財聯社9月26日訊（記者郭松嶠）

①財聯社記者近期在調研算力產業發現，一邊是中小企業苦苦尋求高端算力卻“一卡難求”，另一邊卻是部分已建成的智算中心實際利用率低于40%。

②財聯社記者在一線采訪也了解到，算力服務商、上市公司等正從技術、商業模式與資源整合多個維度尋求突破。

“算力正在從以CPU為核心的計算加速轉變為GPU為核心、以大模型驅動的AI計算，新的計算范式需要更稠密的算力、更高效的網絡和更大的集群規模，需要超大規模的基礎設施和全棧基礎積累才能承載這樣的需求。未來全世界也許只會有5到6個超級云計算平臺。”在近日舉行的2025云棲大會上，阿里巴巴集團CEO吳泳銘發表主題演講《超級人工智能之路》，并作出了上述論斷。

這一論斷不僅展現出未來算力服務市場集約化、規模化的發展方向，也對當前各地算力中心的規劃與運營模式提出了更高要求——如何避免重復建設、提升資源利用效率，成為行業共同關注的議題。

然而，財聯社記者近期在調研算力產業發現，一邊是中小企業苦苦尋求高端算力卻“一卡難求”，另一邊卻是部分已建成的智算中心實際利用率低于40%。

這種供需失衡的背后，既有區域布局與真實需求脫節，也反映出通用算力階段性過剩與智能算力持續短缺的深層矛盾，如何破解資源錯配困局，已成為整個算力產業必須直面的核心議題。

值得一提的是，國家數據局近期也公開圍繞算力需求、供給和運營等多方主體開展調研，了解實際狀況、訴求與挑戰，征集發展建議。

財聯社記者在一線采訪也了解到，算力服務商、上市公司等正從技術、商業模式與資源整合多個維度尋求突破。

市場“如饑似渴”，各地加碼算力布局

財聯社記者梳理各地投資項目在線審批監管平臺觀察，僅三季度，就有多個算力中心項目辦理結果公示。比如，中國電信長三角國家樞紐嘉興算力中心項目一期；安徽省安慶經開區行政審批局批復的安慶經開區協同制造5G應用創新與算力中心建設項目。

這背后，是各地政府通過提供政策扶持、資金補貼、能耗指標傾斜等方式加碼算力投資。

在政策層面，二、三季度包括湖北省、山東省、河南省、貴州省出臺的相關政策涉及算力產業發展，涵蓋了算力券發放、基礎設施建設、產業生態培育等多個方面。

各地加碼算力產業項目表明我國算力市場的需求仍在不斷涌現、市場規模持續擴大。根據IDC（國際數據公司）預測，2025年中國智能算力規模將達到1037.3EFLOPS，并將在2028年達到2781.9EFLOPS。

不過，財聯社記者了解到，與各地如火如荼的算力建設形成鮮明對比的是，我國正在面臨日益嚴峻的算力供需結構性失衡。

從需求端來看，目前不少中小企業對算力“如饑似渴”。

“每個月的算力成本已成為公司最大規模的單項支出之一。即便如此，我們依然感到‘饑渴’，尤其是高端訓練芯片的穩定供應和獲取能力，是目前制約我們發展的最大瓶頸之一。”天津一家公司市場部工作人員對記者表示。

結構錯配：算力資源分散、標準不統一、跨區域調度機制不完善

然而在此情景的另一面，部分算力資源卻因種種原因未能得到有效利用，處于閑置狀態。

一位智能算力行業上市公司人士對財聯社記者透露，他所在的東部某地千卡規模的智算中心上架率不足50%，已上架的服務器，實際利用率不足40%。談及原因，他表示，當地在算力建設規劃時缺乏統一協調和科學論證，未能充分考慮市場需求的結構性差異，導致資源錯配。

事實上，從供給量來看，我國算力供給相對“充足”。據工信部最新數據顯示，截至今年6月底，我國在用算力中心標準機架達1085萬架，智能算力規模達788EFLOPS，為海量數據計算提供了智能底座。

與此同時，IDC的報告指出，中國智能算力需求年增速超30%，但供給卻集中在通用算力領域，導致“一邊不足、一邊閑置”的結構性矛盾異常突出。此外，全國近六成算力資源集中在東部熱點區域，與西部資源富集地形成地理上的“供需鴻溝”，進一步加劇了調度難題。

作為一線算力服務商，北京超級云計算中心(簡稱北京超算)注冊用戶超過16萬，北京超算CTO甄亞楠深有感觸。他在接受財聯社記者采訪時表示，根據長期的服務經驗發現，不少企業自建集群的平均利用率往往低于30%，部分甚至僅達百分之十幾，這與規劃時假設的100%利用率相去甚遠，實際成本支出高出約一個數量級。

