全球算力资源正经历深刻变革，中国算力产业面临前所未有的挑战与机遇。随着智能算力增速远超通用算力，中国算力资源却日益分散，公有云市场增长乏力，而数据中心投资热情高涨。AI大模型的兴起加剧了算力需求，但美国断供高性能AI芯片迫使中国加速国产替代进程。算力成为国家竞争的新高地，中国算力产业面临算力资源分散、公有云渗透率低、国产替代难度大等关键问题。本研究将深入探讨这些挑战，分析算力资源分散成因、公有云进展缓慢的影响、大模型红利预期、国产替代进展及产业政策走向，为中国算力产业健康发展提供策略参考，助力提升国家算力竞争力。全文14550字，阅读需20min，点击阅读原文，报名参加G60青年科创家系列活动。
01中国算力产业出现五个真问题
在全球算力资源加速转型的浪潮中，中国的算力产业已行至一个至关重要的抉择点。从宏观视角审视，算力产业涵盖了云计算服务供应商、设备解决方案商、以及芯片制造商等多元主体，共同编织着这一庞大生态。当前，全球智能算力（以GPU为代表的芯片算力）正以前所未有的速度超越通用算力（CPU芯片算力），驱动着整个产业链的深刻变革与活跃。
在这一关键时刻，中国算力资源的布局却显现出分散化的趋势。数据中心建设投资热潮涌动，而公有云市场的增长速度却显得相对乏力。据国际权威市场调研机构IDC与Gartner的数据揭示，中国公有云市场的增速已滑落至五年来的谷底，与此同时，数据中心投资的增速却攀升至五年新高。AI算力的高昂采购成本与庞大的研发投入，理论上应由云厂商通过规模效应在公有云平台上实现成本摊薄，但现实却与理论预期存在明显差距。公有云市场的短期增长空间遭遇瓶颈，促使业界将目光投向本地部署的云解决方案（混合云、私有云、专属云），它们被寄予厚望，将成为未来一至三年内推动行业发展的主要动力。
智能算力的蓬勃发展催生了大模型的兴起，而在这场技术变革中，美国云厂商率先享受到了增长的红利，相比之下，中国云厂商尚未显著感受到这份增长的甘霖。大模型的运作高度依赖于先进AI芯片，然而，2023年10月美国商务部工业安全局对中国实施的高性能AI芯片断供措施，无疑加剧了国产替代的紧迫性。芯片，作为产业突围的关键，其重要性不言而喻。华为推出的昇腾AI芯片，被视为缓解“卡脖子”问题的一剂良方，但当前其技术水平主要聚焦于“可用”，距离“好用”与“低成本”的目标尚有一段距离。
算力，这一国家竞争力的核心要素，正日益受到中国政策部门的高度重视。他们寄望通过实施更加精准的产业政策，来强化中国算力产业的国际竞争力。英伟达创始人黄仁勋的“算力即权力”论断，深刻揭示了算力在全球竞争中的战略地位，而美国商务部长雷蒙多的公开言论，则进一步凸显了中美在算力领域竞争的激烈态势。
面对这一系列复杂而紧迫的问题，中国算力产业正站在新的起点上，亟待解答：算力资源为何愈发分散？公有云渗透率的缓慢增长，将如何制约中国新算力周期的战略布局？AI算力支撑下的大模型产业红利，何时才能惠及中国云厂商？算力领域的国产替代进程将走向何方，又将如何影响算力新周期的战略布局？以及，中国算力产业政策的未来走向将如何塑造这一产业的竞争格局？这一系列问题的探索与解答，将为中国算力产业的持续健康发展提供宝贵的方向与指引。
大模型的蓬勃兴起，犹如一股强劲的东风，极大地推动了智能算力市场的繁荣与发展。理论上而言，将算力资源集中于云厂商之手被视为最经济的选择，鉴于AI算力的高昂采购成本、复杂的集群管理挑战以及庞大的研发投入，公有云通过规模效应显著降低算力成本的优势不言而喻。然而，现实却在中国与国际市场之间勾勒出截然不同的图景：国际市场算力资源正趋于集中，而中国市场的算力布局却日益分散。
