智算中心热潮下，AI公司为何反被困局中？

近年来，算力已成为制约国内AI发展的关键因素。为解决这一瓶颈，尤其是ChatGPT问世后，智算中心如雨后春笋般在全国涌现，成为AI时代的新基建。

智算中心，作为高阶的计算中心，相较于传统算力中心，在硬件上使用GPU替代CPU，软件层面则部署AI框架，以优化算力效率。据统计，截至今年上半年，全国已有超过250个智算中心建成或在建，仅今年前七个月，就有140个新项目中标。参与建设的不仅有城投、运营商、金融企业和央国企，还有大型互联网云计算公司如华为云、阿里云、腾讯云，甚至一些从房地产等行业跨界而来的企业。

然而，尽管智算中心建设风起云涌，但另一组数据却揭示出隐忧：IDC指出，通用算力中心的利用率仅为10%-15%，一些重量级的智算中心甚至处于闲置状态。这意味着，动辄数十亿甚至上百亿的投资并未充分发挥其价值，成为AI热潮中的新难题。

智算中心的建设周期短，通常以预制模块化机房和整柜交付方式进行，能在短时间内建成。例如，武汉首个智算中心仅用了6个月时间，一期建设规模达到100P FLOPS的AI算力，算力峰值性能相当于5万台高性能PC机。此后，从地方主导的项目到大厂投资运营，智算中心的投入资金和算力规模均呈上升趋势。

智算中心的兴起也催生了一个新的风口赛道——算力租赁。算力租赁允许企业在需要强大算力时，通过租用而非购买昂贵的计算设备来满足需求。服务商根据客户需求搭建计算环境或系统，并通过签订合同的方式提供算力服务。算力租赁的收费方式多样，包括按小时、按算力规模、按使用量和套餐计费，以适应不同客户的需求。

算力租赁市场的迫切需求主要源于模型训练。大模型训练、微调、推理需求急剧增加，但AI应用在不同开发阶段对算力的需求不同。算力租赁成为大多数大模型厂商的最佳选择，因为租赁可以降低设备采购、租金成本以及调试、维护成本和工程师研发时间成本。然而，算力租赁市场竞争格局分散，传统云服务提供商对外租赁比例较少，而具备IDC建设运营能力的企业和跨行企业越来越多。

尽管国内算力投入规模已接近全球顶尖水平，但面向AI、高性能计算的算力缺口仍然存在。赛迪顾问数据显示，2023年国内智能算力需求达123.6EFLOPS，但供给仅有57.9EFLOPS。算力需求未被云计算大厂完全承接，主要是因为大模型训练需要高性能GPU集群，而大厂提供的多是单节点服务，无法满足需求。因此，算力租赁公司有了发展空间，毛利率约为40%左右，净利率约为20%左右，但资金门槛较高。

然而，涉足算力租赁的企业普遍面临增收不增利的困境。尽管一些企业因“算力”概念股价上涨，但算力租赁市场仍存在诸多不确定性，如市场需求、政策变化、技术水平以及交付和供应链等。智算中心并非简单购买GPU就能躺赚，还需要高性能的硬件部署和软件层面的优化协调。训练算力的租赁对象主要是大模型公司，跨行企业如何获取这些客户资源也是一大挑战。

智算中心ROI过低的原因除了供需不匹配外，还包括盲目投入建设、软件能力不够导致用卡效率不高等问题。智算中心不景气直接影响算力租赁市场的低迷，一些企业因缺乏应用场景而闲置算力资源，造成浪费。国产替代过程中最难解决的是应用生态问题，封闭性导致可用的开源软件和商用软件极少，用户自有软件的迁移适配成本极高。