8月2日零时，北京酒仙桥算力园区的监控曲线越过40%，最终停在48.3%。30天前，这组8000P集群的闲时利用率还在22%左右。
园区8000P算力规模此前已有新华网客户端报道。这次满月复盘中的经营数据，则来自园区运营方披露：共享调度启动后，利用率增加26.3个百分点。
试验开始时，市场的疑问很实际。H100、B200仍然紧俏，但集群的空闲时间能否拆成稳定商品，不能只看有没有卡，还要看网络、调度和客户是否愿意续租。一个月的数据给出了初步结果，但还不足以证明这套模式已经稳定。
26.3个百分点主要去了哪里
新增负荷集中在两类任务。
实时推理填上了部分空档。 按园区统计，本地互联网企业边缘节点溢出的请求，以及初创公司的实时推理任务，占新增负荷的60%。这类客户对延迟敏感，跨地域传输出现几百毫秒波动，就可能影响应用响应。园区称，部分客户愿意为本地接入支付比西部园区高15%至20%的价格。
微调任务更多落在凌晨和周末。 园区把原本零散的空闲时段重新切分，用于承接围绕Llama 4.1、Claude 4.5等模型的LoRA微调。此类任务通常不要求整套集群长期满负荷运行，但需要相对稳定的显存和连续执行时间。夜间与周末时段被整理成可售资源后，集群碎片有所减少。
48.3%因此不是全天均匀跑出来的数字。实时推理、短周期微调和原有训练任务之间能否长期共存，仍取决于调度系统在高峰期的表现。
200家客户，第二个月留下四成
首月共有200家企业接入，第二个月选择续租的占40%。在没有同类项目基准的情况下，单看40%很难判断高低，但至少说明测试订单没有自然转化为长期订单。
按运营团队的分类，未续租客户中，纯粹因为价格离开的不到10%。网络抖动、服务响应和任务稳定性，同样会影响去留。这也给15%至20%的本地算力溢价划出了边界：低延迟只有稳定兑现，客户才会持续付费。
留下来的客户多有两个特点：模型需要高频迭代，数据又不适合频繁远距离传输。园区举出的一个案例是一家自动驾驶视觉模型公司。该公司先在本地处理路测数据，再把后续任务上传云端，形成“近端推理、远端训练”的组合。对这类业务，物理距离直接影响调试效率。
均价降了18%，边际贡献反而上升
共享调度也改变了园区的收入结构。运营方数据显示，单P小时均价下降18%，整体边际贡献提升35%。原因并不复杂：GPU折旧和日常维护成本不会随短期利用率同步变化，更多任务进入空闲时段后，既有设备得到更充分的使用。
不过，新增任务仍然会带来电力、冷却、网络和服务成本，不能简单视为纯利。园区采用动态电价策略，在午间光伏出力较高时下调部分非实时任务费率，用价格引导客户调整运行时间。
当利用率接近50%，新的问题也出现了。园区已经限制单一客户的最大并发实例数，防止少数大客户集中占用资源。调度重点由填补空闲时段，转向处理客户之间的资源争抢。继续提高利用率，可能同时放大延迟和服务波动。
酒仙桥的卖点有明确边界
宁夏、内蒙古园区主打低价和绿色能源，更适合大规模、离线、非实时的训练任务。酒仙桥依靠本地光纤接入、较短的网络往返时间和现场响应，承接实时推理与频繁调试需求。两类园区面对的并不是完全相同的订单。
2025年7月17日，科技日报在《深瞳丨利用率仅三成，“沉睡”的算力如何激活》中提到，一些盲目上马的智算中心存在空转问题。酒仙桥这次试验提供了一种具体做法：把整块算力拆成不同时间窗口，再按任务对延迟、显存和连续运行时间的要求进行匹配。
这种做法能否复制，要看客户是否就在附近。缺少实时推理和高频调试需求的园区，即使照搬同样的计费与调度规则，也未必能获得相同结果。
下一轮先看散热和带宽
利用率上升后，物理约束开始显现。《北京算力“加速跑”，AI产业去年营收超3000亿》提到，北京朝阳公共智算中心选址酒仙桥的数据中心聚集区，设计阶段采用了间接蒸发冷方案，通过距离地面30米的风管向上排热。
现有散热设计并不意味着负载可以无限增加。夏季用电高峰到来后，电力扩容和满载散热仍会限制利用率。推理请求持续堆积时，网络带宽也可能先于GPU成为瓶颈。园区计划引入更高规格的交换芯片，但这会增加资本性支出。
下一次复盘可以继续看利用率能否突破60%，同时还需要摆出更完整的数据：48.3%能维持多久，限制并发后延迟是否稳定，以及新增网络和散热投入会不会改变35%的边际贡献。只有这些指标连续成立，这次共享实验才算从一个月的高点变成稳定的运营能力。