《财经》杂志通过详尽的数据对比，揭示了近五年来中国与国际市场在公有云IaaS服务及数据中心投资增速上的显著差异。IDC与Gartner的权威数据表明，自2019年起，中国数据中心投资持续升温，增速屡创新高，而公有云IaaS市场的增速却呈放缓态势。反观国际市场，公有云IaaS市场的增长始终领先于数据中心投资增速，新增算力不断向少数几家公有云巨头汇聚。这一现象表明，在中国，尽管数据中心建设如火如荼，但公有云市场却未能同步繁荣。
探究中国算力资源分散加剧的深层原因，可归结为三方面：首先，美国对中国实施先进AI芯片的断供措施，极大地限制了头部科技公司获取新增AI算力的能力；其次，部分国内企业不惜以高价、小批量通过非正常渠道转运被禁运的AI芯片，以解燃眉之急；再者，一批地方城市出于基建投资、招商引资等多重考量，纷纷投资建设以AI芯片为核心的智算中心。在国际舞台上，微软、谷歌、Oracle、Facebook、特斯拉等科技巨头一直是英伟达等供应商先进AI芯片的主要采购方，而在断供之前，中国的阿里、腾讯、字节跳动、百度等企业同样位列其中。
值得注意的是，尽管断供政策严厉，但上述高性能AI芯片仍通过各种途径流入中国市场，只是价格已飙升数倍，甚至达到英伟达官方定价的4至5倍。高昂的价格迫使许多头部科技公司在购买时谨慎行事，以免触碰监管红线。然而，这却为一些投机者提供了可乘之机，包括味精、染料、纺织、化工等非传统算力领域的企业纷纷跨界入局，试图分一杯羹。这些企业的主营业务普遍面临困境，而算力出租业务的高毛利成为了它们眼中的救命稻草。尽管短期内股价有所攀升，但这种跨界投机行为也引发了监管部门的密切关注。
与此同时，地方政府在智算中心建设上的热情高涨，但潜在的风险亦不容忽视。智算中心的高额投资若不能得到有效利用，可能面临利用率低下、投资成本难以回收的问题。更为严重的是，缺乏自我生存能力的智算中心将长期依赖市场补贴，不仅加重财政负担，还可能挤压正常企业的生存空间。多位政策专家因此呼吁，应谨慎对待地方政府亲自下场建设智算中心的做法，避免重复建设和资源浪费。2023年底，发改委等五部委联合发布的《深入实施“东数西算”工程意见》中，也明确提出了对新建大型或超大型数据中心的限制条件，旨在引导算力资源更加合理、高效地布局。
算力资源的分散状态对产业的持续健康发展构成了显著障碍，尤其是在当前大模型技术军备竞赛的激烈背景下，这一问题更显突出。理论上，中国公有云市场应当通过规模化扩张来有效降低采购与研发成本，形成良性循环，正如美国三大云厂商所展现的模式那样。然而，中国云市场的发展轨迹却背道而驰。
2023年，中国云市场格局呈现出鲜明分化：阿里云与腾讯云聚焦于公有云领域的深化，而华为云及运营商云则转向混合云、私有云、专属云等本地部署解决方案的拓展。回顾过去，中国云市场曾长期致力于借鉴美国公有云主导的市场路径，其背后的逻辑在于公有云凭借庞大的规模与高效的运营，能够自然地向全球市场延伸，持续摊薄算力与研发成本，从而实现成本效益的最大化。这一点，无论是云服务供应商还是需求方（尤其是国资背景的大型企业集团）均不讳言，他们普遍认为公有云代表了云计算技术发展的最优方向。
