案例背景
2026年10月27日，第一财经报道，行业统计显示全国六成以上的智能算力处于闲置状态，已建成的约500座智算中心正普遍面临「好用又赚钱」的双重考验。前几年，在「东数西算」工程与地方产业政策的推动下，各地掀起智算中心建设热潮，大量项目以GPU集群为核心配置硬件。但建成之后，需求侧并未同步跟进：一方面，通用大模型训练需求向头部企业高度集中，中小机构难以消化整机架算力；另一方面，部分采购的高端芯片在软件生态与持续供应上受限，出现「有卡无生态」的适配难题，部分设施的软件栈与运维能力亦未能跟上硬件投入的步伐。算力作为数字经济的「新电力」，正经历从短缺预期到结构性过剩的转折，如何盘活存量资产，成为地方政府与运营企业面前的现实考题。值得对照的是，同期推理侧需求其实在高倍数增长，DeepSeek等模型调用量屡创新高即是明证——缺的不是需求，而是把需求与闲置设施连接起来的能力与机制。
核心分析
一、结构性闲置的成因：供需错配与产能潮涌
六成闲置的数据不应被简单解读为「算力绝对过剩」，而应视为典型的结构性错配。供给端，各地以行政力量推动建设，项目立项时对标的是政策热度而非真实订单，导致区域布局与需求地理分布脱节，同质化竞争加剧；技术端，训练需求与推理需求对算力的要求差异巨大——训练追求峰值算力与高速互联，推理更看重稳定性、时延与单位成本，而多数智算中心按训练场景设计，难以承接推理类与行业类负载。产业组织理论中的「产能潮涌」现象在此重现：当政策信号释放且退出成本高昂时，分散的投资主体会同时涌入，形成集体性过度产能。因此，化解之道不在简单压缩总量，而在重构供需匹配机制，让存量设施与真实负载重新对接。这需要跨区域的算力调度网络、统一的服务标准与可信的计量结算体系，把分散在各地的闲置机时组织成可交易的市场供给。
二、TCO视角下的盈利难题：算力不是「建成即资产」
从总拥有成本（TCO）角度看，智算中心的成本远不止建设投资：高端GPU折旧年限短、技术迭代快，电力与冷却构成持续运营支出，芯片供应波动还带来维护与替换风险。若上架率不足，固定成本无法摊薄，单位算力售价便很难覆盖全周期成本——这正是「好用」与「赚钱」难以兼得的财务根源。更关键的是算力资产的折价速度：AI芯片性能逐代跃升，三年前的旗舰卡在推理市场上已缺乏竞争力，这使得智算中心资产的属性更接近快速折旧的设备租赁，而非保值的不动产。部分运营方仍以不动产逻辑定价、融资与考核，把一次性建设投入当作资产价值本身，忽视全生命周期的现金流覆盖，必然陷入收入不抵折旧与电费的现金流困境。由此也衍生出融资结构的适配问题：以长期贷款建设快速折旧资产，期限错配会在上架率爬坡期集中暴露，这是项目方与地方财政都需要正视的风险。
三、运营模式转型：从「机房出租」到「算力服务运营」
破局的关键在于运营模式升级。其一，从「卖机柜」转向「卖服务」，通过统一调度平台将分散算力池化，承接推理、精调、行业模型服务等多元负载，以混合调度提高综合上架率；其二，从通用竞争转向垂直深耕，围绕制造、医疗、政务等本地产业构建「算力+数据+模型」的行业解决方案，把算力嵌入产业价值链，形成难以迁移的需求黏性；其三，探索算力券、长期合约等工具平滑需求波动，将政府补贴从「补建设」转向「补使用」，直接撬动中小企业的真实算力消费，避免补贴沉淀在建设环节而无法形成有效需求。规模经济在此依然成立，但其前提是先通过服务化运营把分散需求聚合为可调度的规模，而不是坐等大客户上门。运营团队的能力建设同样关键：懂模型、懂行业、懂调度的复合型人才，正在取代土地与机柜，成为智算中心最稀缺的生产要素。本案例的分析将循着「错配成因—成本结构—运营转型」的链条依次展开。
管理启示
本案例对政企双方的启示有三。其一，基础设施投资必须以需求验证为前提：立项评估应从「产能规模」转向「负载来源」，把意向订单、行业渗透率作为可行性研究的硬约束。其二，算力资产的财务模型需要重估：应按快速折旧设备而非不动产进行定价、融资与绩效考核，现金流覆盖率应取代建成面积成为核心指标，运营考核也应引入上架率、单位能耗产出与客户续用率等动态指标，让管理者对资产的真实产出保持敏感。其三，区域产业政策应从「建节点」转向「育生态」，围绕智算中心配置人才、数据与场景资源，使设施成为产业数字化的操作系统而非孤立的机房；唯有多元负载与持续运营，才能让500座智算中心从沉睡的资产变为区域经济的生产力。
其他思考
- 智算中心更适合由政府平台持有、专业公司运营的分离模式，还是一体化商业运营？
- 在推理需求成为主导后，现有按训练场景设计的智算中心需要哪些改造？改造经济性如何评估？
- 「补建设」转向「补使用」的算力券政策，应如何设计以避免套利与低效使用？
关键词：智算中心、算力闲置、运营模式
来源：第一财经 | 整理：经管大课堂
原文链接：https://www.rcbom.com/aibps/6803.html
