芯耀
1053
从ChatGPT破圈到现在，仅两年多的时间，中国的智算建设就已经逐渐饱和。短期来看，智算算力的“饱和”是一种结构性矛盾；长期来看，算力饱和则是必然发生的事情。
当算力如“水电煤”一样唾手可得并且海量供应的时候，如何用好算力，让算力产生更多的价值，才是更为重要的事情。
智算产业正在逐步迈向新阶段：智算建设不再是核心竞争力，而业务赋能才是核心竞争力。谁能服务好最终消费算力的企业客户的业务需求，谁就能获得“成功”。
1?背景：智算建设局部饱和，智算中心利润微薄
近期，国家相关部门关于对算力基础建设实施“窗口指导”的通知已下发，旨在从更高层面统筹规划，避免各地盲目重复建设，行业未来发展将更有序有力。此次摸底工作涉及已建、在建和拟建算力中心项目，摸底数据将作为国家算?资源统筹布局的重要依据。
目前，全国各地许多已建成智算中心出现闲置情况，智算建设已经达到局部饱和。为什么不是完全饱和？是因为，一方面AI+目前仍在如火如荼的发展，另一方面广大中小企业仍然没有广泛落地其AI应用。
虽然局部饱和，但智算中心，未来3-5年，仍将是一个快速发展的时期。
随着Deepseek等开源大模型的出现，各大AI模型企业纷纷放弃大模型训练，转而在AI落地（推理和API调用）方面，加大资源投入。这进一步减少了智算中心的客户群体（智算批发仅能面向大企业），新兴的AI大模型企业智算算力需求逐渐萎缩，算力需求大客户仅剩下传统的公有云企业，而这类客户屈指可数。
供给分散，而需求集中，导致了智算中心的利润空间被进一步压缩。据行业内部信息，目前智算中心的毛利率不超过10%，并且回款周期高达4-5年。
2?算力，如电力？
很多人经常把算力类比电力，智算中心类比电厂，算力网类比电网。但忽略的是，电本身不产生价值，产生价值的是各类电器设备，如家电、手机、PC以及工厂里的各种工业设备，而电仅是驱动力而已。
同样的，算力是驱动力，实际产生价值的是具体的业务应用。从算力到业务应用，通常分为五层：
第一层，裸算力。即物理的服务器和网络。
第二层，算力服务。即IaaS和CaaS，把裸设备封装成更加弹性方便的算力服务。
第三层，模型和数据服务。算力是底座，智算时代，大家更关心的是模型（MaaS）和数据（DaaS）的相关服务。
第四层，赋能业务落地的解决方案。智算云提供的是一项项的各类服务，但要具体的业务落地，通常需要很多算力服务的组合，以及可能涉及的一些架构和功能调整。如，针对高阶自动驾驶场景的底层云边端网络的高性能打通等。
第五层，业务应用。具体产生业务价值的、软硬件堆栈最上层的、跟具体使用者紧密相关的功能和交互。
3?智算新阶段：赋能算力消费
在中国强大的基建能力下，算力建设相对是一件简单的事情。而算力如何服务好模型和数据，模型和数据如何赋能企业业务需求，以及企业业务如何价值落地，才是更难的事情。但这些也是必须直面且必须深耕细作的事情。
智算产业链主要涉及三个环节（贯穿智算算力的生产到消费）：
算力的建设。主要是智算中心环节承载，智算中心需要关注机房建设、绿电、能耗、机柜、设备、网络建设等环节。
算力的消费。最终发生在使用算力的企业。企业，使用算力，运行自身的业务应用。
智算云。中间的平台（中间环节有多种不同的称谓，常见称谓有智算云、算力网、模算云等）。从底层的硬件到上层的应用，计算软硬件堆栈本就复杂；再叠加超大规模、多租户共存、云边端架构等因素，整个宏观算力系统，其复杂度更是超乎想象。中间的智算云环节，核心作用为赋能算力消费，其具体工作包括：
算力资源的聚合和调度。作为平台，整合算力是最基础的能力。
算力价值的增值。智算云，不是简单的算力转售，而是算力的深加工，是把算力加工成更高层级、更高价值的算力服务的过程。
从算力到模型和数据。资源属性已经发生转变，不再是算力，而是模型和数据。
消费的赋能。以终为始，以消费驱动供给，智算云平台的核心价值在于消费赋能，而不在于算力聚合。
