行业领先的股票配资平台:炒股配资App-高端算力“饥渴难耐”VS智算中心“吃不饱” 破局之路已在脚下

　　“算力正在从以CPU为核心的计算加速转变为GPU为核心、以大模型驱动的AI计算，新的计算范式需要更稠密的算力 、更高效的网络和更大的集群规模 ，需要超大规模的基础设施和全栈基础积累才能承载这样的需求 。未来全世界也许只会有5到6个超级云计算平台
。 ”在近日举行的2025云栖大会上
，阿里巴巴集团CEO吴泳铭发表主题演讲《超级人工智能之路》，并作出了上述论断。

　　这一论断不仅展现出未来算力服务市场集约化
、规模化的发展方向 ，也对当前各地算力中心的规划与运营模式提出了更高要求——如何避免重复建设、提升资源利用效率
，成为行业共同关注的议题 。

　　然而，财联社记者近期在调研算力产业发现 ，一边是中小企业苦苦寻求高端算力却“一卡难求
”，另一边却是部分已建成的智算中心实际利用率低于40%
。

　　这种供需失衡的背后
，既有区域布局与真实需求脱节，也反映出通用算力阶段性过剩与智能算力持续短缺的深层矛盾 ，如何破解资源错配困局
，已成为整个算力产业必须直面的核心议题。

　　值得一提的是，国家数据局近期也公开围绕算力需求 、供给和运营等多方主体开展调研 ，了解实际状况
、诉求与挑战
，征集发展建议 。

　　财联社记者在一线采访也了解到，算力服务商、上市公司等正从技术 、商业模式与资源整合多个维度寻求突破。

　　市场“如饥似渴” ，各地加码算力布局

　　财联社记者梳理各地投资项目在线审批监管平台观察
，仅三季度，就有多个算力中心项目办理结果公示
。比如 ，中国电信长三角国家枢纽嘉兴算力中心项目一期；安徽省安庆经开区行政审批局批复的安庆经开区协同制造5G应用创新与算力中心建设项目。

　　这背后
，是各地政府通过提供政策扶持、资金补贴
、能耗指标倾斜等方式加码算力投资 。

　　在政策层面，二、三季度包括湖北省 、山东省
、河南省、贵州省出台的相关政策涉及算力产业发展 ，涵盖了算力券发放 、基础设施建设
、产业生态培育等多个方面
。

　　各地加码算力产业项目表明我国算力市场的需求仍在不断涌现、市场规模持续扩大。根据IDC（国际数据公司）预测，2025年中国智能算力规模将达到1037.3EFLOPS
，并将在2028年达到2781.9EFLOPS 。

　　不过，财联社记者了解到 ，与各地如火如荼的算力建设形成鲜明对比的是
，我国正在面临日益严峻的算力供需结构性失衡
。

　　从需求端来看，目前不少中小企业对算力“如饥似渴 ”。

　　“每个月的算力成本已成为公司最大规模的单项支出之一 。即便如此 ，我们依然感到‘饥渴’
，尤其是高端训练芯片的稳定供应和获取能力，是目前制约我们发展的最大瓶颈之一
。
”天津一家公司市场部工作人员对记者表示。

　　“结构错配：算力资源分散 、标准不统一
、跨区域调度机制不完善”

　　然而在此情景的另一面 ，部分算力资源却因种种原因未能得到有效利用
，处于闲置状态 。

　　一位智能算力行业上市公司人士对财联社记者透露，他所在的东部某地千卡规模的智算中心上架率不足50% ，已上架的服务器
，实际利用率不足40%
。谈及原因，他表示 ，当地在算力建设规划时缺乏统一协调和科学论证，未能充分考虑市场需求的结构性差异
，导致资源错配。

　　事实上，从供给量来看 ，我国算力供给相对“充足 ” 。据工信部最新数据显示
，截至今年6月底，我国在用算力中心标准机架达1085万架 ，智能算力规模达788EFLOPS
，为海量数据计算提供了智能底座。

　　与此同时，IDC的报告指出 ，中国智能算力需求年增速超30%
，但供给却集中在通用算力领域，导致“一边不足、一边闲置”的结构性矛盾异常突出
。此外 ，全国近六成算力资源集中在东部热点区域
，与西部资源富集地形成地理上的“供需鸿沟
”，进一步加剧了调度难题。

　　作为一线算力服务商 ，北京超级云计算中心(简称北京超算)注册用户超过16万，北京超算CTO甄亚楠深有感触 。他在接受财联社记者采访时表示
，根据长期的服务经验发现，不少企业自建集群的平均利用率往往低于30% ，部分甚至仅达百分之十几
，这与规划时假设的100%利用率相去甚远，实际成本支出高出约一个数量级
。

　　结构性错配亦是当前行业人士普遍的看法。

　　华中科技大学教授 、北京亦庄人工智能研究院执行院长房超对财联社记者表示:“规划层面 ，早期建设偏重传统数据中心
，未充分预见AI算力需求爆发，存在结构性错配问题；市场机制层面 ，算力资源分散
、标准不统一、跨区域调度机制不完善
，导致已有算力难以高效利用 。”

