科技獵互聯網大廠「算力荒」，智算中心卻在「賣卡」求生
“能流暢跑70B模型的國產GPU有推薦的嗎？”在一個算力交流群里，一位從業者問。不少回復打趣道： “48GB顯存的4090?！?/strong>
48GB顯存的4090顯卡并非英偉達推出的官方版本，而是國內特有的魔改版，專為滿足推理算力需求。該版本在市場上大量流通， 價格近乎翻倍 ，目前在京東商城里， 其售價在2-4萬元不等。
算力資源信息共享平臺柏林云負責人說：“雖然現在購買4090的價格翻了快一倍，但租賃供給比較充足， 租金并沒有漲。”
與出租算力3-5年才能回本的周期相比 ，直接賣卡賺取翻倍利潤，讓囤有4090的智算中心抓住“救命稻草”。了解智算中心更多“自救”手段，歡迎添加作者微信 YONGGANLL6662 交流探討。
“4090沒有二手市場這個說法，市場上一些有卡的智算中心會把卡拆下來， 翻新后再拿去當新卡賣掉，賺取成倍的利潤 ，不然4090停產這么久了，卡從哪里來？”智算中心運營商張翔說，“國內的4090主要是消費級風扇卡，用在智算中心要先改成渦輪卡，渦輪卡集中冷卻效果較風扇卡更為明顯， 所以智算中心流出來的卡大多經過改裝。”
拆賣顯卡的另一個重要原因在于，智算中心算力閑置情況嚴峻。
評估智算中心的算力使用情況， 上架率和點亮率是兩個關鍵指標。 上架率關注的是設備是否安裝上架并通電可運行，而點亮率關注的是設備是否在實際執行計算任務，為業務所用。
軟通動力首席人工智能官金亞東告訴雷峰網 (公眾號：雷峰網) ： “智算中心上架率不足70%-75%，沒辦法盈利 ，而現在說智算中心點亮率20%， 實際情況可能比這更糟糕?！?/strong>
面對大量閑置算力與回本難題， “賣卡回血”成了業內公開的秘密。
算力供給“無人問津”的另一面， 是算力消納方“算力荒”。
一頭部互聯網大廠許多業務部門的算力需求都排不上號，特別是其大模型產品接入DeepSeek之后， 集團響應各個業務部門算力需求的速度便慢了很多，甚至連明星AI應用都排不到算力。
“百度算力也不夠用，文心、云和大搜索幾個部門都在搶。” 曾在百度負責AI應用開發的李杰說，“算力就像糧食一樣，各個部門都在搶，就怕哪天突然鬧饑荒。”
供需錯配之下， 智算產業亂象叢生。
智算中心銷售李海說：“市場上出現了一類被稱為‘算力媛’的人，主打信息差獲利，了解買方的需求再匹配合適的賣方， 撮合一個幾億的項目就能從中賺幾千萬。”
智算中心數量過剩，而算力消納方高度集中，致使消納方得以向智算中心提出 極為苛刻的合作條件。 據了解， 去年某明星大模型創業公司聊了近30個智算中心，壓價之外，還要求智算中心給他們投資， 幫其做高估值，最后沒有一家簽下訂單。
賣卡回血、倒賣算力和惡意壓價之外，智算中心還面臨哪些行業“暗礁”？ 究竟是哪些因素致使行業生態扭曲？畸形的產業環境之下，智算中心又路在何方？
大廠算力緊缺，智算中心卻陷入“壓價、退租”寒潮
作為市面上最主要的算力消納方，大廠“苦算力短缺”已久。
前文提及的兩家大廠之外，阿里在全力投入通義千問之后，阿里集團內其它部門的算力也處于緊缺狀態。關于更多大廠算力內幕，歡迎添加作者微信 YONGGANLL6662 互通有無。
于是，頭部互聯網大廠紛紛加碼算力投入，新一輪的算力軍備競賽愈演愈烈。
微信接入DeepSeek后，騰訊向英偉達采購了數十億元規模的H20芯片。阿里則宣布，未來三年將投入超過3800億元用于建設云和AI硬件基礎設施，投入總額超過過去十年總和。而根據浙商證券的研報數據，2025年字節用于AI算力采購的資本支出或達900億元。
大廠對算力搶得火熱， 智算中心的算力卻閑置一旁。
