在AI產(chǎn)業(yè)高歌猛進的發(fā)展表象之下，一個令人不安的真相正逐漸浮出水面：中美兩國都在斥巨資建造的算力“圣殿”，但內(nèi)部可能正上演著“空城計”——大量智算中心在重復(fù)建設(shè)，利用率卻極低。

通信領(lǐng)域資深觀察家項立剛自2024年下半年起便持續(xù)發(fā)出警示，他指出中國AI產(chǎn)業(yè)似乎正步入一個“重要的歧途”——各大企業(yè)與機構(gòu)都在狂熱地追逐智算中心的建設(shè)，對芯片數(shù)量與算力規(guī)模的渴求永無止境。

然而與之形成尖銳諷刺的是“這些昂貴基礎(chǔ)設(shè)施的實際利用率卻低得可憐”。據(jù)他接觸的多個智算中心反饋：利用率無一能達到30%的及格線，更有不少僅在10%左右徘徊，這種觸目驚心的資源閑置。

無疑是一種嚴重的“自由浪費”，或稱其為“結(jié)構(gòu)性過剩與盲目建設(shè)”的惡果；項立剛甚至直言：這仿佛是整個行業(yè)集體上了芯片巨頭英偉達精心布置的“當(dāng)”——黃仁勛在賺錢，他人在虧錢。

深入剖析這一現(xiàn)象在中國市場的根源，問題的核心更多地指向了供給端的扭曲——為搶抓數(shù)字經(jīng)濟的戰(zhàn)略機遇，不少地方政府將智算中心視作新基建的標志性工程，并輔以高額財政補貼。

這本是良好的產(chǎn)業(yè)引導(dǎo)意愿，卻在執(zhí)行中意外地催生了負面效應(yīng)——補貼政策在短期內(nèi)吸引了大量并不真正理解AI行業(yè)規(guī)律的社會資本盲目涌入。

它們追逐政策紅利，而非市場需求，導(dǎo)致了一批低質(zhì)量、高度同質(zhì)化的算力中心如雨后春筍般涌現(xiàn)。這些倉促上馬的項目，往往從誕生之初就與應(yīng)用場景嚴重脫節(jié)，加之部分項目技術(shù)論證不充分。

建設(shè)標準低下，甚至出現(xiàn)了“建成即落后”的尷尬局面，根本無法滿足市場對高質(zhì)量、專用化算力的真實需求。結(jié)果便是，低端算力供給大量過剩，而企業(yè)真正需要的高端、高效算力卻依然供給不足，形成了一種典型的由非市場因素驅(qū)動的資源配置失衡。

更嚴峻的是，這些閑置的算力中心并非靜止的成本，它們持續(xù)消耗著巨大的電力資源，承擔(dān)著高昂的運維費用，使得許多項目陷入了“建得起、卻用不起”的長期困境，成為甩不掉的財務(wù)包袱。

然而，若將視野拓展至全球，尤其是AI產(chǎn)業(yè)的另一極——美國，情況則呈現(xiàn)出不同的復(fù)雜面向。

盡管暫無確切的全國平均利用率數(shù)據(jù)公之于眾，但美國產(chǎn)業(yè)界面臨的挑戰(zhàn)或許更為深層。其矛盾焦點并非簡單的供給過剩，而是直指商業(yè)本質(zhì)：天量的硬件投入與難以實現(xiàn)的盈利之間的巨大鴻溝。

對于美國的科技巨頭而言，構(gòu)建超大規(guī)模算力集群所需的投資是天文數(shù)字，但如何將這些算力有效地轉(zhuǎn)化為可持續(xù)的、規(guī)?；氖杖耄瑓s成了一個懸而未決的難題——比我國的算力利用率還要低一個檔次。

大模型推理過程每一次調(diào)用都伴隨著可觀的成本，這使得邊際成本無法像傳統(tǒng)互聯(lián)網(wǎng)服務(wù)那樣趨近于零。與此同時，諸如在線廣告這類成熟的互聯(lián)網(wǎng)變現(xiàn)模式，在應(yīng)對大模型服務(wù)時顯得力不從心。

導(dǎo)致收入難以覆蓋從芯片采購到龐大電力消耗的全鏈條成本，整個業(yè)務(wù)的毛利率被壓至極低的水平——好吧，根本談不上多少毛利，絕大部分都在虧本賺吆喝。

此外，物理世界的資源瓶頸也開始顯現(xiàn)——微軟等公司的負責(zé)人已公開表示，人工智能數(shù)據(jù)中心的驚人能耗已使部分地區(qū)電網(wǎng)不堪重負，電力短缺直接導(dǎo)致大量已安裝的先進芯片無法全速運行。

這表明，AI堆算力的狂飆突進已開始撞擊能源基礎(chǔ)設(shè)施的天花板?？辞辶藛栴}，便需要著手尋求破局之道。

毋庸置疑，算力基礎(chǔ)設(shè)施的建設(shè)，特別是高質(zhì)量、綠色高效的算力中心，戰(zhàn)略價值不容否定，代表著先進制程的芯片產(chǎn)業(yè)突破仍是我們必須攻克的核心技術(shù)堡壘。

但在另一方面，在持續(xù)“堆算力”這條硬科技道路上狂奔的同時，整個產(chǎn)業(yè)必須將同等甚至更多的注意力，投向如何擴大AI的應(yīng)用覆蓋面，以及如何高效地利用這些已建成的算力之上。

這要求我們進行雙線作戰(zhàn)

一方面，需要大力推動算力的調(diào)度與普惠化。例如，中國正在探索通過構(gòu)建全國一體化的算力網(wǎng)絡(luò)體系，上線高效的算力調(diào)度平臺（如在“東數(shù)西算”工程中，寧夏等地的實踐），將原本分散、閑置的算力資源整合起來，形成可統(tǒng)一調(diào)度的資源池。

同時，通過向中小企業(yè)和創(chuàng)新團隊發(fā)放“算力券”等方式，降低他們使用先進算力的門檻。這不僅能有效盤活沉睡的算力資產(chǎn)，更能培育廣闊的AI應(yīng)用生態(tài)，從需求端拉動算力的有效消耗。

另一方面，則必須尋求技術(shù)與商業(yè)模式的根本性突破。這不僅包括探索更節(jié)能的芯片設(shè)計、更高效的模型架構(gòu)以降低單位計算成本，更需要深入千行百業(yè)，挖掘能真正產(chǎn)生商業(yè)價值的落地場景。

AI技術(shù)必須證明自己不僅僅是實驗室的炫技或消費者手中的“玩具”，而是能夠切實為企業(yè)提升效率、降低成本、創(chuàng)造新增長曲線的生產(chǎn)力工具。

只有當(dāng)AI的應(yīng)用能夠產(chǎn)生清晰、可測量的“軟價值”時，算力投入的巨大“硬成本”才有了堅實的支撐，整個產(chǎn)業(yè)才能走出當(dāng)前“叫好不叫座”的迷局，步入一個健康、可持續(xù)的良性發(fā)展循環(huán)。