AI观察｜计算饥渴和泡沫

数据中心是信息基础设施中的计算率基础设施。一方面，DeepSeek煽动了AI计算能力的需求，提高了数据中心的上架率；另一方面，微软、亚马逊等科技巨头放缓了一些人工智能数据中心项目。全球AI大赛是否过剩或不足以撕开计算率的角落？

近日，多位业内人士在接受《ThePaper》采访时表示，DeepSeek出现后，推理计算能力需求增加，计算效率提高，整体计算能力需求增加。但与此同时，各地数据中心利用率不平衡，部分计算率因设备老化、供需错配、垂直生态模式建设不到位而闲置。

随着人工智能的快速发展，业内人士认为计算能力的需求是无止境的，长期趋势仍然供不应求。是否建立数据中心的关键在于能否满足用户的需求。

算率新浪潮

分布式计算包括超级计算、智能计算和基于云计算的通用计算。在数据智能时代，数据计算需求促进了云计算的兴起，云计算面向社会经济的各行各业，实现了智能计算。随着人工智能的跨越式发展，中高性能的智能计算已经成为一种热门的计算资源。

国际化数据公司（IDC）根据《中国人工智能计算能力发展分析报告》，2024年，中国智能计算率达到725.3百亿/秒。（EFLOPS），比去年同期增长74.1%，比去年同期增长3倍以上；市场规模为190亿美元，比去年同期增长86.9%。

自今年以来，DeepSeek的兴起激活了推理计算能力的需要。他说：“在因特网时代，数据中心主要提供数据交换功能的服务器。现在数据中心已经转变为智能计算中心，在原有互联网时代的服务基础上提供智能计算率，以满足更多人工智能的计算需求。“上海超级计算中心主任李根国表示，近年来，智能计算中心的建设发展迅速，大模型的出现，尤其是DeepSeek，让之前闲置的数据中心活了下来。随着社会对AI接受度的提高，各地都在部署AI，总体而言，计算率供不应求。”

2023年至2024年，国内“百模决斗”主要是培训需求，“当培训需求收敛时，基本模型玩家越来越少，单个客户数量越来越大，支持这样的客户，需要具备万卡以上的能力，但大多数厂家没有，所以千卡、百卡集群都是闲置的。”某智算行业的专家向澎湃科技介绍。早些年，各地投建智算，的确是一拥而上，这也是导致算率闲置的原因。但是DeepSeek出现之后，智算利用率反而有所提高。首先，对训练计算率的需求有所下降，这使得行业模型训练的成本更低。第二，DeepSeek的开源极大地促进了场景应用和下游模型的改进，使得闲置的千卡和百卡集群也有了立足之地。目前，许多地方计算率供不应求。

他说：“我们以前在做超算，这两年突然发现智算出现了。在智算中，一个很典型的大需求就是大规模的训练，这实际上也是一种超算应用，所以智算的需求也带动了超算的需求。“AI云创始人、AI云事业部总经理赵鸿冰说，超算云和智算云算力服务商并行科技。高性能计算的超级计算主要服务于国家战略，为航天工程、国防、气候、石油、制造、生命科学等领域提供计算服务。

上述智算行业专家对当前计算能力需求的上升趋势进行了判断，“随着DeepSeek R2的推出和开源，供不应求的现象将持续一段时间。“他认为，过去数据中心的上架率存在需求失衡。根本原因是软件的迭代速度比硬件进化速度快，使得市场整体供需呈现波动趋势。但是从趋势来看，供需波动的轴线，也就是人工智能发展曲线的长期改善。

饥渴与过剩

“从长远来看，人工智能的方向没有错。长期趋势仍然供不应求，但短期内可能会出现不平衡和冗余。”智能计算行业的专家告诉澎湃科技。在他看来，智能计算率是智能经济发展的基础和瓶颈制约，需要提前布局，但提前布局很可能造成建设浪费。在工业发展过程中，很难避免这种先进的建设和浪费。

事实上，就算率而言，饥饿和过剩是同时存在的。

据沙利文统计，中国数据中心整体上架率从2019年的53%提高到2022年的58%，相当于过去几年闲置了40%以上的算率。

2024年，国家发改委联合有关部门发布的《数据中心绿色低碳发展专项整治计划》提出，到2025年底，全国数据中心布局更加合理，整体上架率不低于60%。引导智算中心规范集群发展，促进存量分散数据中心集约化高效转型。

从全国范围来看，各地数据中心的利用率处于不平衡状态。一些发达地区的数据中心利用率相对较高，甚至接近饱和，因为它们承担了大量的互联网业务和AI培训任务。在一些不发达地区，由于业务需求不足，数据中心利用率相对较低，存在一定的资源浪费。

计算需求在东部，能源在西部，导致东数西算。然而，计算率调度不同于电力调度。西部数据中心的上架率受到服务保障能力、数据传输成本、带宽和延迟的限制。

要使用西部服务器，东部地区必须先传输数据，计算完成后再传输到东部。当数据超过一定规模时，就会突出带宽和延迟。他说：“以前生命科学运算石油勘探计算要用超级计算机计算的时候，都是人带着数据飞来，这是最经济的方法。“李根国表示，跨域数据传输成本高，点对点专线成本一年可达数百万元，这意味着西部数据中心如果想服务东部需求，仍然存在各种需要跨越的问题。目前，区域服务似乎是最经济的。

李根国还提到，过去各地的数据中心建设存在同质化竞争，建设周期长。“最初的建设数据中心是将旧服务器排成一排，后来发现没有那么多需求，尤其是云计算发展后使用虚拟服务器。”在智能计算时代，技术迭代周期正在加速。如果跟不上转型，就会面临更大的使用效率和成本压力。