據中國信通院報告顯示，全國已上線的智算中心， 算力的整體利用率僅32%。 而不少行業人士告訴雷峰網，實際數據比這更低。
“去年模型廠商到處聊需求，營造出市場很火熱的現象， 2024年規劃出了上千座智算中心，這些算力根本消耗不了?！?/strong> 張翔表示。
當供給無法消納，需求又難以滿足 ，行業注定偏離正軌，駛入歧途。
大廠和主要的模型廠商雖面臨算力短缺的問題，但對算力還是有較高的要求，譬如要求高功率機柜、高密度機柜以及對時間和空間的一些指定需求，大部分智算中心都無法達標，加之算力閑置的情況嚴峻， 讓買方在市場里的話語權不斷膨脹。
金亞東表示， 智算中心市場有明顯的金字塔效應，大家都追逐頭部廠商的需求。
一旦商業行為被太多不對等的現狀裹挾， 強勢的一方勢必將所有利益搜刮殆盡。
據悉，去年某大廠要建一個H800算力集群，最終只有一家上市公司成功交付。原因不僅是大廠要求多， 而且貼著智算中心建設方的成本價去出價 ，條款也很苛刻，導致算力供應方做起來就很難。
張翔透露，很多人做大廠的單子， 投資回報率還跑不過銀行貸款，完全是雞肋型的生意。
如果說大廠的訂單是讓智算中心賺不到錢， 那其他大模型公司就是讓智算中心做虧本買賣。
“跟國內排得上號的大模型公司合作，他們根本不讓你賺錢， 就讓智算中心自己去拿政府的新能源指標補貼，或者讓智算中心賺設備租賃后剩下的殘值的錢。” 張翔說， “模型公司還會指定智算中心的租賃價格、上下游的合作對象以及設備來源， 這非常不符合常理?！?
李海表示，某家要做視頻模型的大模型公司由于對傳輸性能要求很高，A100相關系列基本上都用成本相對較低的RoCE組網，但這個客戶 要求算力中心提供IB（InfiniBand）組網，并且這部分成本還要算力中心承擔 ，IB組網設備成本通常占服務器設備成本的15%-20%，價格非常昂貴。
但即便是苛刻的算力消納方，在DeepSeek出圈后，也開始退租。一位從業者告訴雷峰網，智算中心開始出現退租的現象，主要是大模型創業公司，因為他們靠融資活著，沒有自己造血的能力， 市場上幾家有名的模型公司都有退租的情況。
李海透露，曾是他們公司重要客戶的某六小龍模型公司， 近期雖連獲多輪融資，合作規模卻大幅縮水。
智算中心低上架率背后：供需錯配、性能缺陷及地域限制
當行業處在早期泡沫階段， 亂象的出現是必經階段。 智算中心的桎梏，從何而來？
供需結構性錯配
“DeepSeek出現之前， 設備選型是造成算力閑置的原因之一。” 善思開悟人工智能科技公司CEO余溢告訴雷峰網，“國產算力、PCIe接口的H100和H800，由于用于訓練性價比較低，應用端需求又尚未起來，造成了較為嚴重的閑置現象。”
“不過，這些設備可以用來做推理，DeepSeek出現后，算力閑置的現象有所改觀?！庇嘁缪a充說。
算力資源和需求的錯配造成了算力浪費， 另一面是對口的算力用不了。
金亞東表示，大部分智算中心的規模都在1000P（1P算力每秒能夠進行一千萬億次計算）上下，由非常分散的社會資本和城市資本建設， 這些資本的特性是有錢但不懂行業，很難去找到合適的需求方。
而給大廠供算力， 更是講究“天時、地利、人和”。
“很多智算中心都無法滿足大廠大規模訓練的前置要求， 比如高能耗指標、高功率機柜、高密度機柜以及集群的排布。”余溢表示。
硬件性能匹配難度大，讓大廠習慣找自己的長期合作伙伴，因為雙方磨合久了，算力提供方能更懂大廠的需求， 譬如潤澤科技就拿了很多字節以及幾家頭部互聯網公司的訂單。
因此，第三方公司想要拿到訂單就只能抓住大廠算力緊缺的窗口期， 就像H20的突然爆火帶來的需求。 不過，能流向市場的訂單都比較緊急， 比如要求三個月內算力就必須到位。
