首页

被退租的算力

任何"泡沫"的诞生都根植于人类对稀缺性的非理性想象。炒茅台和囤算力的人本身并非是茅台爱好者、算力消纳方，而都共同有着投机心理。

截止到2024年底、2025一季度，飞利信、莲花控股、锦鸡股份等多家公司又相继终止了数亿元的算力租赁合同。与此同时，有算力供应商告诉虎嗅，“在算力租赁的生意里，退租是常有的事。”

这些终止租赁的企业并非真正的算力需求终端。随着 DeepSeek引发的行业震荡，AI行业泡沫逐渐破裂，众多算力供应商不得不直面算力过剩难题，四处寻觅稳定客源，探索新的算力消纳路径。

虎嗅在调查中发现，一位算力供应商创始人的名片上，除了三家智算、云计算领域的企业，还赫然印着一家投资公司。进一步深挖发现，该投资公司的被投项目涵盖一家机器人公司与一家专注大模型和云系统研发的企业。该创始人向虎嗅透露，“这两家被投企业的全部算力需求，均由自家的算力供应体系来满足；而且被投企业通常会以市场低价购买自家供应的算力。“

实际上，在智算产业里，像智算+投资绑定的形式绝非孤例。对于不少算力供应商而言，“这是目前消纳卡很好用的方式，只不过没有被摆到台面上。”冯博对虎嗅表示。

不过，在上述的故事中，这是一种“垄断式”的算力消纳路径，即算力供应商通过投资锁定算力需求，并直接满足被投项目的全部算力需求。但并非只有这一种方式。

冯博认为，还有一种模式是，”算力供应商以 LP身份切入产业基金，构建闭环式算力需求链条的模式值得关注。“

具体而言，该商业模式呈现出资本联动特征：算力供应商 A作为潜在有限合伙人（LP），与产业基金 B达成合作意向。在 B基金的投资版图中，AI应用厂商 C作为被投企业，其业务发展对算力资源存在刚性需求。此时，A通过战略投资 B基金，间接绑定 C公司未来的算力采购需求，构建起“资本投入-算力采购”的闭环。

若交易落地，A公司将凭借 LP身份获得优先服务权，成为 C公司算力采购的首选供应商。这种模式本质上形成了资金的循环流动——A公司对基金 B的出资，最终通过 C公司的算力采购回流。

“这不是一种主流方式，但却是一种还比较好用的方式。”冯博坦言。

泡沫快破了，然后呢？

“谈智算泡沫就不能只谈算力，它是一个产业链的问题，想让算力用起来，需要把断掉的点串起来，现在这条产业链还并未形成闭环。”一位深耕行业多年的算力供应商首席营销官向虎嗅精辟地指出了当前智算产业的核心症结。

进入2025年上半年，AI领域一个显著的趋势是，曾经被各大AI公司挂在嘴边的“预训练”一词，其热度正逐渐被“推理”所取代。无论是面向广阔的C端消费市场，还是赋能千行百业的B端企业级应用，推理需求的增长曲线都显得异常陡峭。

“不妨做一个简单的推演，”一位行业分析人士估算道，“以目前市场上主流AI应用的体量来计算，如豆包、DeepSeek等为例，假设其每个活跃用户平均每日生成10张图片，这背后所牵引的算力需求，便可能轻易达到百万P级别。这仅仅是图像生成这一单一场景，若叠加文本、语音、视频等多模态交互，其需求量级更是难以估量。”

这还仅是C端用户的推理需求。对于B端用户，推理需求更是海量。华锐智算某高管告诉虎嗅，车厂建设智算中心都是万P规模起步，“而且我们的客户中除了大厂，有最多算力需求的就是车厂。”

然而，再将海量的推理需求与算力泡沫联想到一起，故事就显得异常荒谬。为什么这么多的推理需求还是会产生算力泡沫？

某算力供应商对虎嗅表示，像这样海量的推理需求，需要智算服务商通过工程化技术对算力进行优化，比如压缩起跑时间、提高存储量、缩短推理延迟、提高吞吐量和推理精度等等。

不仅如此，上文提到的供需错配问题，还有一大部分是来自于芯片问题。对此，有行业知情人士向虎嗅表示，一些国产卡和英伟达的差距还是比较大，它们自身表现发展不匀，同一品牌即使堆再多的卡短板依然存在，这就导致了单一集群无法有效完成AI的训练和推理。

这种‘短板效应’意味着，即便通过大规模堆叠芯片来构建算力集群，如果短板问题得不到有效解决，整个集群的综合效能依然会受限，难以高效支撑AI大模型的复杂训练与大规模推理任务。

事实上，算力层面的工程挑战和芯片瓶颈固然严峻，但许多深层次的算力需求未能得到有效满足，其真正的“断点”往往出现在算力层之上的应用生态，特别是L2层（即针对特定行业或场景的）垂类模型的严重缺口。

在医疗产业就有这样一个需要填补的巨大“窟窿”，人才虹吸效应是国内医疗体系里长期被诟病的结构性问题，优秀医生都集中在一线城市的三甲医院里。但当业界寄希望于医疗大模型实现优质医疗资源下沉时，一个更根本的挑战浮出水面：如何构建可信医疗数据空间？

因为想要训练出具备全病程诊疗能力的垂类大模型，数据是关键前提。但问题是，必须要有全病程、全年龄段、全性别、全地域的海量数据才能在大模型里形成知识。而现实是医疗数据开放率不足5%。

某三甲医院信息科主任透露，其医院每年产生的500TB诊疗数据中，真正能用于AI训练的脱敏结构化数据不足3%。更严峻的是，占疾病图谱80%价值的罕见病、慢性病数据，因其敏感性长期沉睡在各医疗机构的"数据孤岛"中。

而像这样的断点无法解决，产业链就无法形成闭环。算力需求自然也就得不到满足，显然，这显然已经远远超出了传统意义上那些仅仅提供“卡和电”的算力基础设施供应商所能独立应对的范畴。

不过，如今市场已经有一批新型的智算服务商正悄然崛起。这些企业不再将自身定位局限于单纯的硬件提供或算力租赁，他们还能更组建专业的算法团队和行业专家团队，深度参与到客户的AI应用开发与优化过程中。

与此同时，面对各种资源错配和算力利用率等问题，各地其实也在根据当地产业需求出台各种各样的算力补贴政策，其中，“算力券”作为一种直接降低企业使用算力成本的补贴方式。只是对于当前阶段的中国智算产业而言，单纯的政策“急救药”恐怕已难以从根本上扭转局面。