千億美元AI雲市場，算力軍備競賽之後拼什麼？

作者 | 三北 編輯 | 漠影 近日，一位智算雲企業的工作人員告訴，最近半年，客戶的需求點發生了顯著變化：過去他們問“一張卡多少錢、能租多久”，現在問題變成了“一百萬Token花多少錢、任務能不能穩定跑完”。問題的變化，折射出AI基礎設施的一次重要升級。全球AI雲市場仍在高速擴張。知名行研機構Gartner預計，到2030年AI雲市場將達到2670億美元（約合人民幣1.78萬億元），其中新雲（NeoCloud）廠商有望拿下其中20%的份額，後者也是一個3500億元人民幣級別的市場。但另一面，算力資源利用效率仍然是產業迫切需要解決的問題。

知名行研機構IDC與中國信通院今年4月面向250家企業的調研顯示，近半數受訪企業智算資源利用率在51%至70%之間，製造、政務等行業中，利用率超過70%的企業佔比不足35%。算力產業的下一道題已經顯現：如何讓已經建設起來的算力資源，被更充分、更靈活、更穩定地使用？過去兩年，新雲通過GPU採購、集群建設和算力租賃，完成了商業模式的初步驗證。如今，隨著算力架構、AI負載和客戶需求同時變化，行業的競爭標準也在發生遷移。AI新雲的下一階段，開始從比拼算力規模，轉向比拼算力的組織調度能力。一、從GPU租賃到智能交付，新云為什麼必須升級？回顧NeoCloud的第一階段，核心任務是解決算力供給缺口。

以GPU採購、集群建設和算力租賃為核心，解決AI產業早期的算力供給缺口。資源規模、硬件性能和集群交付速度是主要競爭指標；這相當於誰能拿到卡、建集群，誰就有話語權。但AI產業並沒有停留在訓練階段，需求側正在改變遊戲規則。隨著模型進入應用階段，推理逐漸成為持續性負載。尤其是Agent開始執行多步驟任務後，一次用戶請求可能觸發多輪模型推理、工具調用、代碼執行和數據讀取，任務持續時間也可能從幾秒延伸到數小時甚至數天。這對底層基礎設施提出了新的要求。谷歌在2026年7月發佈的一項調查顯示，在接受調查的1400多名企業IT高管中，83%認為生產級Agentic AI正迫切需要升級基礎設施。

物理AI也進一步拓寬算力需求的邊界，微軟研究院9月關於物理AI的研究則表明，部分推理任務可以從機器人本體卸載到邊緣或雲端GPU，雲邊端協同成為重要新課題。政策側也在推動算力組織方式變化。今年2月，我國工信部推進“1+M+N”國家算力互聯互通節點體系建設，推動不同區域、不同主體、不同架構的算力資源標準化互聯和高效流動，並全面開展算力態勢感知自動化監測。算力從分散建設走向統一監測、互聯調度，資源越來越像一張需要被調度的網絡。橫向看全球新雲，升級動作同樣明顯。

美國頭部新雲廠商CoreWeave已將推理拆分為按Token計費的Serverless Inference、按GPU小時計費的Dedicated Inference和自管Kubernetes推理三種路徑；歐洲新雲廠商Nebius則通過Token Factory提供企業級託管推理，並將其與Nebius AI Cloud的裸金屬算力和serverless能力串聯，形成從算力到推理服務的遞進層級；另一家美國新雲廠商Crusoe也將業務延伸至託管推理、模型微調和集群自動化管理等服務。一位產業鏈人士告訴，新雲上半場拼的是資源獲取能力，下半場拼的是資源組織能力。

客戶需要的已經不只是GPU卡時，轉而變為持續、穩定、經濟地獲得智能產出。新雲也由此從算力資源出租方，逐漸轉向算力組織者和智能交付者。圍繞算力資源的組織、調度與交付，一場關於“可控算力”的競爭正在展開。二、什麼叫“可控算力”？門檻從資產規模改寫為三層能力 所謂可控算力，核心是讓算力資源從“可獲得”，進一步走向“可組織、可調度、可計量、可交付”。而可控算力與擁有算力的本質區別是什麼？可以拆成三層能力：技術層的定製、調度和計量，商業層的資源控制與穩定供應，以及產業層面向客戶交付算力服務。1、技術層：算力可控，先過調度和計量兩道關 第一層是技術控制力，核心在於異構調度和統一計量。

中國信通院《智能算力服務研究報告（2026年）》提出，智能算力服務體系可以分為資源層、互聯互通層和應用層，分別承擔資源匯聚與池化、跨域連接與統一調度，以及場景適配與服務交付等功能。換句話說，算力要真正成為可調用的服務，需要經過資源匯聚、池化管理、任務調度和持續運營等環節。NVIDIA與Nebius在今年2月的聯合測試提供了直觀案例：通過GPU切分（如MIG）或時間分片，半卡資源可達到整卡77%的吞吐量，可承載整卡86%的併發用戶數；混合部署多種模型時，總承載量接近單一模型部署的3倍。折算下來，單位資源的吞吐效率提升約54%。

這說明，同樣一批算力資源，通過不同的切分顆粒度、顯存分配和調度策略，可以形成不同的有效算力。統一計量則是另一項基礎能力。不同芯片的理論峰值、實際性能和適用任務存在差異，需要統一的衡量標準。行業正在探索以DCU，即“一度算力”，作為算力投入側的計量單位。以國內智算新雲廠商九章雲極公開披露的DCU（一度算力）為例，其定義為312 TFLOPS的FP16算力持續運行1小時，記為1度算力；不同芯片的算力投入，由此可以嘗試折算到統一尺度。九章雲極的增長情況也構成了一個觀察樣本。據其公開招股書披露，其可控智算規模已超29000PFLOPS，算力資源利用率從2025年度的56.

