今天小編分享的科技經驗：有多少AI公司，如今困在智算中心？，歡迎閱讀。
文 | 新眸，作者｜李小東
直到現在，算力仍然被看作是制約國内 AI 發展的主要因素。
為了解決這一問題，尤其是 ChatGPT 出現後，智算中心被視為 AI 時代如同水和電一般的新基建，在全國各地落地開花。截至今年上半年，全國建成和在建的智算中心超過 250 個，有媒體報道，僅今年前七個月，就湧現出了 140 個新的得標項目。
建設這些智算中心背後涉及的公司和機構，除了城投、運營商、金融企業和一些央國企，大型的互聯網雲計算公司，比如華為雲、阿裡雲、騰訊雲，甚至還有些從房地產等行業跨界過來的公司。
但另一組數據同樣值得關注：IDC 指出，以企業為主要用戶的通用算力中心利用率，目前僅為 10%-15%；之前有中科院院士公開表示，一些重量級的智算中心，現在大多甚至都處于閒置狀态。
從算力不足，到所謂的算力 " 過剩 "，核心問題實際上并沒有完全解決。這就意味着，動辄投資數十億甚至過百億的大項目，不僅沒有發揮出應該有的價值，還成了這場 AI 熱潮中代價最高的新難題。
算力供給風起雲湧
不少人對 " 智算中心 " 這個詞可能還感到陌生。但它其實不算個新詞，可以理解為更高階的 " 計算中心 "。
在計算機科學興起之初，由于計算設備昂貴且稀缺，許多機構和組織會建立專門的計算中心，來集中提供高性能的計算資源和服務。随着計算機技術的不斷進步和普及，從最初的大型機時代到如今的雲計算、邊緣計算，計算中心的形式和功能也發生了變化。
相較于傳統算力中心，智算中心在硬體層面使用 GPU 替代 CPU，GPU 并行處理在面對大規模數據集運算時計算效率更高；另一方面，智算中心在軟體層面部署了 AI 框架，能将計算任務調配給不同的計算平台，從而實現最大的效率。
按應用角度來看，傳統計算中心更多地以存儲數據和提供互聯網服務為主；而智算中心是專門給 AI 應用提供算力和數據存儲。
三年前，在推動產業數字化轉型的背景下，國内首個智算中心落地武漢，總投資約 4.6 億元，由于這類項目的建設過程中，通常會采用預制模塊化機房和整櫃交付的方式，所以實際建設周期很短，僅僅 6 個月就能夠建成。
當時一期的建設規模為 100P FLOPS 的 AI 算力，由數千顆昇騰 AI 處理器組成，算力峰值性能相當于 5 萬台高性能 PC 機。這是個怎樣的概念呢？以天文探索的場景為例，普通算力需要 169 天才能找到的特定星星，智算中心只用不到 100 秒。
新眸統計 2021 以來建成的智算中心，從以地方主導的項目，如武漢、合肥、南京、京津冀等，到後來以商湯、阿裡雲、百度雲等大廠為主開始投資運營，投入資金、算力規模整體呈現出明顯逐階上漲的趨勢。
比如 2022 年投入運營的 " 商湯科技人工智能智算中心 "，一期投入 56 億元，機櫃數量 5000 個，峰值訓練算力達到 3740P FLOPS；同年後來阿裡雲的張北智算中心上線，算力規模達到 12000P FLOPS，總投入 180 億元。
過去的一年裡，智算中心以量出圈。
具體表現在，一些四五線城市的智算中心拔地而起，比如甘肅慶陽、安徽宿州、山東棗莊等。相比大城市，這些城市土地資源豐富且價格低廉，渴望經濟轉型，并帶動周邊產業發展，因此對智算中心給予如稅收優惠和資金補貼等支持，并且審批流程更簡化，建設進度更快。
另一方面，智算中心需要實現算力的标準化、服務化，達到随用随取，類似于傳統公有雲服務。這意味着智算中心不僅僅是提供硬體資源，而是要轉型為提供算力服務，因此很多企業，甚至是傳統企業都湧入了跨界做算力租賃的賽道。
同花順數據顯示，截至目前，算力租賃概念股已經多達 108 家。例如，主營彩票印刷業務的鴻博股份，是 A 股首家宣布跨界算力的上市公司；蓮花健康主業是做味精的，也采購了大量英偉達 GPU 開展算力租賃業務。
算力租賃，一個新的風口賽道
簡單來說，算力租賃就是當你在需要強大算力來完成某個項目時，不去自己購買昂貴的計算設備，而是去租用。服務商根據需求，搭建好所需的計算環境或系統，然後通過籤訂合同的方式，把這套計算能力租給你用。
客戶付的是租金，用完之後這套設備的所有權還是歸服務提供方，也不需要自己去維護或者買下這些設備。通常情況下，算力租賃有四種收費方式，按小時、按算力規模、按使用量和套餐計費。
具體來看，一般小型科創公司在做一些科研項目、短期的數據處理任務等，對算力的使用時間不确定，按小時計費就可以靈活控制成本。比如 SFCompute 公司提供按小時計費的服務，用戶可以根據自己的需求租用 H100 GPU，價格還很便宜。
按算力規模計費，通常涉及到伺服器性能、GPU 數量等方面的評估，性能越好、效率越高，服務租金也更高。其次還有按照數據處理量、網絡流量的使用情況來計費的方式。針對一些大型企業或有特殊需求的客戶，提供商可以根據客戶的具體要求定制個性化的套餐。