結構性錯配亦是當前行業人士普遍的看法。

華中科技大學教授、北京亦莊人工智能研究院執行院長房超對財聯社記者表示:“規劃層面，早期建設偏重傳統數據中心，未充分預見AI算力需求爆發，存在結構性錯配問題；市場機制層面，算力資源分散、標準不統一、跨區域調度機制不完善，導致已有算力難以高效利用。”

方融科技高級工程師周迪對財聯社記者分析，這種矛盾的根源是多方面的，既包括算力需求高速增長與迭代，底層算力硬件正處于“新老交替”之際，導致市場出現供需不匹配的技術問題；還涉及部分數據中心賣方對建設和運營智算中心認知有限，以及買方對自身算力需求認知不充分，導致數據中心利用率不理想的市場機制問題。

破局之道：技術革新與模式重構，業界打通算力“任督二脈”

甄亞楠認為，破解這一困境需要三軌并進：推廣定制化企業級混合云服務方案，客戶可在波谷階段使用自建資源進行業務運算，波峰階段可通過彈性算力租賃模式（如北京超算的按需服務），讓企業按實際使用量付費，避免重資產投入和資源閑置；其次，依托跨區域調度技術，將東部的高價值計算任務智能遷移至西部低成本節點，實現全國算力資源的優化配置；最后，通過統一技術標準消除協同壁壘，配合政策引導促進資源流動。

財聯社記者采訪中了解到，面對當前算力資源存在的“結構性錯配”問題，算力服務商與上市公司正從技術架構、商業模式與資源調度等多個維度積極破局。

甄亞楠對記者表示，北京超算推出按需構建算力資源的創新模式，通過算力租賃服務，使用戶能夠靈活依據業務需求獲取彈性計算資源，高效應對大規模計算任務。用戶僅需根據實際使用的計算量和計算時間進行付費，可以顯著降低運營成本。該模式廣泛適用于各類具有大規模計算需求的場景，助力用戶輕松實現高效算力支撐。

“北京超算還同時提供專家咨詢服務，依托應用運行特征分析的方法工具，對大規模并行應用進行實時“CT掃描”，秒級監控CPU、GPU、內存、網絡等多維度指標，智能分析性能瓶頸，提供科學決策所需的算力選型適配數據。通過深度需求診斷與業務場景分析，幫助用戶精準選型，避免資源規格與業務需求脫節。”甄亞楠說。

技術層面，A股首家提供專業算力服務的上市公司并行科技AI云事業部總經理趙鴻冰博士告訴財聯社記者，在底層，公司運用分布式資源池化技術，將散落于全國不同區域、不同類型的超算中心、智算中心的算力資源整合為一個有機整體。

“舉例來說，通過這一技術，將業務階段性不飽和（項目間歇期） 產生的閑置算力，與急需算力完成緊急科研計算任務的需求相連接，大幅減少了資源閑置，提升了算力調用效率。”趙鴻冰說。

趙鴻冰透露，并行算網已覆蓋 45 家智算中心、15 家超算中心，總調度能力超 200 萬 核CPU、5 萬卡以上 GPU 。

“通過動態感知、智能匹配、彈性調度三個維度的優化，實現跨區域資源調度。實時收集各區域算力供需信息，利用算法將東部如長三角、珠三角等算力需求旺盛區域的任務，與西部如內蒙古、寧夏等算力資源相對充裕地區的閑置資源進行智能匹配。根據不同時間段、不同業務場景下的需求變化，動態調整資源分配，在滿足東部算力需求的同時，有效提高西部資源利用率，將并行科技的算力資源高效輸送給有需要的用戶，促進全國算力資源均衡發展。”趙鴻冰說。

財聯社在采訪中也了解到，算力的使用者——大模型企業也在積極破局。

傳神語聯副總裁何征宇在接受財聯社記者采訪時表示，面對當前算力市場供需波動、成本壓力攀升的復雜環境，公司圍繞 “穩定供給、高效控本” 核心目標，制定了多維度、立體化的應對策略。

“針對業務中偶發的短期集中大算力場景（如模型訓練沖刺、數據批量處理等），公司摒棄了‘全自建’的重資產模式，轉而采用‘自有算力 + 云端租用’的混合算力架構。通過與頭部云服務商建立彈性合作機制，可根據實時算力需求動態調用云端資源，既避免了為應對峰值而過度采購硬件導致的資源閑置與成本浪費，又能快速響應短期算力激增需求，保障業務高效推進。”何征宇談到。

在技術端，何征宇對記者表示，目前公司以“根原創”人工智能技術路線奠定了效率優化的根基。從底層zANN深度學習算法框架開始，到moH混合熵模型架構，再到模型的訓練與推理，構建了相對完整的AI技術棧，推出了國內首個“根原創”任度大模型。這一自主技術基座避免了依賴國外開源框架的效率瓶頸，為后續算力優化提供了底層適配性與靈活性支撐。