必須建立更嚴格的資源生命週期管理機制。
⏳ 時間線
2020-08
AWS 正式推出 Compute Optimizer，旨在協助客戶優化資源配置。
2023-06
AWS 宣布投資 1 億美元成立 AWS 生成式 AI 創新中心，加速 AI 算力需求。
2025-02
AWS 擴大其永續發展計畫，將資料中心電力使用效率（PUE）優化列為年度核心目標。
2026-01
AWS 報告顯示其全球資料中心電力容量已突破關鍵門檻，以應對 AI 爆發式增長。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： IT之家 ↗