然而，理想与现实之间横亘着难以逾越的鸿沟。公有云在中国市场的渗透率提升遭遇重重阻碍，主要是由于积极采纳公有云的互联网行业陷入持续低迷，需求动力不足。与此同时，占据IT支出大头的政企行业，出于数据安全、监管合规及国有资产保值增值等多重考量，更倾向于选择私有云、混合云及专属云方案。这种偏好即便在面对大模型这一前沿技术时也未有根本性改变，政企市场依旧坚持自建私有云，采用私有化模型路径。
Gartner的最新数据佐证了这一趋势：2022年预测显示，中国混合云采用率将在未来几年内持续攀升，至2024年有望达到70%，远超全球平均水平。事实上，中国公有云市场的增速已显著放缓，而本地部署的云解决方案则保持稳健增长态势。IDC的数据进一步揭示了这一分化现象：2023年上半年，中国公有云市场规模虽有所增长，但增速已滑落至历史低点，远低于全球平均水平；相比之下，专属云市场则展现出强劲的增长势头。
值得注意的是，私有云的泛滥不仅加剧了算力产业的碎片化，也对软件服务业的生态格局造成了负面影响。在人力密集型产业生态中，边际效益递减的规律使得企业难以承担高昂的研发成本，创新动力受限。因此，业内技术专家普遍认为，中国算力产业若要在大模型竞赛中确立规模与成本优势，必须坚持公有云的技术路线，因为公有云平台更易于孕育创新企业，促进软件生态的繁荣。
大模型的兴起为算力产业带来了新的增长契机，中国云厂商普遍对此寄予厚望，期待它能引领云市场走出过去两年多的低迷状态。然而，从财报数据来看，美国云厂商已率先享受到这一波增长红利，而中国云厂商则尚未明显受益。自2023年下半年起，美国云市场因大模型而开始复苏，其中微软智能云表现尤为突出，2023年营收达到962.1亿美元，同比增长17.6%；亚马逊AWS和谷歌云也分别实现了907.5亿美元和330.9亿美元的营收，同比增长13.4%和25.9%。在大模型的推动下，微软智能云在2023年三季度和四季度的营收增速持续攀升，而亚马逊AWS和谷歌云的增速也有所回升。
相比之下，2023年中国云厂商的增长与大模型的关联度并不高，如阿里云全年营收增速低于4%，而天翼云和移动云则主要受益于政企总包项目，实现了上半年超过50%的营收增速。据《财经》了解，2023年华为云的营收增速为36%，这主要得益于其混合云和数据库等PaaS产品的表现。
多位云厂商高管坦言，尽管一些客户从云厂商处购买了芯片、服务器等硬件，但在训模型、用模型方面的进展仍然有限，而这才是大模型真正价值的体现。他们预计，随着商务谈判和落地交付的逐步推进，2024年一季度后，国内大模型的商用案例将会批量出现，届时大模型才会对云厂商的业绩产生拉动作用。
微软作为最早享受到大模型红利的云厂商，一直是中国云厂商的学习对象。微软形成了“云+软件+AI”三条轮动增长的曲线，其中云业务营收增速在20%-30%之间，毛利率约为60%；软件业务营收增速在40%-60%之间，毛利率高达80%；AI算力营收增速甚至超过100%。这三条曲线共同构成了微软的合力，推动了其整体业务的快速发展。
一位华为云高管表示，华为云在战略规划和市场调研方面都瞄准了微软，并拥有一批“尖刀产品”，包括昇腾AI算力、大模型、数据库等。在中国市场，仅提供云资源已无法打动客户，为政府、金融、制造、能源等行业匹配“尖刀产品”才能奏效。
国产替代是中国算力产业的另一个重要影响因素。面对中美科技对抗和全球地缘冲突的加剧，中国正在加速国产替代进程，以掌握算力产业链的主动权。其中，先进AI芯片是国产替代的重中之重，它将直接制约中国算力的技术上限和使用成本。然而，美国对中国在先进AI芯片方面的限制使得中国科技公司难以获得大模型训练所需的算力，算力成本大幅提高。