0%提升至2026年上半年的79.6%，在504卡集群連續30天滿載運行下，MFU（模型算力利用率）達到54.1%，日間波動率1.60%。這些數據可以讓我們從一個側面觀察軟件調度、資源管理與算力利用效率之間的關係，但並不意味著單一指標就能完整代表平臺的綜合能力。2、商業層：可控算力不必以所有權為前提，運營兌現資本效率 第二層是商業控制力，核心在於資源供應的穩定性和資本效率。算力運營是一門重資產屬性明顯的生意。GPU採購、數據中心建設和設備更新都需要大量資金投入，而芯片迭代速度較快，設備折舊也會影響長期經營成本。

因此，新雲廠商需要回答下面問題：是否必須持有全部底層算力資產，才能保證向客戶持續交付？一種巧妙的思路是不擁有所有算力資產，但通過長期協議控制算力資源的可用性。九章雲極公開招股書披露，其通過訂立3至8年固定期限、且無延期及終止選擇權的租賃合約獲取AIDC及底層算力底座。這種模式把資本效率和資源調度能力放在同等位置，新雲更像算力組織者，更注重保障資源可用性、調度權和服務連續性。當然，長期協議也意味著相應的履約責任和需求匹配壓力。資源鎖定期限、客戶合同期限、價格機制和實際利用率，需要共同納入經營管理。只有當資源供應與客戶需求相匹配，長期協議才能轉化為穩定的服務能力。

3、產業層：從卡時交易到智能交付，服務邊界重寫 第三層是產業控制力，核心在於交付什麼。傳統算力租賃通常以GPU數量和使用時長作為交易單位，客戶獲得的是一段計算資源的使用權。隨著推理服務和Agent應用發展，客戶越來越關心最終任務完成成本、Token產出效率和服務穩定性。這要求新雲廠商把服務邊界從硬件資源延伸到模型部署、推理優化、任務調度和運行保障。計費方式也可能從卡時逐步延伸到Token或具體任務產出。需要強調的是，Token數量本身並不能完全代表智能服務的價值。模型能力、任務複雜度、響應時延、準確性和服務可靠性，都會影響客戶最終獲得的結果。

因此，未來的智能交付需要建立更完整的投入產出評價體系。從資源到產出，技術、商業和產業三層能力彼此關聯。只有資源的供給方，更多依靠資源差價獲得收益；具備部分調度能力的服務商，可以提升資源配置效率；而能夠實現資源定製、異構調度、統一計量、長期供應保障和持續優化交付的運營者，才真正具備可控算力的完整能力。新雲的核心競爭力，正在從資產規模延伸到調度、組織與交付能力。三、客群與負載雙遷移，可控算力正重塑新雲 算力服務的升級，也在反過來改變新雲面對的客戶群體。

早期，少數大型互聯網企業和模型廠商是智算資源的重要需求方；當下，大量AI原生企業、模型廠商和Agent團隊不斷湧現，它們更關注算力的靈活性、可遷移性、成本和實際產出。能夠提供上述“可控算力”服務的新雲廠商，正在承接這一波新增的市場需求。從九章雲極公開招股書能看到趨勢變化，其智算雲客戶從2024年度的2家增長至2026年上半年的84家。這組數據可以作為AI原生算力需求增長的一個觀察樣本，說明這類需求正在真實放量。對於新雲來說，客戶結構的變化意味著服務方式需要更加精細。不同規模的企業可能使用不同的模型、芯片和推理框架，任務類型也會隨產品迭代持續變化。

平臺需要根據客戶需求配置資源，並通過調度和優化降低單位任務成本。不僅客戶在變化，負載也在變化。從訓練到推理，再到Agent和物理AI，每一次負載遷移，都在拓寬新雲的服務邊界。訓練階段，核心考驗是大規模集群的計算性能、網絡通信和長時間運行穩定性。模型進入推理階段後，競爭重點逐漸轉向時延、吞吐量、併發能力和單位Token成本。Agent進一步增加了任務狀態管理、資源彈性分配和長時間運行保障等要求。到了物理AI階段，雲端、邊緣和機器人本體之間的協同計算，又將時延、任務優先級和跨節點調度推到臺前。

CoreWeave為Agentic AI升級計算、存儲和網絡，特別強調多步驟Agent工作流對數據訪問時延的敏感性。可以看到，每一次負載躍遷，都在對“可控算力”提出更高要求。回到產業本身，可控算力要把資源感知、異構納管、動態調度、效率優化和服務交付串聯起來，形成完整運營閉環。先看得見算力，才能管得住算力；管得住算力，才能調得動算力；調得動算力，才能優化算力；最終才有能力把算力轉化為穩定、可持續的AI服務。結語：把算力變成可持續的智能產能，AI新雲進入新週期 AI基礎設施的競爭，正在從爭奪稀缺資源走向提升資源組織效率。

新雲的升級方向，則從資源供給走向智能交付，從擁有算力走向可控算力，從短期供給走向長尾運營。可以預測，未來真正有競爭力的新雲，不只是擁有更多算力的廠商，更是能夠把分散、異構、動態變化的算力資源，組織成穩定、高效、可持續AI服務的廠商。算力軍備競賽之後，下一道門檻已經出現。把算力變成可持續的智能產能，或許才是新雲進入新週期的入場券。