10 月 7 日，National Compute Grid 对外讲了一个很大的数字：联盟称已有约 760MW 算力“已连接或可见”，计划在 2030 年达到 2GW。它试图让实验室、云厂商和不同芯片系统把闲置节点放进同一个调度网络，小团队不再为了几周的训练高峰签下多年合同。
同一项目的公开容量规划器给出了另一组数字。截至 10 月 6 日，它显示 2026 年 10 月共有 20.4MW，8.5MW 已预订、11.8MW 可用。两组数字不必然冲突：760MW 可以包含已签约、在建和仍在规划中的容量，20.4MW 则是规划器当前展示的供给。但 National Compute 没有发布两者的对账表，也没有说明 760MW 中多少节点已经上线、多少能被外部任务实际调度。
这一区别决定了该怎样理解这张“国家算力网”。它目前不是一座由 760MW 芯片组成的虚拟超级计算机。10 月 24 日更新的官方文档显示，真正上线的是一套按站点组织、以整台 GPU 节点为单位的竞价市场；跨机构共享训练、按有效工作量收费和 2GW 全国网络仍是路线图。对缺算力的团队而言，眼下值得评估的不是联盟画出的总容量，而是自己的任务能否在某个具体站点拿到同型号节点，并承受价格变化与抢占。
760MW 把当前供给、管线和目标装进了同一个数字
Axios 的首发报道使用了“connected or in sight”这一口径，没有拆分已运行、已签约和计划容量。报道还转述联盟说法，称独立单租户数据中心的平均净 FLOPs 利用率低于 15%，因此大量昂贵芯片在训练高峰之外闲置。这两个数字构成了项目的叙事起点，却都没有独立审计。
联盟公开的八页系统报告也没有出现 760MW。附图将 2026 年的 150MW、2027 年的 350MW、2028 年的 750MW、2029 年的 1.3GW 和 2030 年的 2GW 明确标成“示意轨迹”。报告首页写着“供评审草稿”，作者因计划投稿 2027 年 MLSys 而匿名；摘要把全面开放日期写成 2027 年 1 月 15 日，正文和结论却写成 2026 年 9 月 15 日。它更适合作为设计提案和组织方披露，而不是已经完成同行评审的运行记录。
真正接近当前供给的是官网容量规划器。它把数据日期、芯片类型、地区、已预订和可用容量放在同一张图上，10 月 6 日的读数是 20.4MW。规划器可以拉到 2031 年，远期区块大量标注为芯片待定和规划估算。它证明项目已经把容量管线做成可查看的产品界面，也说明“在视野中”与“今天能下单运行”是两回事。
因此，760MW 最多能说明联盟手里掌握了一条很大的供给线索，不能等同于美国新增了 760MW 在线算力。若要让这个数字可比较，National Compute 还需要按站点和月份公开四层口径：已经通电、已经接入调度器、已经可被客户分配、已经完成过付费任务。
已上线的 Grid 先在每个站点内拍卖整台节点
National Compute 的现行产品文档把运行机制写得比发布报道具体得多。用户先声明需要多少 GPU，以及每 GPU 小时愿意支付的最高价格；平台以整台节点为最小单位，让多节点任务作为一个不可拆分的组合参与密封竞价。价格不超过用户上限，供给不足或市场价格越过上限时，节点会被收回。
这不是一张跨地域、跨芯片的统一训练网络。每个集群只在所在站点的市场里交易，扩容会落到同一个集群旁边；不同站点、不同 GPU 型号各有自己的供给和价格。Kubernetes 任务通过 Kueue 以整组节点申请，只有整组都拿到后才同时启动。Slurm 集群也支持多节点任务，但节点仍来自该集群所在的具体站点。所谓“Grid”，首先统一的是购买、调度和计费界面，而不是把任意地点的零散 GPU 拼成一个低延迟互联域。
平台用两层机制缓解竞价带来的抖动。新获得的 VM 节点有一小时保护期，Kubernetes 节点有两小时保护期；必须连续运行的用户还可以购买固定期限、固定价格、不参与抢占的 Base Load 容量。代价也写得很清楚：突发容量没有正式可用性 SLA，本地盘在节点被回收或替换时会被销毁，长任务必须把检查点和持久数据放到节点之外。
文档自身仍留下了产品快速变化的痕迹。市场说明和常见问题称竞价大约每 10 秒重跑一次，价格流文档则写成约 30 秒一个 tick。这个差异不会改变机制，却提醒使用者不要把发布材料里的架构描述当成稳定接口；真正影响任务的保护期、计费尾段、抢占和数据持久化规则，应以运行时返回和最新文档为准。
Google 证明了内部市场有效，尚未证明跨公司复制同样成立
National Compute 的技术依据来自 Google Quota Marketplace。7 月发表的OSDI 2026 论文描述了一套已在 Google 内部部署的动态配额市场，覆盖数十万枚训练加速器。对同一种热门资源、规模相近的两个池，传统静态池平均占用率为 75%，市场池为 93%；机会性、未按业务优先级分配的占用从 33.5% 降到 5.67%。这是“价格信号能减少组织内部算力孤岛”的有力证据。
