有多少AI公司，如今困在智算中心？

2024-11-11 18:40:42 編輯： robot

導讀這可能是國內一些科技公司代價最大的一段彎路。作者｜李小東直到現在，算力仍然被看作是制約國內AI發展的主要因素。爲了解決這一問題，尤其是ChatGPT出現後，智算中心被視爲AI時代如同水和電一般...

這可能是國內一些科技公司代價最大的一段彎路。

作者｜李小東

直到現在，算力仍然被看作是制約國內AI發展的主要因素。

爲了解決這一問題，尤其是ChatGPT出現後，智算中心被視爲AI時代如同水和電一般的新基建，在全國各地落地开花。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個新的中標項目。

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，比如華爲雲、阿裏雲、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，以企業爲主要用戶的通用算力中心利用率，目前僅爲10%-15%；之前有中科院院士公开表示，一些重量級的智算中心，現在大多甚至都處於闲置狀態。

從算力不足，到所謂的算力“過剩”，核心問題實際上並沒有完全解決。這就意味着，動輒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，可以理解爲更高階的“計算中心”。

在計算機科學興起之初，由於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。隨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。

相較於傳統算力中心，智算中心在硬件層面使用GPU替代CPU，GPU並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，智算中心在軟件層面部署了AI框架，能將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爲主；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，國內首個智算中心落地武漢，總投資約4.6億元，由於這類項目的建設過程中，通常會採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爲100P FLOPS的AI算力，由數千顆昇騰AI處理器組成，算力峰值性能相當於5萬台高性能PC機。這是個怎樣的概念呢？以天文探索的場景爲例，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、阿裏雲、百度雲等大廠爲主开始投資運營，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；同年後來阿裏雲的張北智算中心上线，算力規模達到12000P FLOPS，總投入180億元。

過去的一年裏，智算中心以量出圈。

具體表現在，一些四五线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，並帶動周邊產業發展，因此對智算中心給予如稅收優惠和資金補貼等支持，並且審批流程更簡化，建設進度更快。

另一方面，智算中心需要實現算力的標准化、服務化，達到隨用隨取，類似於傳統公有雲服務。這意味着智算中心不僅僅是提供硬件資源，而是要轉型爲提供算力服務，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，也採購了大量英偉達GPU开展算力租賃業務。

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，不去自己購买昂貴的計算設備，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买下這些設備。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確定，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，通常涉及到服務器性能、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。

爲什么要租？

衆所周知，這兩年大模型訓練、微調、推理需求急劇增加，但關鍵在於，AI應用在不同的开發階段，對算力的需求也不同。在开發周期中，需要大量的訓練算力；當模型开發完成上线後，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，更多是源於模型訓練。至於需要多少，參考GPT-4訓練過程中A100卡數量達到萬張量級。考慮到服務器採購與租金成本，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，算力租賃成爲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，競爭格局呈現戶參與者衆多，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，國內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准，尤其是智算中心的儲備，也遠非供不應求的狀態。

那么，在這種情況下，爲什么還會有那么多公司爭相做租賃生意？

事實上，在供需方面，國內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年國內智能算力需求達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。據業內人士指出，主要是因爲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，並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並無優勢，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爲40%左右，淨利率約爲20%左右，最大的一個門檻就是資金——用來硬件採購、場地租賃、運維團隊組建；但技術門檻並不高，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。

對於一些主業經營承壓、急於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开展算力租賃業務。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，但淨利潤爲-398.13萬元。整體仍處於虧損，主要原因是設備的折舊及利息費用影響金額較大，人員成本支出佔比較高，尚未發揮出規模效應。

短時間內賺不到錢，並不是說這不是一門好生意。通過梳理开展算力租賃的A股公司的財務數據發現，大部分的確都處在增收不增利的狀態，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，可能就是短期內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確定性，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。不過對於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。

智算中心並非买了一堆GPU後就能靠租售躺賺。單就硬件部署，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，那么租賃公司，尤其是跨行的企業，怎么獲取這些客戶資源，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。

那回到开頭的話題，智算中心的ROI過低，什么原因？

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於高性能的硬件，還需要軟件層面的優化和協調。智算不僅僅是卡的問題，而是一個軟硬件協調的系統。當軟件能力不夠時，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闲置算力資源，造成浪費，如此循環。

值得注意的是，囿於國內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態的問題。