算力荒逼疯AI巨头：Anthropic宕机、OpenAI限流，用户体验成了牺牲品
说实话，这事儿挺讽刺的。
一边是AI公司融资新闻刷屏——OpenAI 1220亿美元、Anthropic年化收入突破300亿美元；另一边，这些「估值神话」背后的用户，正在经历频繁的宕机、限流、响应超时。
上周我用 Claude 写代码，一下午遇到 5 次「服务暂时不可用」。切换到 GPT-4，又被告知「当前请求过于频繁，请稍后再试」。
好家伙，合着我花钱买了会员，还得排队等算力？
算力到底有多缺？
华尔街日报这周爆了个料：Anthropic 的 Claude API 在过去 90 天内，正常运行时间只有 98.95%。
听着还行？别急。软件公司通常向企业客户承诺的正常运行时间是 99.99%。这 0.04% 的差距，意味着每年有 8.7 小时 的额外宕机时间。
对于个人用户，这可能只是「刷新一下页面」的事。但对于把 AI 接入生产系统的企业来说，这是真金白银的损失。
更扎心的是，这还只是「正常运行时间」的数据，没算上响应变慢、token 被限、模型降级这些「软性故障」。
用户开始用脚投票
算力短缺不只是技术问题，正在变成商业问题。
据 The Information 报道，Anthropic 已经出现了企业客户流失的迹象。原因很简单：没人愿意为「不稳定的服务」买单。
我有个朋友在一家 SaaS 公司做技术总监，他们去年接了 Claude API 做智能客服。最近一个月，系统经常在高峰期掉链子，客服团队只能手动接管。
「我们现在在评估其他模型，」他跟我说，「虽然 Claude 能力很强，但服务稳定性才是企业采购的底线。」
OpenAI 这边也没好到哪去。为了缓解算力压力，他们开始对高频用户「悄悄限流」。有开发者发现，同样的请求，在不同时段的响应时间差异巨大——凌晨 2 点秒回，晚上 8 点转圈 30 秒。
这让我想起 2023 年初 ChatGPT 刚火那会儿，也是天天「服务器繁忙」。没想到到了 2026 年，算力问题不但没解决，反而随着用户规模扩张变得更严重了。
算力供给真的跟不上了吗？
理论上，算力供给在增加——英伟达 H100 产能拉满，AMD、英特尔也在追赶，国产芯片也在崛起。
但需求增长更快。
根据斯坦福 AI 指数报告，2026 年 Q1 全球 AI 推理请求量同比增长了 3 倍。GPT-6、Claude 4.6、Gemini 2.5 等新一代模型虽然更强，但每个请求消耗的算力也是之前的 2-3 倍。
更关键的是，训练大模型和部署推理服务，用的是同一批 GPU。
OpenAI 在训练 GPT-6，Anthropic 在训练 Claude 5，Google 在训练 Gemini 3…这些「超级模型」的训练周期动辄数月，期间要霸占几万张 GPU。
推理服务？只能「见缝插针」了。
用户能做什么？
短期来看，有几个策略：
多模型备份：别把鸡蛋放在一个篮子里。同时接入 OpenAI、Anthropic、Google 等多个模型，哪个稳定用哪个。
错峰使用：如果你的场景允许，尽量避开高峰时段（工作日晚间）。凌晨和清晨的响应速度会好很多。
降级方案：准备一个轻量级模型作为 backup。虽然能力弱一些，但至少能保证「有响应」。
自建推理：如果你的业务量够大，考虑租 GPU 自己部署开源模型（如 Llama 4、Qwen 3.6）。成本虽然高，但稳定性可控。
长期来看，这个问题只能等算力供给跟上需求，或者 AI 模型变得更高效（用更少的算力达到同样的效果）。
但至少在未来 1-2 年，算力短缺很可能成为常态。
一个值得警惕的信号
我个人的感受是，这次算力危机暴露了一个更深层的问题：AI 公司的商业模型和技术能力之间存在错配。
他们能做出 GPT-6 这样的「超级模型」，但在基础设施层面，却没有做好服务数亿用户的准备。
这就像开了一家米其林餐厅，菜做得极好，但只有 5 张桌子，顾客排队排到街角，时不时还要「厨房故障暂停营业」。
产品能力再强，基础设施跟不上，用户体验就是零。
对用户来说，这也许是个提醒：在追逐「最新最强模型」的同时，别忘了评估一下服务的稳定性。
毕竟，再牛的 AI，连不上也是白搭。