算力过剩导致利用率不足15%

寂静回声

据IDC数据，以企业为主要用户的通用算力中心利用率，目前仅为10%~15%，这表明小型或企业级的算力中心利用率相对较低。而国家级、大厂级的智算中心资源利用率也高低不一，例如，西安昇腾智能科技有限公司的人工智算中心算力使用率高达98.5%，国家超级计算深圳中心和国家超级计算济南中心的资源利用率也较高。但这些在我国算力中心只占少数。

业内人士分析称，大多数算力中心在“建设、应用、生态”三个维度上仍面临着“规模优先，架构单一；重视硬件发展疏忽软件建设，技术与场景需求割裂；兼容性与协同性不足”等问题，造成了我国近乎50%的算力中心算力分布管理不均，利用率难以跟上。

盲目投资是造成算力过剩的原因之一。一些地方政府和企业盲目投入智算中心建设，这些智算中心在建成后缺乏足够的应用场景和市场需求，导致算力资源浪费。在今年9月举行的中国高性能计算学术年会上，中国计算机学会 （CCF）副理事长陈健指出，如果只是一味地增加硬件资源而不考虑其实用效能，未能确保需求方能够方便快捷地获得优质的计算能力，那这样的做法无异于对资源和财力的巨大浪费。他表示，目前除了紧缺的单一大规模算力集群以外，用于AI推理的算力供给实际上可以满足或基本覆盖需求，关键在于如何更有效地开发和利用现有资源。

此外，算力租赁市场低迷，导致算力资源无法得到有效利用。一些企业因缺乏应用场景而闲置算力资源，造成浪费。例如，某云计算平台在初期投入大量资金建设了高性能计算集群，但由于市场需求不足，该集群的算力资源长期闲置。为了降低运营成本，该平台不得不将部分算力资源出租给第三方，但出租价格远低于成本价，导致盈利困难。
算力过剩是否成为常态？业内人士分析，从目前的市场状况和价格趋势来看，算力市场总体上是过剩的。

这种过剩可能会在未来几年内导致价格竞争加剧，影响一些算力供应商的利润空间。

在具体的应用层面，如大型语言模型（LLM）的训练和推理中，目前的算力供应基本满足需求。一些规划中的算力中心可能最终不会完全投入使用，造成资源的浪费。在价格趋势方面，当前，算力卡的价格已经接近或低于其销售成本，这表明市场上的供应过剩。预计这种价格趋势将持续，导致一些算力供应商面临降价压力。

算力供需衔接存在困难，是未来算力发展的主要瓶颈。受我国经济、社会发展格局影响，全国范围内分散部署的算力资源与东部地区较为集约的算力需求不能完全匹配。同时，受算力节点通过网络灵活高效调配资源能力的制约，导致供需衔接不当，进而出现“资源闲置”和“算力难求”现象并存。