為什麼要租？
眾所周知，這兩年大模型訓練、微調、推理需求急劇增加，但關鍵在于，AI 應用在不同的開發階段，對算力的需求也不同。在開發周期中，需要大量的訓練算力；當模型開發完成上線後，就不再需要訓練算力而是推理算力。
當下算力租賃下的迫切需求，更多是源于模型訓練。至于需要多少，參考 GPT-4 訓練過程中 A100 卡數量達到萬張量級。考慮到伺服器采購與租金成本，以及對算力的彈性需求，調試、維護成本，工程師研發時間成本，算力租賃成為大多數大模型廠商的最佳選擇。
然而，在目前的算力租賃市場，競争格局呈現戶參與者眾多，但格局分散的特點。傳統的雲服務提供商，高端算力資源相對充足，但對外租賃的比例較少。具備 IDC 建設運營能力的企業，比如浪潮信息、中科曙光，以及跨行過來做算力的企業也越來越多。
另一個問題，國内在近幾年的算力投入下，與國外的差距不斷縮小，甚至單從規模上看，已經到了全球頂尖的水準，尤其是智算中心的儲備，也遠非供不應求的狀态。
那麼，在這種情況下，為什麼還會有那麼多公司争相做租賃生意？
事實上，在供需方面，國内的算力規模雖然增長，但面向 AI、高性能計算的算力缺口一直存在。根據賽迪顧問的數據，2023 年國内智能算力需求達 123.6EFLOPS，但供給僅有 57.9EFLOPS，不到一半。
另一方面，算力需求未被雲計算大廠承接住。據業内人士指出，主要是因為大模型訓練需高性能 GPU 集群，而大廠提供的多是單節點服務，缺乏節點間超高帶寬互聯基礎設施，無法滿足需求。
再加上建設新集群成本高，現有基礎設施又無法重復利用，并且大廠更關注在單節點可用性與可靠性，在高性能集群業務上并無優勢，要不然也不會有其他算力租賃公司的發展機會。
據東吳證券研報，算力租賃公司的毛利率約為 40% 左右，淨利率約為 20% 左右，最大的一個門檻就是資金——用來硬體采購、場地租賃、運維團隊組建；但技術門檻并不高，企業可以通過與技術供應商合作、引進專業人才等方式快速搭建和運營大規模的算力中心。
對于一些主業經營承壓、急于尋找新盈利增長點的企業來說，這個新賽道的吸引力巨大。
智算中心的背後邏輯
2023 年，蓮花控股成立蓮花紫星開展算力租賃業務。公告顯示，算力項目預計總投入約 2.9 億元。今年前 8 個月，蓮花紫星營業收入超過 3515 萬元，但淨利潤為 -398.13 萬元。整體仍處于虧損，主要原因是設備的折舊及利息費用影響金額較大，人員成本支出占比較高，尚未發揮出規模效應。
短時間内賺不到錢，并不是說這不是一門好生意。通過梳理開展算力租賃的 A 股公司的财務數據發現，大部分的确都處在增收不增利的狀态，極少數實現盈利，但這些與 " 算力 " 概念相關的企業，最直接的收獲，可能就是短期内幾乎都出現過明顯上漲的股價。
如果要問算力租賃還有哪些不确定性，市場需求、政策變化、技術水平，以及交付和供應鏈、國產替代等等，都是重要的影響因素。不過對于當下涉足這個賽道的企業來說，更關鍵的問題是真正的 know how。
智算中心并非買了一堆 GPU 後就能靠租售躺賺。單就硬體部署，要解決的就包括：高性能的 AI 芯片、異構架構設計、高速低延遲的網絡、存儲系統、安全配置、監控管理、液冷裝置等等復雜步驟。
除此以外，訓練算力的租賃對象主要是大模型公司，那麼租賃公司，尤其是跨行的企業，怎麼獲取這些客戶資源，獲取穩定的客戶支持？這些問題在實操的過程中更難解決。截至目前，已經陸續有幾家上市公司放棄了算力租賃業務。
那回到開頭的話題，智算中心的 ROI 過低，什麼原因？
除了供給與需求的不匹配，地區間的經濟發展水平和產業結構差異，比如東部地區算力需求旺盛而供給相對不足之外，最早撇下的泡沫，是那些在缺乏充分市場調研的情況下，盲目投入智算中心建設的公司。
其次，結合算力租賃市場當下的窘境，智算中心的高效運行不僅依賴于高性能的硬體，還需要軟體層面的優化和協調。智算不僅僅是卡的問題，而是一個軟硬體協調的系統。當軟體能力不夠時，卡自身的發揮也會受限，導致用卡效率不高。
智算中心不景氣，直接影響了算力租賃市場的低迷，反過來，算力資源無法得到有效利用，一些企業因缺乏應用場景而閒置算力資源，造成浪費，如此循環。
值得注意的是，囿于國内外技術差距以及芯片卡脖子，國產替代越發的被反復提及。但在這個過程中，最難解決的是應用生态的問題。
打個比方，如果國内芯片廠商在技術上采取封閉式模式，廠商通過高價設備銷售、輔助運營服務等方式實現了商業利益的最大化，雖然能夠集中力量辦大事，實現端到端的控制。
但封閉性也會導致可用的開源軟體、商用軟體極少，用戶自有軟體的遷移适配成本極高，一些用戶的軟體無法适配，依此建立的智算中心只能處于閒置狀态。
