2026年7月11日，这座拥有8000P算力的园区里，还有19家Agent公司正常运营。
半年前，入驻企业共有32家。离开的13家中，3家被收购，4家核心成员回到大厂AI部门，6家因资金链断裂退出。更值得看的是留下来的团队：19家公司几乎都改过产品方向，BP里的“自主决策”“多步推理”少了，ERP集成、工单对接、成本核算和年框合同被摆到更靠前的位置。
8000P很多，分到每家公司仍要精打细算
园区标注的8000P，是FP16精度下的理论峰值。落到具体企业，早期入驻协议提供的平均额度为50至80P。
一家法律文书Agent公司第一个月就用满了额度。创始人回忆，当时团队使用GPT-5.1做合同审查，单次推理平均消耗12万tokens。每天处理200份合同，调用量接近2.4亿tokens，日成本超过3000元。
问题不在订单突然增加，而在推理链路太重。
团队后来换用GPT-5.6 Sol，并重新拆分任务：简单条款匹配交给本地微调后的7B模型，复杂条款再调用云端大模型。改造后，单份合同的推理成本从15元降到2.7元。关于这套成本模型，此前的《GPT-5.6 Sol上线一个月，付费API成本到底降了多少》有过详细拆解。
19家仍在运营的公司中，14家已经完成大小模型分流。园区运营负责人给出的数据是，今年第二季度平均算力利用率（MFU）达到47%，年初为31%。变化不只是“机器跑得更满”，任务本身也换了：早期主要跑实验和演示，现在更多资源被用于生产。
一支制造业设备故障诊断团队提供了更具体的样本。团队去年拿着200万元种子轮入驻，今年第一季度签下一家汽车零部件厂，合同金额80万元一年，覆盖三条产线的异常检测和维修建议生成。合同要求系统可用性达到99.5%，误报率低于3%。
他们使用园区的昇腾910C集群微调模型，再把推理任务分流到边缘端。半年后，算力成本占总成本的比例由45%降至22%。此前《昇腾910C训练频繁OOM，问题可能出在显存碎片》讨论过这类集群的调优问题。
客户先问接口，再看Agent能力
半年前，32家公司的BP中频繁出现“通用任务”“自主决策”和“多步推理”。半年后，19家存活公司的产品介绍明显收窄，常见表述换成了“ERP集成”“审批流自动化”和“工单系统对接”。
一家电商客服Agent公司最初展示的产品，可以处理退换货、议价和物流查询等多轮对话。真正见到客户后，对方最关心三个问题：能否接入旺店通ERP，超时未回复能否自动升级工单，出现误操作后由谁兜底。
这三个问题，团队用了三个月才解决。产品名称也从“智能客服”改成“电商售后工作流自动化引擎”。名字没那么新鲜，订单却更扎实：今年第二季度签下7个年框客户，客单价从年初的3万元提高到18万元。
医疗团队也走了相似的路。起初，他们希望用模型辅助诊断；进入医院流程后，团队把重点改成缩短门诊病历录入时间。现有产品是一套门诊病历语音生成系统：医生口述，模型生成结构化病历，经过人工确认后写入电子病历，并与HIS系统连接。
这套系统在2026年5月进入两家三甲医院，日均处理病历1200份。病历书写时间由8分钟缩短到2分钟。医疗大模型进入业务流程时面临的约束，此前《医疗大模型进流程：病历先提速，诊断权仍在医生手里》已有讨论。
金融Agent团队同样缩小了产品边界。原来的演示产品负责分析财报、生成投资建议，现在主攻银行反洗钱可疑交易报告：系统读取交易数据，生成报告初稿，再由人工复核并提交。接入过程更重，合规要求也更高，但系统一旦进入银行工作流，替换成本随之提高。
一份年框合同，往往比新一轮融资更管用
19家存活公司有一个共同点：每家公司至少拿到了一份年框合同。
Agent业务需要持续承担推理成本，按次收费容易出现收入与支出错位。客户调用量增加，算力开支同步上涨；调用量不足，收入又难以覆盖固定成本。年框合同提供了相对稳定的回款预期，也方便团队提前安排算力采购和交付人员。
园区运营数据中，11家公司已经实现月度盈亏平衡，7家仍在投入，但手里有明确的付费客户；剩下1家仍主要依赖融资。
前述设备故障诊断团队，正是靠汽车零部件厂每年80万元的合同，在第二季度实现盈亏平衡。创始人的说法很直接：“融资是氧气，年框合同才是食物。”
园区开始撮合闲置算力
入驻半年后，园区也在调整自己的角色。
不同公司的算力需求并不同步。有的团队在交付前集中扩容，有的团队当月额度用不完。2026年4月，园区上线内部算力交易平台，允许企业转让闲置额度，并从交易中收取5%的手续费。
一家视频生成Agent公司在6月接到品牌广告项目，需要使用Sora 3生成50条短视频，短期算力需求增加到原来的三倍。团队通过内部平台，从一家代码Agent公司租用30P额度，租期一周，成本比直接购买云服务低40%。Sora 3用于品牌广告时涉及的合规边界，可参见《Sora 3视频生成落地：从“造梗”到品牌广告的合规红线》。
第二季度，园区内部算力交易额达到180万元。体量尚小，但这项业务已经超出传统园区提供办公空间和固定算力配额的范围。园区开始承担撮合供需的工作。
离开的团队，卡在三个具体问题上
两位已经离开园区的创始人，把失败原因归结为三类。
第一类是客户过于分散。有些团队同时进入5个以上行业，每个行业只拿到1至2个概念验证项目。项目需要持续投入交付人员，半年后却没有转成年框合同，融资很快被消耗。
第二类是推理成本失控。一家客服Agent公司的月调用量从100万次增至800万次，客单价没有同步调整，毛利率由40%降至8%，最后只能裁员收缩。
第三类是系统接入周期被低估。一家财务Agent公司的演示效果不错，客户使用的却是2018年部署的旧版ERP。接口改造持续4个月，客户最终放弃项目。
算力适配、系统接入和客户转化，恰好是这些团队入驻时就要面对的三道关。半年后看，技术演示做得漂亮，只解决了最靠前的一步。
留下来的公司，产品都变窄了
新华网关于AI规模化落地的报道提到，AI竞争的重点正从概念验证转向商业落地与价值创造。这座8000P园区提供了一个具体切面。
离开的团队中，不少公司有过效果惊艳的演示，却没能处理旧系统接口、交付周期和持续推理成本。留下来的19家公司做了相反的选择：少谈通用能力，把产品塞进客户已有的ERP、HIS、工单和审批流程；逐笔计算推理成本；尽早拿下年框合同。
园区门口仍挂着“通用人工智能产业园”的牌子，里面跑起来的业务却相当具体：合同审查、产线故障诊断、电商售后、病历生成、反洗钱报告。
下一个半年，园区计划引入更多行业系统集成商，帮助Agent公司处理ERP等系统的接口问题。这个安排说明，决定一家Agent公司能否留下来的，已经不只是模型表现。谁能接进系统、控制成本并拿到持续订单，谁才有机会继续留在牌桌上。
