随着生成式人工智能走向深度应用，一场围绕“算力”的军备竞赛正在全球范围内加速上演。近一个月来，国内多家头部云服务商和第三方算力租赁平台相继披露重大合同，单笔订单金额动辄数亿元，部分涉及高端GPU集群的租赁及采购协议更是出现“一签数年、一单难求”的局面。业内人士普遍认为，高端算力服务已从“卖方市场”进一步向“紧缺市场”演变，产业生态正迎来新一轮重构。
大单密集落地，算力服务商“挑客户”
据公开信息梳理，自2024年第四季度以来，国内已有至少五家A股上市公司公告获得算力服务大单，合同总金额累计超过50亿元。其中，某云计算头部企业于11月宣布与一家国有大型银行签署为期三年的算力托管及训练服务协议，合同金额达12.8亿元；另一家专注于AI算力租赁的科技公司，则在10日内连签两笔大单，合计金额突破9亿元。
“现在不是我们找客户，而是客户拿着钱排队等资源。”一家华东地区算力服务商的负责人向记者表示，公司现有的液冷高密度机柜使用率已接近100%，新增订单交期普遍排到2026年第一季度。更有甚者，部分服务商开始要求客户预付50%以上款项，并对训练场景的功耗和时长提出严格限制。
三大需求引擎同时发力
分析人士指出，本轮高端算力需求“井喷”由三股力量共同驱动。
首先，大模型从“通用”走向“行业垂直”。金融、医疗、制造、自动驾驶等领域的企业纷纷自建或定制专属大模型，对高端GPU集群产生持续且刚性的训练需求。据国海证券研报，2024年国内大模型训练所需的算力规模预计同比增长超过300%，其中单次训练呼叫GPU万卡集群已成为头部企业的常态。
其次，推理侧需求加速爆发。随着多款国产大模型日活用户突破千万，大模型应用进入规模化部署阶段。推理环节对算力的消耗虽不及训练，但要求更低的延迟与更高的并发能力，这进一步推高了英伟达H100/B200以及国产昇腾910B等高端芯片的采购与租赁价格。
再者，算力租赁模式正成为中小企业“触AI”的主要路径。动辄千万元的硬件一次性投入对于多数中小企业难以承受，而按月付费、弹性扩容的算力服务则大幅降低了门槛。有数据显示，2024年前三季度，国内算力租赁市场规模已突破200亿元，同比增长超150%。
供应链承压，国产替代加速
大单频现的另一面，是供应链的极度紧张。目前全球范围内能够稳定供应7nm以下高性能AI芯片的厂商极为有限，受制于先进封装产能瓶颈和出口管制，国内高端GPU实际到货率远低于下游需求。多位受访者透露，英伟达H100的现货溢价已从此前的20%拉升至近60%，且排期已延长至6个月以上。
在此背景下，国产算力芯片正迎来难得的窗口期。华为昇腾910B、海光DCU、寒武纪思元等产品在部分场景中已实现商用落地，尤其是在政企和大模型训练“安全合规”要求较高的领域，国产化替代正在提速。不过，受制于生态成熟度与工具链的完善程度，短期内全面替代仍存在挑战。
缺算力并非缺产能，结构性问题待解
有行业观察者指出，当前“算力荒”本质上是一种结构性短缺。一方面，老旧数据中心和过时GPU产能闲置；另一方面，适配大模型训练的高端算力资源极度稀缺。这意味着单纯扩建数据中心并不能解决问题，必须同步推动液冷散热、高速互联、存算一体等基础设施升级。
“未来三年，谁拥有高效、绿色、高密度的算力底座，谁就掌握了AI时代的入场券。”一位IDC行业分析师表示，随着更多大额订单的落地，头部算力服务商有望率先完成从“资源型”向“平台型”的跃迁，而整个产业链也将迎来从芯片、服务器到数据中心再到运维服务的全链条升级。
可以预见，在政策补贴、市场倒逼与技术突破的多重作用下，高端算力服务行业正在经历从“规模扩张”到“价值重塑”的关键转折。大单频现只是表象，更深层的产业逻辑是：算力，正像电力一样，成为新时代最核心的基础设施。