WAIC擠滿“賣鏟人”，但算力服務終究是少數人的遊戲

2026 年的世界人工智慧大會（WAIC）上，人形機器人依然是現場最吸睛的存在，幾乎所有媒體鏡頭都聚焦在它們靈活的動作與互動表現上。然而，走進展館深處，你會發現真正在數量上快速擴張的，是那些自稱「AI Infra」的參展商。從液冷散熱系統、交換機、儲存設備到集群管理軟體，今年各家公司的名片上，幾乎都多了一行「AI 基礎設施」的標籤。整個產業鏈的各個環節，似乎都在拼命往更靠近終端用戶入口的位置移動。這個現象背後其實不難理解。

大型語言模型應用至今仍缺乏明確且穩定的變現路徑，與其投入高風險的應用層開發，不如回過頭來為 AI 產業「賣鏟子」——提供算力基礎設施與相關服務，看起來是一門更確定、更能快速見效的生意。於是，越來越多的廠商湧入這個賽道，試圖在 AI 熱潮中分一杯羹。然而，當你走出熱鬧的展館，回到真實的產業現場，會發現這份喧囂與實際的供需狀況存在明顯落差。目前，算力服務市場呈現出兩極化的極端樣貌：一部分業者正處於滿負荷運轉、客戶排隊等候的狀態，而另一部分卻在公開招商，甚至以接近成本的低價四處尋找客戶。與此同時，許多模型開發企業和科研機構依然在抱怨算力緊張，無法獲得足夠的運算資源來支援他們的研究與產品迭代。

這種矛盾現象透露了一個關鍵問題：賣鏟子的公司雖然變多了，但市場上「真正能用的算力」並沒有同步成長。許多號稱提供 AI 基礎設施的廠商，實際上缺乏足夠的技術能力與資源整合經驗，導致它們提供的算力服務品質參差不齊，甚至無法滿足客戶的基本需求。這也解釋了為何一部分供給過剩，另一部分卻供不應求。從產業鏈的角度來看，算力服務並非一門容易複製的生意。它需要龐大的資本投入、穩定的硬體供應鏈、高效的散熱與電力管理，以及專業的集群運維團隊。這些條件並不是任何一家公司都能輕易達成的。因此，即便 WAIC 展場上擠滿了「賣鏟人」，真正能夠穩定提供高品質算力服務的，終究只是少數具備完整技術與資源的玩家。

進一步觀察，那些能在市場中站穩腳步的企業，往往在特定領域擁有深厚積累。例如，部分專注於液冷散熱技術的公司，因為能有效解決高密度運算的熱管理問題，在展會上吸引了大量客戶洽詢；而一些掌握交換機與網路架構優化能力的廠商，也因為能降低資料傳輸延遲、提升集群效率，成為許多模型訓練團隊的首選合作夥伴。這些公司不僅在產品層面有優勢，更重要的是它們能提供端到端的解決方案，幫助客戶降低建置與維運門檻。反觀那些僅靠低價策略吸引客戶的業者，往往在實際服務中暴露出許多問題。

例如，算力資源分配不均、故障排除效率低落、缺乏彈性擴展能力等，這些問題不僅讓客戶的模型訓練進度受到影響，也進一步加劇了市場對「能用算力」的不信任感。結果就是，價格戰雖然短期內能吸引部分預算有限的客戶，但長期來看，反而讓這些業者陷入更難獲利的困境。從模型企業與科研機構的角度來看，他們真正需要的不是單純的算力數量，而是穩定、可靠且具有可擴展性的運算基礎設施。當市場上出現大量低品質供給時，他們反而更難篩選出合適的合作夥伴，必須花費更多時間與精力進行評估與測試。這也解釋了為何即便展會上湧現大量「AI Infra」廠商，他們依然在抱怨算力不足。

回顧整個 WAIC 的展場動態，可以發現一個有趣的現象：許多參展商雖然在攤位上展示了先進的技術與產品，但實際成交的客戶數量卻遠不如預期。這背後反映的是，算力服務市場已經從早期的高速成長階段，逐漸進入到一個更為理性的競爭格局。只有那些真正能在技術、服務、成本之間取得平衡的企業，才有機會在這一波浪潮中存活下來。總體而言，2026 年的 WAIC 雖然擠滿了「賣鏟人」，但算力服務本質上仍是一場少數人的遊戲。對於有意投入這個領域的新創公司來說，或許應該先想清楚自己能否補齊技術與資源的短板，而不是盲目跟風。

畢竟，在 AI 基礎設施這條賽道上，光有熱情與口號是不夠的，真正能留下來的，只有那些能為客戶創造真實價值的玩家。