全国六成多的智能算力被闲置。
综合工信部、中国信通院、IDC和浪潮人工智能研究院的数据，截至6月底，我国共建成500余座智能算力中心，有力地推动了智能经济发展。但算力新基建突飞猛进的同时，算力企业的盈利状况并不乐观，全国智能算力实际利用率仅36.8%，六成多的智能算力被闲置，企业级通用算力中心的利用率更是低至10%~15%。而大洋彼岸的美国，北美数据中心空置率预计仅1%，且95%的在建算力都已被提前预租。提高我国算力中心使用效益已是刻不容缓。
算力市场结构失衡
我国算力规模处于“总量平衡，结构短缺”的阶段。一方面，我国算力规模位列全球第二。截至2025年底，美国高居全球算力规模榜首，占全球总量的68.9%，中国占全球总量的14.5%，欧洲和日本排名第三、第四，分别为6.1%与1.2%。另一方面，我国算力供应存在明显的结构性失衡。综合信通院、浪潮和工信部数据，2025年全国智算中心GPU的平均利用率仅30%，表现在几个方面：
一是高端智能算力短缺。依据工信部和国新办数据，我国已全面转向“智算主导、多元协调、自主可控”的算力结构。截至2026年6月底，我国智能算力规模已达2185EFLOPS，占全国实际算力供给的95.1%；通用算力规模折算为102.1EFLOPS，占算力总供给的4.4%。然而，市场对2026年我国高端智能算力需求的预估数约为2576.5EFLOPS，供需之间存在约17%的缺口。
二是大模型训练算力紧缺。虽然训练算力只占智算份额的25%，但是东部地区高端训练集群却十分稀缺。在大模型向训推一体化方向发展的背景下，如何保证智能设备做到“开箱即用”，对训练算力提出了新的要求。
三是算力供给的区域失衡。我国算力已经形成“核心引领，梯队协同”动态互补格局，通过八大枢纽、十大中心的算力联通，实现了算力需求与资源禀赋的精准匹配，较好地保证了智慧城市建设的顺利推进。根据国新办数据，截至6月底，我国东部、中部、西部、东北地区智算规模占全国比例分别是55.9%、10.6%、32.6%、0.9%。然而，市场估算这四个地区对智能算力的需求占比分别为74%、12%、11%、3%。智算需求的兴起打破了国家算力调度形成的原有平衡，东数西算工程提供的智能算力，由于网络传输的时延问题，并不能完全满足即时推理的算力需求。比如某些地区到上海的网络延时高达100毫秒，远超5毫秒时延圈的范围。在新的消费趋势下，各区域的算力供需出现较大缺口。
四是不同品牌的算力芯片利用率差距巨大。采用一线品牌英伟达、华为昇腾的算力中心业务供不应求，其他中小品牌GPU的算力中心则多数闲置。同时，英伟达和华为昇腾提供了比较完整的算力生态，有诸多软件可以选择，极大地方便了大模型的训练和应用。因此，这些一线品牌的市场黏性十足，相关算力基本都在满负荷运转，新增产能也被预订一空。甚至某些型号的高端算卡经过5年折旧后，其残值竟然还能被市场重估到原价的70%，大幅提升了企业的非经营性收入。
五是各类主体的运营效益天壤之别。参考中国信通院（2025）的分类方法，算力中心可以被分为四类运营主体。第一类是三大电信运营商，占28%市场份额，整体实现盈利。2026年上半年中国移动的智算服务收入增速达130.1%，中国电信智算增长95%。第二类主体是公有云厂商，合计占25%的市场份额，阿里云、腾讯云等云服务平台，在AI算力拉动下，正步入扭亏为盈的拐点。第三类主体是算力服务商，合计占22%的市场份额，盈利情况高度两极分化。头部AIDC毛利率高企，头部项目预租率达到70%~80%；传统IDC和中小算力中心则大量亏损，与第四类运营主体地方国资算力平台，一起共同构成了算力闲置的主体。
六是不同体量的算力中心利用率差异极大。万卡集群的大型和超大型算力中心，凭借着战略级功能定位和市场化的长协订单，普遍实现了70%以上的上架率，但服务器利用率却在25%~40%之间分化。且万卡集群的投资回报期通常需要6~8年，运营前2~3年的亏损风险极高。千卡级的中型智算中心分化剧烈，头部项目面向混合训推市场，利用率可达60%~85%，盈利丰厚。而多数国资和西部的千卡级项目利用率只有25%~45%，长期亏损。500算卡以下的小型智算中心则面临内卷式竞争的价格战，除了少数绑定政府和优质客户的智算项目能够实现小幅盈利外，多数处于持续亏损状态。
算力市场缘何高度分化
大量算力闲置的原因大致可以分为四类。
第一，需求的趋势性转向导致算力供需错配。此轮大量算力闲置并非行业的周期性波动，而主要缘于算力需求的趋势性变革。一方面，AI全面转向场景应用后对算力消费提出了新的要求。许多原本面向数据存储和大模型训练而建设的数据中心，无法及时匹配“推理为主，训推并行”的计算模式，导致大量算力资源闲置。另一方面，场景应用催生出多样化算力需求，对响应速度和计算能力都提出了更高要求。比如L4/L5级自动驾驶和车路协同（V2X）都要求毫秒级的算力响应，中西部地区提供的远程算力，因为时延过长而难以满足这些新型业务要求。随着海量应用场景落地，以及更大体量的传统产业智能化改造，边缘计算需求暴涨，贴近用户、紧临场景的算力节点变得更具商业价值。
