这座8000P算力园区在2026年4月开园。到7月初，首批合作用户进场正好三个月，算力调度名单前十位的名字已经全部更换。
原先申请万卡预训练额度的大厂团队退出租用队列，十几个做具身智能仿真、垂类视频生成微调和通专融合架构调试的中小团队补了进来。
变化最先体现在客户的问法上。开园时，大家问还有没有算力；到了夏天，问题变成哪种卡、哪个时段能马上开跑。原计划三个月内交付的预训练额度没有用满，推理排期却要等两天。8000P仍是园区最醒目的数字，切片调度已经开始影响使用体验和续费。
大任务少了，排期反而更挤
不少预训练需求已经转入大厂自建集群。至少从园区首季的调度记录看，从零训练几千亿参数模型基座的团队在减少，排在前面的任务主要有两类：基于开源模型做行业微调，以及为具身智能跑仿真训练。
租用方式也跟着变。整块资源连续跑三天的订单少了，按更小时间片切分、一天内多次调用的任务多了。对中小团队来说，一次拿下大块算力并不划算，反复微调、测试、回滚更符合实际开发节奏。
7月中旬在上海举行的WAIC 2026上，高文院士和多家机构讨论了“通专融合”路线。放到算力排期里看，这条路线对应的是一组具体任务：保留通用基座，再叠加面向行业的专家模块。团队无需反复从头训练模型，却会更频繁地调用算力。
具身智能公司的耗卡环节也有自己的特点。多家入驻团队反馈，大规模三维场景重建和视觉—语言对齐需要放在同一套框架里反复运行。一些团队采用NeRF重建等方法减少密集3D标注，计算压力随之转向高频仿真和迭代。这类任务很少连续占用万卡集群数月，但对网络稳定性和任务恢复能力要求很高。
910C能点亮，账还没算完
对原先依赖进口芯片的初创团队，H20供应受限后，可选路径迅速收窄：高价寻找存量，或者把任务迁到国产算力上。
迁移的第一笔成本通常落在运维和适配上。昇腾910C集群从单卡扩到千卡，卡能点亮只是起点。版本矩阵不匹配、算子验收卡壳、HCCL拓扑调不通，都会拉低理论算力对应的实际利用率。
园区技术支持工程师给出的说法是，最忙时一天要为三个新团队重刷固件。园区官方报价虽然略低于外部租赁，一家具身智能团队却在算子适配上花了两三周。把这段时间的人力和排期损失算进去，低租金未必带来低总成本。
团队选卡时至少要算六本账：裸机租金、框架迁移、算子适配、HCCL拓扑、固件运维和排队等待。把910D和B200放进同一张选型表时，纸面性能只占一列，已有工具链和运维人手往往会影响最终选择。
机械臂在楼上，算力在地下
园区最初主打“算力+空间”，办公区、实验室和机房集中布局，入驻团队可以就近调试设备。实际进场后，机房与实验室之间仍有不少细小摩擦：算力在地下，机械臂在楼上，有些联调还要跨楼完成。
数据传输的物理延迟尚在可接受范围内，麻烦主要出现在高频软硬件联调。模型更新一次，设备端就要重新验证，链路一拉长，工程师等待和往返的时间都会增加。
招商结构也在调整。最初引入的几家明星大厂部门虽然挂了牌，实际算力消耗约占总额的15%。持续使用并不断续费的，主要是做垂直场景的中型公司。它们的单次用量未必大，调用频率却更稳定。
园区管理方随后开始加挂海外直连专线。部分AI短剧出海和跨境SaaS团队需要在国内完成模型微调，再把推理和分发接到海外。以东南亚短剧投流为例，训练、微调和内容分发分处两地，数据需要频繁往返。
办公室和机房靠得近，只解决了物理距离。网络、调度与现场支持能否接上，才会决定机械臂、模型和海外业务能不能顺畅运行。
园区竞争落到了调度表上
这样的园区正在增加。新华社客户端相关报道提到，截至2024年底，全国已形成超100个以人工智能为核心的园区，主要分布在长三角、珠三角和京津冀。上海浦东人工智能岛围绕“AI+金融”，吸引达闼科技、商汤科技等60余家企业入驻。
该报道还援引赛迪顾问此前的预测：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。园区数量和投入上来后，宣传册上的P值很快会被拉平，租户留下来要看日常运行。
这座8000P园区首季的排期已经把问题摆得很清楚。连续数月的大块预训练额度出现空档，特定卡型、特定时段和已完成框架适配的资源仍要排队。从零预训练没有消失，只是更多集中到有能力自建集群的大厂。留在园区里的需求更碎，也更考验调度和技术支持。
租户付费，看的是按期产出的Token和可以交付的模型；理论P值只在第一张报价单上占优势。卡要能跑，任务要按时结束，机械臂、模型和海外分发链路还得接得上。做到这些，8000P才会变成下一次续费，而不只是展板上最大的一行字。
