7月初复盘会上，团队A的CTO把月度账单摊开：37.2万元，比上个月又多了4000元。
他们租了200P配额，主要跑对话Agent推理。GPU机时费占61%，还算在预期内；真正刺眼的是“跨节点数据传输”，占到23%，金额8.5万元。团队内部有人算了一下，这笔钱差不多够多养两个工程师。
这不是单个团队的抱怨。上海某8000P算力园区满租半年后，不少入驻团队开始重新看账单：园区卖的是总算力，团队用到的却是经过调度、网络、存储几层过滤后的可用算力。
新华网相关报道提到，截至2024年底，全国已形成超100个以人工智能为核心的园区；赛迪顾问预测，到2025年底，中国人工智能核心产业规模将逼近4000亿元，算力核心产业规模有望突破1.5万亿元。园区数量和产业规模都在涨，但这并不自动等于单个团队的成本会降。
问题就藏在账单细项里。
不是P数不够，是算力流不到任务上
团队B有40人，训练和推理混合做，租了600P配额，月账单112万元。
他们做过一次全链路延迟测试：同一机架内卡间通信是0.8微秒，跨机架变成3.2微秒，跨Pod拉到9.7微秒。训练一个70B参数模型时，checkpoint同步每15分钟触发一次全局通信。延迟每高1微秒，整体训练时间被拉长0.3%。最后算下来，有效算力利用率只有41%。
也就是说，账面上租了600P，真正稳定用到任务里的不到250P。
这就是第一个坑：跨节点通信延迟。
园区使用InfiniBand互联，标称带宽400Gbps。但在多租户并发场景下，实际可用带宽常降到标称值的60%以下。大模型训练和推理很少只靠单卡完成，模型切分到多卡、多节点后，每次前向传播、梯度同步都要走网络。网络一堵，GPU就等着，机时费却照算。
开园三个月时，入驻团队已经提过类似问题：名义上的澎湃算力，实际可稳定用于千卡级训练的不超过一半。半年后，网络拓扑有过优化，但多租户争抢带宽这件事没有消失。
8000P不是假数字。它更像水池总容量。团队真正拿到的水流，取决于水管粗细、阀门开度，以及同一时间有多少人在用水。
夜里不用，也可能照样付钱
团队C更小，8个人，做端侧模型适配，租100P配额，月账单18.5万元。
他们的GPU机时费占55%，网络端口费占28%。更难接受的是，网络端口费里有超过一半来自夜间闲置时段。团队白天跑任务，晚上基本不用，但调度系统按峰值预留带宽，24小时计费。
这就是第二个坑：网络闲置浪费。
园区调度平台采用“预留制”。申请100P算力，系统就把对应网络端口和带宽全天候分配给你，不管任务是否真的在跑。QoS隔离策略也偏刚性：宁可资源闲着，也要保证某个租户的预留资源不被其他任务干扰。
这套思路接近传统云计算里的虚拟机隔离。但AI任务不太一样。训练任务持续时间长，推理任务有明显波峰波谷，带宽占用并不均匀。
团队C算过一笔账：如果夜间闲置带宽能释放给其他团队跑批处理，自己的月账单能降6万元，园区整体利用率也会更好。问题是，当前调度系统做不到。
真正有效的办法，往往不在宣传页上
账单拆开后，几个团队没有等园区彻底升级系统，而是先自己动手。
团队A和园区内另外两个推理团队组了一个“推理共享池”。三家签了《分时复用结算协议》：白天各用各的专属配额，夜间合并成公用池，按实际GPU-分钟计费，闲置时段带宽成本三家均摊。
运行两个月后，团队A的月度网络费用从8.5万元降到5.1万元。
这件事的门槛不完全在技术上，而在分账规则。谁在什么时间用，按什么粒度计费，出故障怎么认定责任，都要先谈清楚。
团队B走的是另一条路：自己改训练任务的placement策略。
他们不再完全依赖园区默认的随机调度，而是根据机架拓扑手动指定模型切分方案：通信最密集的Transformer层放在同一机架内，尽量减少跨机架通信；通信较少的Embedding层和输出层放到远端节点。
改完后，有效算力利用率从41%提高到58%，月账单从112万元降到89万元。
这个办法见效快，但不是每个团队都能抄。它要求工程师懂网络拓扑，也懂并行策略。只会提交任务、等待调度平台分配资源的团队，很难做到这一步。
还有一个方案没走通。有团队想和隔壁团队临时互换GPU节点，以优化拓扑亲和性。但园区租赁协议不允许“二次转租”，哪怕只换几个小时也不行。最后不是技术卡住，而是法务成本把事情挡住了。
园区的难题，已经不只是把楼盖满
雷峰网一篇关于AI算力CEO访谈的文章提到，秦淮数据CEO吴华鹏认为，行业竞争的核心正在从“拼规模”转向“规模”与“质量”并重。这里的质量，落到团队账单上，就是实际可用算力占比。
《财经》客户端也曾用更直接的说法提醒：公共智算中心再不转型，可能会成为“一堆昂贵的废铁”。这句话刺耳，但对入驻团队来说，判断标准其实很简单：同样的钱，能不能跑出更多有效任务。
满租只能说明园区空间和配额卖出去了，不能说明资源用得足够好。算力园区如果继续只按峰值预留、按配额收费，而不是把网络、存储、调度这些隐性成本讲清楚，团队迟早会把账算到续约上。
对入驻团队来说，短期内更现实的做法有四个。
第一，别只看GPU机时。账单要拆成GPU机时、网络传输、存储IO、调度管理几块看，尤其要盯住跨节点通信和网络端口费。
第二，自己测有效算力利用率。低于50%时，不要只怀疑代码，也要查通信瓶颈和调度位置。
第三，找业务波峰互补的团队组池。团队A的例子说明，分时复用不一定要等园区平台先改，只要分账规则能谈下来，就可能先降一部分成本。
第四，续约时争取按实际用量计费，尤其是网络带宽部分。预留制对稳定大任务友好，但对波动明显的推理和适配任务，往往会把闲置时间也计进账单。
8000P算力园区满租半年后，真正该看的数字不是宣传牌上的P数，而是团队账单里的有效算力。P数越大，调度和网络的浪费也可能越贵。账单降不下来，团队会用续租率给出答案。