第二，刚性的算力供给难以及时匹配算力需求暴涨。
一是算力需求增速过快。近5年来，算力需求年均增速4~5倍，而2025~2030年中国智能算力规模和通用算力规模的复合增长率分别预估为50.3%和27.7%，算力短缺将是未来5年的常态。
二是算力中心通常需要2~3年的建设周期，即使是建设模块化的预制仓型算力中心，目前最快纪录芜湖3D数据中心也花费了9个月的建设时间。这意味着新的算力消费趋势出现后，至少会存在9~12个月的供需缺口。
三是智算中心的联网工程还在建设初期。头部算力服务商已经行动起来，三大电信运营商、阿里云、万国数据等已实现企业内部的算力联网调度。国家于2022年6月正式上线了中国算力网一期工程，2026年又将算力网纳入国家“六张网”现代化基础设施体系。随着算力银行、算力超市、词元弹性计费等配套服务的跟进，算力联网调度有望大幅平抑算力中心的忙闲程度。
四是异质异构的算力联网仍面临技术难题。目前“1+m+n”算力互联互通节点体系正进入大规模扩容建设期，已接入全国31省份578个算力资源池，覆盖昇腾、海光、飞腾全系列国产算力集群。但是，异质异构的算力互联面临着计算效率大幅下降的技术瓶颈。其主要原因是不同厂商的算卡或固定单元分配颗粒度、网络延迟、算法与硬件，在技术上很难做到完全适配，未来联网调度仍需要发展国产算力芯片，用统一技术标准来提升联网效率。
第三，技术差距导致算力中心处于高成本运营模式。算力芯片是算力中心建设的主要成本。当前高性能GPU等AI硬件主要依赖进口，而先进制程GPU的进口渠道受阻，且价格是国外同类型号的数倍，不仅影响算力供给稳定性，还抬高了我国算力出海的价格，这迫使许多出海企业选择国外的算力服务。
绕开国外专利壁垒的限制，国产算卡采取了“以网强算”的系统工程路线，取得了长足的进步。这种堆量和联网的策略，在性能上追平了国际领先水平，代价是付出了数倍的厂房面积和服务器数量，企业运营的地租成本和电力消耗也相应成倍增长。
算力闲置的另一个因素是企业因为生态隔离（CUDA壁垒）不敢用国产芯片。企业的模型迁移需要做大量的适配性调适，技术风险、沉没成本、时间消耗和人力成本都极高。尤其是大量二线品牌的国产算卡，缺少配套的软件工具和服务支撑，让用户很难下定决心，提交商用算力订单。
第四，诸多算力中心仍停留在房地产开发模式。AI大模型由训练转向场景应用，算力行业正从拼资源转向拼运营。任务交付能力成为影响算力利用率的关键因素。数据中心不是拿过来就能用的，需要做很多的性能优化，以及提供配套的故障处理等服务。目前，算力中心的智能服务日益强调任务交付与结果输出，运营模式也从单纯租赁硬件资源，转变为让用户直接获取任务结果。
在任务交付模式下，服务形态的改变推动企业采用多云部署策略，从而催生了跨平台协同管理、全产业链赋能等业务需求，驱动算力中心以“云-端-智”高效协作的模式提供算力服务，并从单一的硬件资源供给商，转变为全生命周期服务商和系统集成商。
算力服务行业的这些趋势性的转向，信号并没有及时传导到产业链中游的算力中心，更没有引起地方政府的足够重视。许多地方仍延用房地产开发的模式，建好机房等待企业来租赁服务器，市场经营的意识和能力没能及时跟上AI行业的形势变化。
多管齐下增强企业盈利能力
面向全球人工智能竞赛，需要搭建起全国算力行业的统一大市场框架，完善市场化的算力交易制度，在全球竞争中闯出中国算力行业的一片天地。
一是积极推进一体化的全国算力网建设。在国家算力互联网的基础上，进一步推进“1+M+N”的区域和行业互联互通平台体系建设。通过统一的算力标识符、算网云调度操作系统和高性能传输协议，将分散的异构资源整合进全国算力互联网，解决算力的“找、调、用”等技术难点问题。
二是建设全国统一的算力交易市场。进一步整合各类算力交易平台，发挥市场机制的决定性作用，提升算力中心开展任务协同的积极性和可能性，以完善的算力交易机制和市场规则，实现算力协同的合作共赢局面。
三是以技术创新推动算力资源的高效整合，着力解决我国算力行业参与全球竞争的技术短板，实现算力行业发展的自主可控。
四是积极推动算力中心的企业化进程。参考全国电网、铁路网的改制模式，推动各类算力中心转变为企业化经营的市场主体。鼓励算力企业开展混业经营，以软硬件协同的一揽子算力服务，实现企业的实力壮大和盈利提升。
（作者单位：上海社会科学院、上海国际经济交流中心）
