被關税“重壓”出來的本土充沛算力資源丨貿易戰下的產業韌性（一）_風聞

文 | 智能相對論

作者 | 陳泊丞

重壓之下，海綿裏的水將被持續擠出來。隨着技術的迭代以及市場環境的轉變，我國的算力基礎設施建設正在上演一場“擠出水分”的理性迴歸。

如今，中美貿易摩擦加劇，特別是美國對我國的AI芯片出口管制升級，本土算力行業正面臨着顯著的供應鏈壓力和成本壓力。而這種不穩定的環境影響，正是算力基建“擠出水分”的第一重壓力。

在這種情況下，當高性能芯片無法充分供應，那麼我國的算力行業必須得學會利用現有的資源來優化應用情況。算力基建的重心不再是“建新”，而是“利舊”——榨乾每一塊現有芯片的性能，或許是接下來整個本土算力行業需要解決的問題。

同時，一旦“利舊”思維成為主導，算力行業的發展就不只是侷限在高性能芯片的替代上。這場新運動正在從政策層面聯動到技術層面，從地方傳遞到企業，全面影響本土算力行業的發展。

算力大摸底，基建終究迎來“退潮”？

從去年開始，業內便傳來算力基建增速放緩的信息。而到今年，越來越多的信號繼續強化這一趨勢。

根據財聯社最新報道，為深入實施“東數西算”工程，推動實施全國一體化算力網，強化算力基礎設施建設統籌佈局，相關部門對算力基礎設施項目實施“窗口指導”。同時，部分市正計劃下發關於算力摸底的相關工作通知，摸底數據將作為國家算⼒資源統籌佈局的重要依據。

**在「智能相對論」的視角中，如果算力摸底工作能在全國範圍內順利開展，這將是我國算力行業發展的一個關鍵拐點。**據不完全統計，全國範圍內智算中心相關的項目就有200個以上，但其中90%的算力在1000P以下，低效能的基建出現冗餘問題，對當前AI產業的價值十分有限。

低效能或是不達標的算力基建本身對於整個國家算力網絡而言就是一種資源型的浪費。在算力摸底工作的推進下，接下來的本土算力行業或將迎來更直接的資源再分配和格局重構，進一步釋放現有算力資源的價值。

根據IDC圈的統計數據，今年一季度，我國大陸共165個智算中心項目出現新動態，其中58%的項目處於已審批籌建狀態、33%處於在建或即將投產狀態、僅10%處於已投產/試運行狀態。

也就意味着，如果算力摸底工作是一場“釜底抽薪”，那麼可能有相當大一部分項目被喊停，從基建層面糾正過去算力資源錯配的問題，進而把有限的資源繼續重新分配，推動算力利用率在現有的市場規模上實現增長。

不可否認，這會是一場劇烈的行業陣痛。同時，如果現在不進行某種程度上的“刮骨療傷”，未來也將後患無窮。在當前不穩定的市場環境影響下，算力市場的供求關係正存在微妙的波動。

此前，蓮花控股、飛利信、錦雞股份、鴻博股份等多家企業接連終止相關算力合同，金額高達數十億元。如果説這是市場需求退潮的信號，那麼此時的算力摸底工作將最大程度減少未來算力資源過剩所導致的“擱淺”現象。

從某種程度來説，這場算力行業的理性迴歸來得正是時候。

囤芯片不是算力行業的唯一解

在美國巨大的關税壓力和限制芯片出口策略下，不少人認為應對這一危機的關鍵在於囤芯片，只要在充足的芯片庫存支持下，挺過去或許就會好了。

事實上，**這一想法不僅低估了貿易戰的下限，也錯判了算力行業的發展路徑。**國家推動全國一體化算力網建設，明確提出“東數西算”工程與算力資源統籌調度目標，其根本邏輯在於解決“算力供需時空錯配”與“局部資源閒置”問題。

簡單來説，在算力基建層面，硬件堆砌模式面臨着政策約束、成本壓力和供應鏈風險等多重問題，並非未來發展的長久之計。在這些趨勢下，算力行業最迫切需要解決的算力利用率低的問題，根據中國信通院的報告，全國已上線的智算中心的算力整體利用率僅32%。

目前來看，算力利用率的提升正在成為各大廠商的主要議題，而更多的解決方案則是面向大模型的訓推階段，旨在解決行業最真實的痛點。例如，聯想基於萬全異構智算平台通過統一調度CPU、GPU等多元算力，支撐DeepSeek訓練MFU超60%，故障斷點續訓恢復時間小於1分鐘，算力利用率提升40%。

目前，百度旗下的百舸4.0在訓練主流開源模型時，集羣MFU也同樣提升至58%，有效訓練率達到98%。而業內對於MFU的提升主要來自於算法優化、AI加速套件應用等手段，像百舸4.0選擇的路徑為自主研發出了大模型訓推加速套件 AIAK。在算子優化層面，相比英偉達的自研算子加速庫，可實現10%的性能提升。

這些手段都可以理解為本土廠商對提升算力利用率的積極措施。事實上，在這種持續優化算力利用率的過程中，對於我國的算力發展行業也有明顯的跨越，傳統的算力只是一個純粹的資源供給池，而此時此刻正在進化為一個支持多元AI應用、能即時調控算力資源分配的智能計算平台。

寫在最後

中國的算力市場從某種程度來説，似乎陷入了畸形的擴張中。一方面，大量的算力資源被限制，國家信息中心指出，我國大量數據中心服務器的算力平均利用率只有5-10%，大部分服務器不過是機房的陳列品，毫無落地的價值。另一方面，市場上的企業無適合的算力可用，要麼太貴，要麼太少。

這種情況就像是充足的地下河無人挖掘使用，地面反而已經乾旱成災。如今，無論是地方政府的算力摸底，還是大廠企業的技術創新，都旨在進一步把地下河水挖掘出來，從根本上解決地面乾旱問題，而不是再從別的地方運水。

*本文圖片均來源於網絡

此內容為【智能相對論】原創，

僅代表個人觀點，未經授權，任何人不得以任何方式使用，包括轉載、摘編、複製或建立鏡像。

部分圖片來自網絡，且未核實版權歸屬，不作為商業用途，如有侵犯，請作者與我們聯繫。

•AI產業新媒體;

•澎湃新聞科技榜單月度top5;

•文章長期“霸佔”鈦媒體熱門文章排行榜TOP10;

•著有《人工智能 十萬個為什麼》

•【重點關注領域】智能家電（含白電、黑電、智能手機、無人機等AIoT設備）、智能駕駛、AI+醫療、機器人、物聯網、AI+金融、AI+教育、AR/VR、雲計算、開發者以及背後的芯片、算法等。