有從業者透露， 很多拿到大廠訂單的廠商會把訂單拿到市場上“招標”，自己不持有設備，純賺差價。
而創業公司是數量很大的長尾客戶， 這部分公司的需求尚未起來也是算力閑置的重要原因。
“AI應用需求是一個冪指數，現在在底部爬行，到了爆發的節點會上漲很多 ，AI應用爆發起來還要1-2年的時間?！?/strong> 金亞東說，“目前，AI應用的發展還面臨比較多的門檻，包括對 技術的認知、成本的考量以及底層大模型能力尚有欠缺。”
找不到、用不起算力 ，也是目前創業公司面臨的普遍問題。
“由于英偉達被禁， 解決算力需求比較受制于渠道資源，供需匹配存在困難 ，所以算力市場有很多二道販子?！庇嘁绫硎?。
另外，對很多創業公司而言，還存在用不起算力的現象。李海表示， 很多AIGC公司還希望用一年前的預算來購買和租賃現在的設備。
國產算力性能欠缺
供需結構性錯配之外，國產算力性能無法匹配市場需求，同樣造成算力浪費。
“公司測試了國產芯片的性能，測試工程師反饋‘ 只適合個人用戶玩一下，無法作為產品服務去交付’?！?/strong> 張翔說，“國產芯片部署模型，只要出錯過一次， 服務器就會掛掉，需要重啟服務?！?/strong>
據了解，不少國產芯片公司為了拿到智算中心的訂單， 會向智算中心承諾包銷算力，并且出資10%-20%去建設智算中心， 在明面上，將雙方的利益捆綁在一起。
“事實上，關于包銷承諾，很多都是無疾而終，不過芯片廠商不兌現承諾， 智算中心就不給尾款?！?/strong> 張翔說， “最后的結局就是一地雞毛，設備放著吃灰?！?/strong>
目前，國產芯片公司都急于拿到智算中心的訂單，原因在于智算中心的大單能給芯片公司做“漂亮賬”， 能不能用并不重要，重要的是有實際的訂單數額。 芯片行業資深從業者潘齊透露，有從大廠跳槽到芯片公司負責銷售的人， 因為拿不到智算中心的訂單離職了。
頭部的國產AI芯片創業公司都已走到決勝IPO的階段， 產品能力、實際的訂單數量以及大集群的建設能力對于誰能勝出，有著重要影響。
焦灼的競爭態勢之下，為了拿到智算中心的訂單， 市場上滋生出許多“非常規操作”。
據悉，包銷承諾讓智算中心算力閑置的壓力壓到了芯片公司身上，除了跑路的極端情況外， 更體面的做法是花錢雇算力消納方去使用自己的算力。
“某國產芯片公司被逼得花錢買營收，找到大模型廠商和一些實驗室談合作， 花一個億換回三四千萬的營收?！?/strong> 潘齊說。
而自身有算力需求業務板塊的公司，則會讓自己的業務去消納算力，向智算中心保證使用率， 但撐完6個月的驗收期之后，就撤掉業務，導致算力利用率大幅下降。
地域限制為算力消納戴上枷鎖
“大部分東部沿海地區的算力供給會因為夏天電力不足面臨挑戰，西部地區電力資源豐富，但算力的使用場景不足。”電信研究院一級分析師張小東表示，“以胡煥庸線為界，根據統計的結果， 東部地區AI上下游企業超過60萬家，西部地區僅1萬家左右，但只有30%的智算中心能做跨省的算力調度，算力孤島的現象很嚴重。”
此外，一些縣級市建設的算力中心，主要目的是拿到省里的補貼，但縣級市一般缺乏可以做后期維護的技術團隊，并且當地沒有消納算力的企業，這就造成設備的空置率非常高。不少從業者認為， 地方政府應該把算力和應用捆綁起來作為智算中心建設的考核指標。
算力跨區域調度除了物理限制之外， 還面臨“人為限制”。
一位從業者表示， 一些地區的算力補貼會限定只有當地的企業才能享用 ，這也會造成資源的錯配。
而數據的隱私性和安全性，也讓算力的跨區域調配面臨掣肘。
