近年來，算力已成為制約國內AI發展的關鍵因素。為解決這一瓶頸，尤其是ChatGPT問世后，智算中心如雨后春筍般在全國涌現，成為AI時代的新基建。
智算中心，作為高階的計算中心，相較于傳統算力中心，在硬件上使用GPU替代CPU，軟件層面則部署AI框架，以優化算力效率。據統計，截至今年上半年，全國已有超過250個智算中心建成或在建，僅今年前七個月，就有140個新項目中標。參與建設的不僅有城投、運營商、金融企業和央國企，還有大型互聯網云計算公司如華為云、阿里云、騰訊云，甚至一些從房地產等行業跨界而來的企業。
然而，盡管智算中心建設風起云涌，但另一組數據卻揭示出隱憂：IDC指出，通用算力中心的利用率僅為10%-15%，一些重量級的智算中心甚至處于閑置狀態。這意味著，動輒數十億甚至上百億的投資并未充分發揮其價值，成為AI熱潮中的新難題。
智算中心的建設周期短，通常以預制模塊化機房和整柜交付方式進行，能在短時間內建成。例如，武漢首個智算中心僅用了6個月時間，一期建設規模達到100P FLOPS的AI算力，算力峰值性能相當于5萬臺高性能PC機。此后，從地方主導的項目到大廠投資運營，智算中心的投入資金和算力規模均呈上升趨勢。
智算中心的興起也催生了一個新的風口賽道——算力租賃。算力租賃允許企業在需要強大算力時，通過租用而非購買昂貴的計算設備來滿足需求。服務商根據客戶需求搭建計算環境或系統，并通過簽訂合同的方式提供算力服務。算力租賃的收費方式多樣，包括按小時、按算力規模、按使用量和套餐計費，以適應不同客戶的需求。
算力租賃市場的迫切需求主要源于模型訓練。大模型訓練、微調、推理需求急劇增加，但AI應用在不同開發階段對算力的需求不同。算力租賃成為大多數大模型廠商的最佳選擇，因為租賃可以降低設備采購、租金成本以及調試、維護成本和工程師研發時間成本。然而，算力租賃市場競爭格局分散，傳統云服務提供商對外租賃比例較少，而具備IDC建設運營能力的企業和跨行企業越來越多。
盡管國內算力投入規模已接近全球頂尖水平，但面向AI、高性能計算的算力缺口仍然存在。賽迪顧問數據顯示，2023年國內智能算力需求達123.6EFLOPS，但供給僅有57.9EFLOPS。算力需求未被云計算大廠完全承接，主要是因為大模型訓練需要高性能GPU集群，而大廠提供的多是單節點服務，無法滿足需求。因此，算力租賃公司有了發展空間，毛利率約為40%左右，凈利率約為20%左右，但資金門檻較高。
然而，涉足算力租賃的企業普遍面臨增收不增利的困境。盡管一些企業因“算力”概念股價上漲，但算力租賃市場仍存在諸多不確定性，如市場需求、政策變化、技術水平以及交付和供應鏈等。智算中心并非簡單購買GPU就能躺賺，還需要高性能的硬件部署和軟件層面的優化協調。訓練算力的租賃對象主要是大模型公司，跨行企業如何獲取這些客戶資源也是一大挑戰。
智算中心ROI過低的原因除了供需不匹配外，還包括盲目投入建設、軟件能力不夠導致用卡效率不高等問題。智算中心不景氣直接影響算力租賃市場的低迷，一些企業因缺乏應用場景而閑置算力資源，造成浪費。國產替代過程中最難解決的是應用生態問題，封閉性導致可用的開源軟件和商用軟件極少，用戶自有軟件的遷移適配成本極高。