自身规模化建设。智算云平台的技术纷繁复杂，需要巨量的研发投入，需要一定的规模流量来摊销研发成本。同时，作为平台，需要整合上下游资源，也需要一定的规模做支撑。没有规模的平台，没有意义。
4?技术角度：加强算力消费赋能
扩大算力消费的核心是：服务好客户需求；以及帮助客户做好“脏活、累活”，让客户业务能够快速落地；以及能够提供弹性的算力服务，来支持客户业务的快速增长。
这里我们给出三个典型的能够扩大算力需求的方法。
4.1?从租赁模式到智算云服务模式
IaaS和CaaS等相关的计算资源类服务，能够更弹性的服务客户，可以降低算力的使用门槛。更方便广大的中小企业使用。依据“长尾”理论，通过智算云服务，可以获得更多的收益。
同时，提供了更多的PaaS级、MaaS级等多层次的算力服务，进一步提高算力的易用性，使得企业客户可以聚焦业务本身，不需要重复造轮子，快速业务落地。从而产生更多的需求。
依据“杰文斯悖论”（Jevons Paradox），技术进步或效率提升导致资源使用成本下降后，反而可能刺激需求，使得该资源的更大规模的消耗。通过资源池化和分时分空间的共享，以及其他各类成本优化手段，可以极限的降低算力的成本。从而进一步扩大算力的消纳。
4.2?打通“智算中心-智算云-企业”的算力流和服务流
如何管理和运营智算中心的算力？
如何为智算云提供完善的专业的IaaS、MaaS以及场景解决方案？
如何为企业提供专业的算力统筹管理和使用平台？
如何更好的实现智算中心到智算云的算力流转？
以及如何实现算力服务更好的赋能企业需求和场景？
需要为算力三方提供统一协调的底层技术服务支撑，才能确保三方的算力和服务稳定高效的流转。
4.3?AI+场景赋能
传统的业务场景赋能（云解决方案），面向很多技术领域以及很多热点行业。AI时代，则主要分为两类：
（虚拟）智能体。目前，行业主流观点认为，一切皆Agent。因此，需要针对Agent相关的业务框架、交互协议，来进行底层的软硬件调优。使得Agent开发者能够快速实现自身的业务创意，并能够在大规模化的时候，在性能和成本竞争方面获得底层智算云的加持。
（虚拟和现实的交互）具身智能，智能+物理世界交互。站在算力和软硬件的视角，具身智能可以理解成终端的智能+I/O（输入为传感器，输出为执行器），以及云和边的更大规模更低成本算力的协同。这里需要做很多的底层工作，如云端、边缘端的计算类服务，云边端的内外网高性能网络优化，以及跨云边端的任务智能调度，等等。
5?市场角度：构建更多的算力消纳渠道
要想实现更多的算力消纳，不仅仅需要在技术层面做工作，还需要在商业层面做工作。单个云，所能触达的客户群体和算力需求有限；如果能够有更多的销售渠道，以及给销售渠道更多的利润（通过技术赋能降低营销成本，而不是挤占其他环节利润），那么，人多力量大，就必然能获得更多的算力消纳。
简单来说，我们可以把算力消纳渠道分为两种模式：
云ISV模式：云计算巨头提供云服务，赋能千行百业；作为销售渠道，数以千计的ISV协助智算云，完成“最后一公里”，实现更多的算力消纳。
专业云模式：随着行业分工，智算中心成为一种主流的业态；专业的算力提供商和专业的技术提供商，使得构建智算云的门槛不断的降低；随着AI的兴起，软硬件堆栈越来越复杂，“最后一公里”变成“最后十公里”；专业智算云，聚焦特定的1-2个行业，提供相比综合云更完善更有力的业务赋能；未来，每个行业通常会存在3-5家知名的专业智算云公司。
以终为始，以需求驱动供给。智算云是智算中心的销售渠道，云经销商是智算云的销售渠道，为了更充分的覆盖和赋能算力客户需求，需要构建尽可能多的销售渠道。这里我们给出一个从智算中心开始的算力链式反应图。
公告
- 作者微信Chaobowx，欢迎私信交流。寻找创业同路人。欢迎加入软硬件融合技术社区，也欢迎加入智算VIP行业交流群。《智算产业转型：从扩生产到促消费》视频回放：
