近日，国内智算基础设施建设延续高热度。多个省市相继披露新的智算中心项目进展，一批以国产AI芯片为主体的算力集群进入上线或扩容阶段。从公开信息看，这批项目的单体规模普遍在数百P至数千P（FP16）量级，部分区域规划甚至指向万P级集群，投资主体既有地方国资平台，也有运营商和民营算力服务商。算力规模扩张的速度，已经明显快于两年前业界的普遍预期。
但规模扩张并不等于有效供给。多位从业者在近期行业交流中提到，当前智算中心的真实痛点已从“有没有卡”转向“卡好不好用”。一方面，国产AI芯片在大模型训练场景中的实际利用率仍与理论峰值存在差距，部分集群的线性加速比在规模扩展后出现明显衰减；另一方面，异构芯片之间的互联协议、通信库和编译器生态尚未完全统一，导致同一集群内不同批次、不同型号的加速卡难以高效协同。有算力服务商透露，其平台上国产卡的调度成功率和大规模训练稳定性，仍是客户选型时最关心的指标。
软件生态是更深的门槛。以DeepSeek、千问、豆包、Kimi、智谱清言等为代表的国产大模型，训练和推理框架多围绕主流生态构建，迁移到国产算力平台需要大量算子适配和性能调优工作。近期不少芯片厂商选择与模型公司联合做“模型—芯片”协同优化，把注意力从单纯的硬件参数转向端到端吞吐和单位token成本。这种联合调优正在成为国产算力落地的主要路径，但适配周期长、人力投入大的问题依然突出。
需求侧的结构性变化同样值得关注。随着推理需求在总负载中的占比快速上升，智算中心的建设逻辑正在从“训练优先”转向“训推并重”。推理对时延、并发和成本更敏感，对集群规模的要求反而低于训练，这让一批中小规模、贴近业务场景的边缘智算节点获得新的机会。日前有运营商人士表示，其新增算力规划中推理集群的比重大幅提升，并以按token计费、弹性调度等方式对外提供服务。
供需错配的另一面是利用率。业内普遍认为，国内已建成智算中心中，相当一部分的实际负载率并不理想，部分项目存在“建成即闲置”的风险。原因包括地方需求不足、网络连接成本高、以及算力与本地产业结合不紧密。近期一些地方开始调整思路，从追求机架数和算力规模，转向考核上架率、实际调用量和本地企业使用比例，这一考核导向的变化可能影响后续项目的审批与建设节奏。
从产业格局看，国产算力的竞争正从单卡性能比拼，转向“芯片+互联+软件栈+模型适配”的系统级竞争。谁能率先把大规模集群的稳定性和有效算力跑出来，谁就更容易拿到头部模型公司和云厂商的订单。与此同时，算力租赁价格在部分区域已出现下行压力，服务商之间的比拼开始落到运维能力和生态服务上。可以预见，未来一段时间，智算中心的上线数量仍会增长，但行业分化的速度也会同步加快，真正决定成败的不再是规划规模，而是单位算力的实际产出。
标签：算力,智算中心,国产芯片