在此背景下，华为成为了解开这一死结的关键企业。当中国企业无法正常采购英伟达的A100/A800、H100/H800等芯片后，华为的昇腾成为了最现实的国产替代方案。2023年，华为昇腾AI芯片的产能达到了30万-40万片，并得到了包括腾讯、百度、字节跳动、蚂蚁金服等科技公司的采购。然而，昇腾等国产AI芯片在软件生态方面与英伟达存在巨大差距，这导致昇腾目前仅实现了“能用”而非“好用”。为了缩小这一差距，华为正在积极与其他科技公司建立信任关系，并开放昇腾芯片给更多企业使用。
中国算力产业的共识是，尽管美国制裁短期内会给中国算力产业带来痛苦，但现在已经别无选择。研发国产芯片并实现规模化采购是解决问题的现实路径。国产AI芯片的强弱将直接决定中国AI算力的技术上限和使用成本，也会影响大模型的落地进展。
算力正逐步被视为国家间竞争的关键要素。英伟达的创始人黄仁勋甚至明确提出，“算力即权力”。中国政策制定部门日益倾向于在算力市场中实施产业政策，以期解决算力资源分散、利用效率不高的问题，这既是企业的期盼，也是政府的目标。政策制定者的愿景是构建一个覆盖全国的“算力网”，旨在降低算力成本、提升利用效率并扩大应用规模，其中每个参与主体都有明确的角色定位：电信运营商负责构建网络通道以降低网络成本，算力服务商提供算力资源，而中立机构则承担调度与传输算力的任务。
目前，有一个仍在探讨中的设想：算力市场是否应效仿电力市场实行输配分离？对此，云厂商表达了直接的疑虑，他们认为云计算的本质就是算力与调度的紧密结合，这种技术既成熟又高效。输配分离可能并不符合市场的实际供需状况，且鉴于美国市场上已有成功的解决方案，即三家云厂商通过充分的市场竞争已将算力效率提升至最高水平，因此这一设想的可行性值得商榷。
一位来自国资背景咨询公司的专家在讨论中指出，电力市场能够实现输配分离，主要得益于行政意志的推动和国有企业的执行。然而，算力市场的逻辑截然不同，因为大部分算力和数据资源掌握在民营企业手中。因此，只有遵循市场化逻辑，确保企业能从输配分离中获益，这一设想才具备实际执行的可能。
一位曾深度参与信息产业政策研究制定的资深人士在2023年11月对《财经》杂志表示，中国算力利用效率低下的根本原因在于市场的高度碎片化。要解决这个问题，需遵循两大核心原则：一是算力基础设施的建设应以市场为主导，而非政府；二是算力正逐渐成为中美竞争的关键领域，而决定胜负的关键因素在于规模、技术、生态和芯片。在此背景下，应着力培育大型平台企业，为算力企业创造更加宽松的环境，而非增设限制。
关于如何提高中国算力市场的效率，一直是各方博弈的焦点。阿里、华为、电信运营商以及其他算力服务商均提出了各自的见解，这些见解中不可避免地夹杂着各自的商业利益。云计算厂商主张坚持公有云的发展道路，通过市场竞争和技术竞赛来形成类似美国三大云厂商的市场格局。他们认为算力具有一定的技术门槛，不应像电力那样被规划为标准化的资源，以免削弱自身的技术优势。
华为则期望能紧跟政策导向，出售更多的芯片和网络设备，同时保持其在云业务领域的领先地位。在这场博弈中，华为展现出了极高的灵活性和适应性。电信运营商则希望利用其网络、数据中心以及国资背景的优势来争夺更大的市场份额。他们不愿轻易降低网络成本，更不愿为未知需求承担高昂的网络建设成本。
显然，算力已经不再是单纯的商业或技术问题。提升算力产业的整体竞争力已成为广泛共识，而实现这一目标的过程将伴随着各方的博弈与妥协。 