上述智算行业专家指出，即使当前计算能力需求急剧增加，通用计算率仍然存在过剩。他说：“过去一拥而至，建立传统数据中心，最终要靠自然消化，要么成为云厂商，要么成为云厂商的服务提供商。但是云的自然增长率只有个位，传统数据中心仍然无法出租。这是因为这样的数据中心“没有市场服务水平”，更深层次的原因是垂直生态模式建设不到位，云服务水平跟不上。

他指出，数据中心是基础设施，资源调度和应用服务依赖于软件服务系统。云厂商建立自己的数据中心，实现IaaS(基础设施即服务)、PaaS(平台即服务)一体化服务是提升用户体验的基础。“只建IaaS是AI服务器的加价配送模式。没有系统运维和软件服务能力，其利润必然薄弱，难以实现高质量发展。”

同时，数据中心是一种工业消耗品，旧设备耗电量大，计算率低，建设5年后将被淘汰。“如果有些数据中心是一般5000瓦以下的旧单机柜功率服务器，这样的中心只能在硬件层面进行改造。如果原来是一台机器，恐怕很难适应大规模高性能集群的结构。”另一位业内人士告诉《ThePaper》。

但中信建投证券认为，中国数据中心市场存在一定的供需和区域不平衡问题，但已明显缓解。与一般数据中心相比，智能计算中心支撑的GPU服务器功率密度增加，为传统云计算准备的机柜功率无法很好地满足GPU计算能力的布局需求。同时，随着GPU单卡功耗的不断增加，对机柜功率密度的要求也在不断增加，新建大功率机柜的增量需求也很多。旧机房消耗叠加功率新需求释放，有望开启新一轮周期。

新生计算服务中间商

应对激增的计算能力需求，除了构建更多的数据中心外，还需要不断提高数据中心的运营效率，计算率业务正在从单一资源提供向综合服务转变。由于各大计算能力中心缺乏运营服务能力，代理运营计算能力中心的计算能力服务中间商应运而生。

这些中间商提供运维、调度和改进服务，帮助计算中心提高资源利用率和服务水平。在AI模型培训需求激增的背景下，代理运营服务将成为连接供需双方的重要桥梁。

上海无问芯圆智能科技有限公司相关负责人想做AI模型计算率“非常放大器”，告诉澎湃科技，公司计算率业务逐渐从提供机柜租赁、端口服务等传统基础资源向计算率智能服务延伸。例如，一些服务提供商通过算法预测计算能力需求，提高异构资源调度效率，填补市场空白，满足AI培训等高级需求，开始提供智能调度、算法优化等增值服务。未来，为了更高效地调度计算率，我们还需要处理计算率资源的异构整合，实现不同品牌和型号计算资源的统一调度，同时根据大型培训任务的实时需求对计算率资源进行动态管理。要实现不同区域间算率资源的灵活配制和高效利用，就跨区域算率资源协同而言。未来，具有全栈服务能力的第三方服务提供商将成为行业的主导者。

在赵鸿冰看来，计算服务的价值形式包括IaaS、PaaS、SaaS，MaaS(模型即服务)出现在大模型流行之后。计算率服务中间商只有深化这些价值，才能发现深厚的情况和规模效应。“我们希望将已建成的中心纳入并行的计算能力网络，以满足客户的需求，使这些中心充分发挥生产力和社会效益。”

“超级计算支持传统科学的计算，智能计算支持数据科学的计算，支持大模型的预训练、后练习和推理。超级计算和智能计算都是由社会需求驱动的。”赵鸿冰说，计算能力的需求是无止境的，AI的落地肯定会带动计算能力的利用率，关键在于满足用户的需求。根据社会化需求，根据不同的业务类型，在不同的地区构建不同的资源和产品形式。比如西部绿色计算率资源可以用于离线实践业务，实时业务可以在东部运行，相应的电力成本会更高。实际上，利用率差距并不大，因为根据客户真实的业务特点情况来设计、建设和运营。”

对于上述智算行业的专家来说，DeepSeek使得中期优化和去泡沫的算率资源，但是真正满足用户需求的算率仍然不够。目前对推理计算能力的需求越来越大，模型应用的核心需求是推理计算能够更好地响应客户，降低成本，提高产出。与此同时，基础模型仍处于多模态、多模式扩张阶段，高性能计算率仍不够，软硬件一体化道路是未来唯一的选择，正如DeepSeek通过工程优化将硬件性能发挥到极致一样，软件能力将变得越来越重要。

无问芯穹表示，DeepSeek点爆推理需求，未来推理芯片将大幅增加，推理计算能力需求或预训练需求将超过100倍。预计练习和推理的算率比例将为8。:2发展至2:8。国产芯片将迎来繁荣，应抓住机遇，打造国内AI产业闭环，实现更加可控的自主计算发展。要对海外芯片进行极致的软硬件协同优化，以有限的算率追求国内模型能力，推动国内芯片厂商开放底层软件生态，依托国内外芯片构建“异构”AI系统，处理算率缺口。

他说：“我们对自然的探索，对生命的认识还远没有停止，科学研究对计算能力的需求是无止境的。更多的算率可以使模型扩展得更大，研究得更精细。“李根国说，计算能力的需求在增加，但计算形式没有发生实质性的变化。计算的基础仍然是以冯·诺依曼结构为主的存算分立集成电路。今后若实现存算一体化，将改变当前的计算模式，突破计算率难题，提供更高效的计算支持。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com