都在上黄仁勋的“当”？中美AI算力利用率极低，共演“空城计”

在AI产业高歌猛进的发展表象之下，一个令人不安的真相正逐渐浮出水面：中美两国都在斥巨资建造的算力“圣殿”，但内部可能正上演着“空城计”——大量智算中心在重复建设，利用率却极低。

通信领域资深观察家项立刚自2024年下半年起便持续发出警示，他指出中国AI产业似乎正步入一个“重要的歧途”——各大企业与机构都在狂热地追逐智算中心的建设，对芯片数量与算力规模的渴求永无止境。

然而与之形成尖锐讽刺的是“这些昂贵基础设施的实际利用率却低得可怜”。据他接触的多个智算中心反馈：利用率无一能达到30%的及格线，更有不少仅在10%左右徘徊，这种触目惊心的资源闲置。

无疑是一种严重的“自由浪费”，或称其为“结构性过剩与盲目建设”的恶果；项立刚甚至直言：这仿佛是整个行业集体上了芯片巨头英伟达精心布置的“当”——黄仁勋在赚钱，他人在亏钱。

深入剖析这一现象在中国市场的根源，问题的核心更多地指向了供给端的扭曲——为抢抓数字经济的战略机遇，不少地方政府将智算中心视作新基建的标志性工程，并辅以高额财政补贴。

这本是良好的产业引导意愿，却在执行中意外地催生了负面效应——补贴政策在短期内吸引了大量并不真正理解AI行业规律的社会资本盲目涌入。

它们追逐政策红利，而非市场需求，导致了一批低质量、高度同质化的算力中心如雨后春笋般涌现。这些仓促上马的项目，往往从诞生之初就与应用场景严重脱节，加之部分项目技术论证不充分。

建设标准低下，甚至出现了“建成即落后”的尴尬局面，根本无法满足市场对高质量、专用化算力的真实需求。结果便是，低端算力供给大量过剩，而企业真正需要的高端、高效算力却依然供给不足，形成了一种典型的由非市场因素驱动的资源配置失衡。

更严峻的是，这些闲置的算力中心并非静止的成本，它们持续消耗着巨大的电力资源，承担着高昂的运维费用，使得许多项目陷入了“建得起、却用不起”的长期困境，成为甩不掉的财务包袱。

然而，若将视野拓展至全球，尤其是AI产业的另一极——美国，情况则呈现出不同的复杂面向。

尽管暂无确切的全国平均利用率数据公之于众，但美国产业界面临的挑战或许更为深层。其矛盾焦点并非简单的供给过剩，而是直指商业本质：天量的硬件投入与难以实现的盈利之间的巨大鸿沟。

对于美国的科技巨头而言，构建超大规模算力集群所需的投资是天文数字，但如何将这些算力有效地转化为可持续的、规模化的收入，却成了一个悬而未决的难题——比我国的算力利用率还要低一个档次。

大模型推理过程每一次调用都伴随着可观的成本，这使得边际成本无法像传统互联网服务那样趋近于零。与此同时，诸如在线广告这类成熟的互联网变现模式，在应对大模型服务时显得力不从心。

导致收入难以覆盖从芯片采购到庞大电力消耗的全链条成本，整个业务的毛利率被压至极低的水平——好吧，根本谈不上多少毛利，绝大部分都在亏本赚吆喝。

此外，物理世界的资源瓶颈也开始显现——微软等公司的负责人已公开表示，人工智能数据中心的惊人能耗已使部分地区电网不堪重负，电力短缺直接导致大量已安装的先进芯片无法全速运行。

这表明，AI堆算力的狂飙突进已开始撞击能源基础设施的天花板。看清了问题，便需要着手寻求破局之道。

毋庸置疑，算力基础设施的建设，特别是高质量、绿色高效的算力中心，战略价值不容否定，代表着先进制程的芯片产业突破仍是我们必须攻克的核心技术堡垒。

但在另一方面，在持续“堆算力”这条硬科技道路上狂奔的同时，整个产业必须将同等甚至更多的注意力，投向如何扩大AI的应用覆盖面，以及如何高效地利用这些已建成的算力之上。

这要求我们进行双线作战

一方面，需要大力推动算力的调度与普惠化。例如，中国正在探索通过构建全国一体化的算力网络体系，上线高效的算力调度平台（如在“东数西算”工程中，宁夏等地的实践），将原本分散、闲置的算力资源整合起来，形成可统一调度的资源池。

同时，通过向中小企业和创新团队发放“算力券”等方式，降低他们使用先进算力的门槛。这不仅能有效盘活沉睡的算力资产，更能培育广阔的AI应用生态，从需求端拉动算力的有效消耗。

另一方面，则必须寻求技术与商业模式的根本性突破。这不仅包括探索更节能的芯片设计、更高效的模型架构以降低单位计算成本，更需要深入千行百业，挖掘能真正产生商业价值的落地场景。

AI技术必须证明自己不仅仅是实验室的炫技或消费者手中的“玩具”，而是能够切实为企业提升效率、降低成本、创造新增长曲线的生产力工具。

只有当AI的应用能够产生清晰、可测量的“软价值”时，算力投入的巨大“硬成本”才有了坚实的支撑，整个产业才能走出当前“叫好不叫座”的迷局，步入一个健康、可持续的良性发展循环。