一张24G的显卡，运行一个开源的Qwen3.8-27b，就要消耗接近20G的显存，基本上没有太多空间运行其他模型了。
一旦启动这个模型，就没有其他的资源给其他模型运行，那么这张显卡的算力就被占用了。
假如这张显卡能同时支撑一个人日常工作使用，如果此时有1000个用户，一批是欧美用户，一批是亚洲用户。
他们的工作时间是高度确定的，例如亚洲用户早上11点左右和下午4点左右是高峰期，由于时差原因，晚上还会有一个重叠高峰期。
那么问题来了，晚上重叠高峰期和彼此的各自高峰期算力需求达到最高峰，但是...
商家（OpenAI、Claude等模型厂商）不可能按照最高峰值的使用量去准备这个算力，其他时间就会是闲置的（这会导致资本支出回报周期更长）。另外还要分给训练模型，大客户等。
即便租用是云服务商的卡，也是同理，不可能按峰值算力去租用。
这也是现在的OpenAI等模型厂商高峰期卡顿、算力频繁不足的原因。
假如算力一直不是很充足，高峰期出现抢算力，低峰期算力更便宜的情况，或许大家都需要“错峰上班”。