　　方融科技高级工程师周迪对财联社记者分析，这种矛盾的根源是多方面的 ，既包括算力需求高速增长与迭代
，底层算力硬件正处于“新老交替 ”之际，导致市场出现供需不匹配的技术问题；还涉及部分数据中心卖方对建设和运营智算中心认知有限 ，以及买方对自身算力需求认知不充分，导致数据中心利用率不理想的市场机制问题
。

　　破局之道：技术革新与模式重构
，业界打通算力“任督二脉
”

　　甄亚楠认为，破解这一困境需要三轨并进：推广定制化企业级混合云服务方案 ，客户可在波谷阶段使用自建资源进行业务运算
，波峰阶段可通过弹性算力租赁模式（如北京超算的按需服务），让企业按实际使用量付费 ，避免重资产投入和资源闲置；其次
，依托跨区域调度技术，将东部的高价值计算任务智能迁移至西部低成本节点 ，实现全国算力资源的优化配置；最后
，通过统一技术标准消除协同壁垒，配合政策引导促进资源流动。

　　财联社记者采访中了解到 ，面对当前算力资源存在的“结构性错配”问题
，算力服务商与上市公司正从技术架构 、商业模式与资源调度等多个维度积极破局 。

　　甄亚楠对记者表示，北京超算推出按需构建算力资源的创新模式 ，通过算力租赁服务，使用户能够灵活依据业务需求获取弹性计算资源
，高效应对大规模计算任务
。用户仅需根据实际使用的计算量和计算时间进行付费，可以显著降低运营成本。该模式广泛适用于各类具有大规模计算需求的场景 ，助力用户轻松实现高效算力支撑 。

　　“北京超算还同时提供专家咨询服务
，依托应用运行特征分析的方法工具，对大规模并行应用进行实时 ”CT扫描“ ，秒级监控CPU、GPU
、内存、网络等多维度指标
，智能分析性能瓶颈，提供科学决策所需的算力选型适配数据
。通过深度需求诊断与业务场景分析 ，帮助用户精准选型
，避免资源规格与业务需求脱节。
”甄亚楠说 。

　　技术层面，A股首家提供专业算力服务的上市公司并行科技AI云事业部总经理赵鸿冰博士告诉财联社记者 ，在底层
，公司运用分布式资源池化技术，将散落于全国不同区域 、不同类型的超算中心
、智算中心的算力资源整合为一个有机整体。

　　“举例来说 ，通过这一技术，将业务阶段性不饱和（项目间歇期） 产生的闲置算力
，与急需算力完成紧急科研计算任务的需求相连接，大幅减少了资源闲置 ，提升了算力调用效率
。”赵鸿冰说。

　　赵鸿冰透露
，并行算网已覆盖 45 家智算中心、15 家超算中心，总调度能力超 200 万核CPU 、5 万卡以上 GPU 。

　　“通过动态感知
、智能匹配、弹性调度三个维度的优化 ，实现跨区域资源调度
。实时收集各区域算力供需信息
，利用算法将东部如长三角 、珠三角等算力需求旺盛区域的任务，与西部如内蒙古
、宁夏等算力资源相对充裕地区的闲置资源进行智能匹配。根据不同时间段、不同业务场景下的需求变化 ，动态调整资源分配
，在满足东部算力需求的同时，有效提高西部资源利用率 ，将并行科技的算力资源高效输送给有需要的用户
，促进全国算力资源均衡发展 。 ”赵鸿冰说
。

　　财联社在采访中也了解到，算力的使用者——大模型企业也在积极破局。

　　传神语联副总裁何征宇在接受财联社记者采访时表示 ，面对当前算力市场供需波动 、成本压力攀升的复杂环境，公司围绕 “稳定供给
、高效控本
” 核心目标
，制定了多维度、立体化的应对策略 。

　　“针对业务中偶发的短期集中大算力场景（如模型训练冲刺 、数据批量处理等），公司摒弃了‘全自建’的重资产模式 ，转而采用‘自有算力 + 云端租用’的混合算力架构
。通过与头部云服务商建立弹性合作机制
，可根据实时算力需求动态调用云端资源，既避免了为应对峰值而过度采购硬件导致的资源闲置与成本浪费 ，又能快速响应短期算力激增需求
，保障业务高效推进。”何征宇谈到 。

　　在技术端，何征宇对记者表示 ，目前公司以“根原创 ”人工智能技术路线奠定了效率优化的根基
。从底层zANN深度学习算法框架开始
，到moH混合熵模型架构，再到模型的训练与推理 ，构建了相对完整的AI技术栈
，推出了国内首个“根原创
”任度大模型。这一自主技术基座避免了依赖国外开源框架的效率瓶颈，为后续算力优化提供了底层适配性与灵活性支撑 。

（文章来源：财联社）