AI 纪元 追踪人工智能最新进展,深度解读前沿技术

8000P园区,难题藏在62%利用率里

乌兰察布的低电价、低温和风电资源,曾经适合承接数据中心。但到8000P级智算园区,经营压力不只在建设端。62%利用率、不足40%租户留存率,以及推理负载占用70%有效算力,把电费、运维、折旧和客户黏性的问题一起推到台前。

0 次阅读 约 2314 字 5 分钟 AI 生成
Empty server racks in a cold data center representing low utilization
Empty server racks in a cold data center representing low utilization

乌兰察布做算力,有一套很容易被理解的资源禀赋:风电、低温气候、土地和电力成本。这些条件过去支撑了数据中心集聚,也让它成为“东数西算”中的重要节点。

但智算中心的账,和传统数据中心不完全一样。

一座8000P级别的算力园区,听上去已经很有规模。真正进入运营表,几个数字更刺眼:整体利用率62%,推理负载消耗了70%的有效算力,租户留存率不足40%。

这意味着,问题已经从“有没有算力”转成“算力能不能持续卖出去”。服务器放在那里,电费、制冷、网络、运维、折旧都会发生;客户如果用得不稳,规模越大,账面压力越明显。

8000P的牌子,不能自动变成收入

算力园区很容易被讲成规模故事:多少P算力、多少机柜、多少服务器、多少投资。规模能说明供给能力,却不能说明经营质量。

62%的利用率,意味着仍有一部分资源没有形成稳定收入。放在办公楼里,空置主要是租金损失;放在智算中心里,空置还叠加设备折旧、机房运维、供配电和制冷系统成本。

《财经》杂志2025年4月2日刊文提到,智算中心相较传统数据中心,是更典型的高投入资产。配置多块高性能GPU/NPU板卡的智算服务器,单台价格可达传统服务器的数十倍,约100万至400万元。约500台服务器的中等规模智算中心,建设成本已经不低,后续还要承担持续供电、制冷和运维支出。

所以,利用率在智算中心里不是一个好看的运营指标。算力闲着,损失不会暂停。硬件每天老化,机房每天运行,团队每天维护。

电费便宜,不等于成本就轻

AI算力成本里,电费到底占多少,一直有争论。21世纪经济报道在2026年6月6日转载央视财经内容时,专门讨论过“AI算力成本里60%-70%都是电费”的说法,并把话题拉到词元调用上。

2026年3月,国家数据局把Token中文名称定为“词元”。同样在3月,中国词元的日均调用量突破140万亿次。每一次词元生成,都要消耗算力;算力背后,绕不开电力。

乌兰察布的电力条件有优势,但低电价抵消不了低利用率。如果服务器长期跑不满,园区仍然要支付基础能耗、制冷、网络、人员和设备维护成本。利用率越低,摊到每一单位有效算力上的成本越高。

更棘手的是负载结构。当前稿件提到,这座8000P智算中心里,推理负载占用了70%的有效算力。推理和大模型训练不一样,后者常常是长时间、连续占用集群;推理更像一波一波请求,高峰急,低谷又空。

这会直接考验调度能力。客户要低延迟和稳定响应,园区要同时管住电力、制冷和GPU资源分配。只靠“便宜电”和“大机房”,很难把这笔账算顺。

租户留存率不足40%,比利用率更麻烦

如果说62%的利用率说明资源没有完全跑起来,那么不足40%的租户留存率,指向的是客户关系问题。

客户离开一个算力园区,原因通常不会只有一条。价格是一方面,网络、存储、调度、软件适配、服务响应,也都会影响体验。对AI企业来说,算力不是摆在机房里的硬件,而是能不能支撑训练、推理、测试和上线的一整套服务。

这也是不少公共智算中心的尴尬:前期按“资源”规划,后期客户却按“可用性”付费。

新华网关于“8000P算力与空间赋能”的报道提到,截至2024年底,全国已形成超100个以人工智能为核心的园区,重点分布在长三角、珠三角、京津冀等经济活跃区域。上海浦东人工智能岛聚焦“AI+金融”,吸引达闼科技、商汤科技等60余家企业入驻;武汉光谷人工智能产业园规划建设大规模算力中心,围绕“AI+光电子”展开。

这些园区更靠近产业客户。金融、光电子、制造、互联网应用,本身就会产生持续需求。乌兰察布这类中西部算力节点,强项在资源端;短板则可能出现在客户距离、行业配套和现场服务上。

资源端优势可以降低一部分成本,但不能替代客户关系。

智算中心开始进入运营考试

东方财富网PDF收录的《全球重点区域算力竞争态势分析报告(2025年)》前言里,把算力放在国家综合实力和全球产业分工的框架下讨论,并提到算力竞争已经涉及政策、技术、产业、应用、人才和能源等多个方面。

落到园区经营上,话可以说得更直白:建成只是开头,运营决定资产价值。

过去几年,地方建设算力中心,常见目标是开工、投产、规模和指标。现在后半段问题出来了:谁来用?怎么计费?训练和推理怎么调度?国产硬件和软件怎么适配?客户业务淡季怎么办?设备更新周期怎么覆盖?

《财经》那篇文章用了一个很重的说法:公共智算中心如果不转型,可能成为“一堆昂贵的废铁”。这句话刺耳,但提醒的是资产错配风险。智算中心买的是高价设备,卖的却是持续服务。一旦客户不稳定,设备越贵,压力越大。

园区要补的,是细活

乌兰察布8000P智算中心暴露出的,并不是某一个单点故障,而是许多算力园区都会遇到的运营题。

先是负载管理。训练、推理、测试,对资源的要求不一样,不能都按同一套机房逻辑处理。推理负载占比高时,调度、弹性扩缩、网络延迟和服务稳定性,会直接影响客户是否续约。

再是计费方式。很多AI应用仍在试错阶段,客户未必愿意一次性锁定大规模长期算力。按需、包量、混合使用等方式,会增加运营复杂度,但可能更贴近客户现金流。

还有行业服务能力。金融客户关心合规和稳定,制造客户关心现场系统连接,科研客户关心集群效率。园区如果只卖“算力资源”,很容易被公有云、边缘节点或其他区域园区替代。

空置率也不能被当成投产后的附属数据。8000P能带来关注,62%的利用率决定账面压力;不足40%的租户留存率,则说明客户黏性还没有稳住。

乌兰察布的低电价、低温和资源条件仍是优势。只是对8000P级别的智算中心来说,这些优势已经不够单独支撑生意。电费账、运维账、空置账和客户账,需要一起算清楚。

相关阅读