據了解，大部分機構都會把數據留在自己的手里，所以對智算中心的位置會有要求，此前，互聯網大廠有黃金10公里的說法， 要求算力部署在自己10公里的范圍內 ，既可以保證數據安全，又能夠降低延時。
“數據不可能流動起來，基本還是在當地的智算中心做訓練和推理。” 一位從業者表示，“東數西算還沒有發揮出其價值。”
算力需求將漲10倍，5000萬家中小型企業才是算力消納主力
“泡沫期”是行業大規模發展的必經之路，這意味著資金、人才和技術的涌入， 陣痛過后，智算中心將走上正軌。
“全社會對AI技術認可程度不斷提高，現在做AI應用機遇巨大，大廠的關注點更多落在平臺和生態方面?！庇嘁缯f，“創業公司單個客戶雖然小，但是數量很多， 長尾客戶占到80%，會慢慢把閑置的算力填滿?！?/strong> 關于AI應用及其對算力市場的影響，歡迎添加作者微信 YONGGANLL6662 交流討論。
金亞東則表示，智算中心獲益是一個很重要的指標， 智算中心處在上游，其能盈利代表下游的AI應用已經被盤活。
張小東認為， 從數據產量和日均Token消耗量兩個維度進行推理 ，都能顯示出對算力的需求量正在不斷上漲。
2024年，中國數據產量同比增長20%，數據流通量同比增長超30%，很多數據都用于AI， 從數據使用量的角度倒推算力需求量的增長比例大概在20%-30%。
從日均Token消耗數量統計，運營商內部估算的數據是2024年整體的Token消耗量大概在5萬億，2025年底預計會翻十倍到50萬億， Token用量代表對算力的消耗，從這個角度講，算力的需求會增長1000%。
需求量的上漲將帶動閑置算力的消納，而行業也正在推出更靈活的銷售模式以適應市場需求。
針對訓練需求，智算中心會把零散的算力組成整體售賣給頭部客戶。針對小客戶的推理需求，智算中心會把算力打散，改變原先租整機的模式， 將一臺機器8張卡分成24小時售賣，靈活配置卡時給用戶。 而按照Token計數的算力收費模式， 則通過最小的計費單位，實現最大化的算力消納，提高算力的利用率。
“世界上沒有用不掉、不合適的算力，重點在于找到合適的應用?！?/strong> 金亞東說，“算力市場更重要的是做好‘散對散’之間的配對， 100-1000P算力供給方和大概5000萬家中小型企業才是未來市場的主角，已經上線的天元智算算力調度平臺就能為散對散的交易提供合作渠道?！?/strong>
而對于國產算力面臨的性能問題，也不斷有新的技術解決方案進行算力優化。
“國產芯片比較像單項選手，整體的性能較弱但一些指標性能尚可。”潘齊認為， 通過異構集群對國產芯片進行算力優化 ，并通過先進計算迭代平臺，推動軟件帶動硬件，能夠形成一個整體優化的解決方案。
國內北電數智、無問芯穹和澎峰科技等企業都在針對國產算力做優化，通過不同的技術解決方案，提升國產芯片在算力方面的性能和效率。
政府補貼是支撐國內智算產業發展的重要力量，卻在市場上飽受詬病。不少從業者認為，補貼引來了諸多逐利者，擾亂了智算中心產業的正常發展。
金亞東說，“這是產業發展的規律性現象，在初級階段，國家把錢投到智算中心并推動國產芯片的使用沒什么問題，新能源電動車也是這樣補貼出來的， 先補供給側，供給量足夠大的時候再補需求側，最后讓需求側挑選供給側，市場化的篩選能挑出最有競爭力的參與者?！?/strong>
下個階段， 政府的支持和補貼或將轉移到下游的AI應用。 隨著需求量的增加、供需匹配機制的完善以及撥亂反正的推進，智算中心還值得期待。
作者將長期關注智算中心產業變遷及出海布局相關動態，歡迎添加微信 YONGGANLL6662 交流討論。
注：張翔、李杰、李海、潘齊均為化名。
雷峰網原創文章，未經授權禁止轉載。詳情見 轉載須知 。
