近日，随着又一批地方智算中心陆续点亮，一个略显尴尬的问题被反复提及：建成的算力，究竟有多少在真正被使用？多位业内人士向笔者表示，智算中心的评价标准正在从"装机规模"向"利用率"迁移，这一转向正在深刻影响新建项目的规划逻辑。
过去一年多，万卡级集群的消息不断。某东部城市公布的智算中心项目规划算力规模达到数千P，西部地区的多个项目同样以万卡为卖点。但有算力运营方人士坦言，部分项目的实际GPU利用率长期在较低区间徘徊，原因并不复杂：一方面是适配问题，不少国产卡在大模型训练场景下的软件栈成熟度不足，客户迁移成本高；另一方面是需求错配，地方希望吸引通用算力客户，而实际付费意愿最强的是推理和垂类微调场景。
这种错配催生了新的运营思路。笔者了解到，部分智算中心开始主动与模型厂商合作，把DeepSeek、千问、智谱清言等开源模型做成预置服务，客户按token或按卡时付费，降低上手门槛。某西部智算中心运营负责人介绍，其平台近期上线了模型即服务专区，主推DeepSeek-R1蒸馏系列和Qwen系列的小参数版本，面向本地中小企业和高校科研，卡时价格较年初有所下调，出租率出现回升。
调度能力成为另一个分水岭。传统智算中心多为单一厂商供货，异构算力混布时调度效率低。近期，一些项目开始引入统一的算力调度平台，尝试把不同品牌的GPU、NPU资源池化，按任务类型动态分配。技术人士指出，真正的难点在算子层和通信库的兼容，跨厂商的集合通信效率往往只有同构集群的七八成，这对大模型训练影响明显，但在推理和微调场景下尚可接受，这也是调度平台优先切入推理业务的原因。
从需求侧看，垂类模型的微调需求正在成为智算中心的稳定客源。医疗、法律、制造等行业的客户通常以数十卡到数百卡的规模做领域微调，单次任务周期短、频次高。有服务商透露，这类客户对网络互联的要求不如预训练严苛，但对数据合规和任务隔离要求高，倒逼智算中心在存储加密、租户隔离上做投入。
头部云厂商的动向同样值得关注。阿里云、火山引擎等持续在区域节点扩容，主打弹性算力和模型服务的一体化，对地方智算中心形成竞争。业内普遍认为，地方智算中心若不能在价格、合规和本地服务上形成差异化，单纯靠补贴拉动的需求难以持续。下一步的看点，在于能否跑通"算力+模型+行业应用"的闭环，把利用率真正提上来。
标签：算力,智算中心,算力调度,模型服务