AI工厂GPU收益控制
各维度得分依据公开资料与字段推算,加权后即综合评分,仅供参考。
LiquidMetal AI 将 GPU 集群描述为“带散热风扇的金融工具”，其产品 Yield Control Plane 面向 AI Factory 和大规模 GPU 集群，目标是持续优化 GPU 利用率，并把当前 yield 与 optimal yield 的差距量化为每吉瓦每年的未实现收入。页面示例显示，可展示当前 yield 73.2%、最优 yield 89.1%、yield gap 15.9%，并折算出 1GW 场景下的年度收入影响。
从公开正文看，它的核心价值不在通用 AI 生成能力，而在算力基础设施运营优化。系统可给出类似“启用 thermal throttle offset”“重新调度 batch padding”的建议，说明其关注热节流、批处理填充和调度效率等 GPU 集群实际运营问题。不过页面未披露算法、模型、数据采集方式、支持的 GPU 型号、调度器或云平台环境，因此能力边界仍不清晰。
定价方面，官方明确写明“Free up to one rack”，即最多一个机架免费；更大规模需通过 [email protected] 联系，未公开套餐、单价或 SLA。数据隐私是其主要卖点之一：Static binary、No phone-home、No registration、No telemetry，意味着本地静态二进制部署、无需注册且不回传遥测。API 与集成信息不足，页面未说明是否支持 Kubernetes、Slurm、Prometheus、Grafana 或云厂商监控体系。
优点是定位非常聚焦，适合把 GPU 利用率直接转化为财务指标，便于基础设施团队向管理层说明 ROI；同时无遥测设计有利于安全敏感的数据中心环境。缺点是公开资料较少，缺少技术白皮书、客户案例、适配清单、中文支持和服务保障信息。它更适合 AI 工厂运营商、云算力平台、超大规模 GPU 数据中心和有专门基础设施团队的企业，而不是普通 AI 应用开发者。
页面未提供中国访问、人民币支付、发票或本地支持信息，china_access 只能判断为未知。如在国内落地，需要重点确认网络可达性、合同与支付方式、是否能在内网离线部署。可对比的替代方向包括 Run:ai、NVIDIA DCGM、Kubernetes GPU 调度方案，以及 Prometheus/Grafana 结合 GPU 指标的自建监控优化体系。
本测评基于公开资料整理,不构成购买建议,请以 liquidmetal.ai 官网实际信息为准。
面向大规模GPU集群，免费至一机架。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。