它不是 National Compute 跨机构网络的验证结果。Google 的参与者共享同一家公司的身份、网络、调度栈、成本核算和管理权；National Compute 要把相同机制放到不同云、不同芯片和不同安全边界之间。原论文也记录了尚未消失的物理约束：市场按抽象配额分配资源，不保证空闲芯片恰好组成训练所需的拓扑，约 1% 的情况会因此触发碎片整理式抢占；CPU、内存、磁盘和网络则按加速器配额附带分配，没有分别定价。
这使“共享 760MW”与“交付一个大型训练作业”之间隔着四道门：芯片和软件栈要兼容，节点要位于可组成高速互联拓扑的同一站点，数据要能安全抵达，任务还要在价格和抢占规则下完成。BigDATAwire 的独立报道因此判断，早期价值更可能出现在较小训练、推理和科研任务，而不是把分散在多地的闲置 GPU 合成一次数千卡训练。
“按 goodput 付费”还没有出现在现行账单里
联盟报告把 goodput——真正完成且有用的工作量——放在商业模式中心。它设想训练任务只为连续、未中断的运行付费，被平台打断的部分免费；推理按可用副本计费，批处理按完成吞吐计费。这样，可靠性风险从研究者转移给能够控制调度与硬件的网络运营方。
截至 10 月 24 日，官方账单文档采用的仍是容量计费。VM 从节点交付完成到开始回收持续收费，无论任务是否运行；Kubernetes 节点至少计费一小时，此后按五分钟增量收费；Base Load 在整个合同期内按固定费率收费，空闲也不退款。文档没有把完成的训练步数、推理副本可用率或批处理吞吐作为结算单位。
这不是术语差异。GPU 小时定价让客户承担失败重跑和低利用率成本，goodput 定价则要求平台定义“完成”、归因中断、测量性能并赔付失败。后者需要稳定的遥测、审计和争议处理。现行文档已经提供 GPU 利用率、功耗、温度、错误与链路指标，也能记录每次市场清算，但从“可观察”到“据此结算”还有一套产品和合同工作。现在采购这项服务的团队，应按节点持有时间建模成本，而不是按报告中的 goodput 愿景估算账单。
公共科研入口把“普惠”的边界写得最清楚
National Compute 首页已经向 .edu、.mil 和 .gov 邮箱开放 Public Sector Access。Public Research 文档显示，合格用户登录后获得 100 美元初始额度，通过 Marshall 排队申请一台完整 GPU 节点。目前列出的两种节点都是 8 卡配置：AMD MI355X 288GB 或 NVIDIA B300 288GB。用户通过 SSH 操作，按租期计费。
这个入口解决的是“先拿到一台新节点做实验”，不是大型训练集群。每次请求只能获得一台节点，没有第二台节点、RDMA 或池内横向扩展，也没有 Notebook 服务；本地 NVMe 是临时盘，释放或被抢占后不可恢复。需要多节点任务的团队必须进入商业市场，自己管理 Kubernetes、Slurm 或 VM 集群，并接受相应价格、存储和网络条件。
这种收缩反而让项目的近期价值更可信。对模型适配、小规模训练、评测、批处理和单机推理，一台 8 卡节点已经能缩短采购等待；对前沿预训练，决定可用性的仍是同站点节点数量、高速互联、稳定租期与数据治理。把两类需求分开，比笼统宣称“科研团队都能使用 760MW”更能帮助用户做决定。
成败要看完成了多少工作，而不是接入了多少兆瓦
National Compute 已经交付了一套可以操作的市场：用户能看价格、报上限、拿整节点、运行自己的 Kubernetes 或 Slurm 工作负载，也能看到抢占与计费规则。它还没有公开足以验证发布叙事的数据。硬件路线图明确不披露数量、站点、供应商和交易状态；价格和利用率接口按组织、集群与站点授权读取。外部读者因此无法把 20.4MW、760MW、2GW 和“低于 15% 利用率”放进同一张可审计报表。
下一步真正有价值的披露，不是再增加一个累计容量数字，而是按月公布可调度节点数、完成任务的 goodput、抢占率、排队时间、不同芯片的实际成交价，以及多少任务因拓扑、网络或软件兼容性无法落地。联盟自己的报告已经承诺在 2027 年把利用率与分配数据作为科学记录公开；这项承诺比 2GW 目标更重要。
算力共享的难点从来不是在表格里找到闲置 GPU，而是让一个真实任务在正确的芯片、网络、安全等级和时间窗口内完成。National Compute 已经把第一步——发现、定价和分配节点——做成了产品。它能否成为一张“网”，要由第二步证明：这些被连接或被看见的兆瓦，最终有多少变成了研究者实际完成的工作。
