千亿美元AI云市场，算力军备竞赛之后拼什么？

智东西（公众号：zhidxcom）
作者 | 三北
编辑 | 漠影

近日，一位智算云企业的工作人员告诉智东西，最近半年，客户的需求点发生了显著变化：过去他们问“一张卡多少钱、能租多久”，现在问题变成了“一百万Token花多少钱、任务能不能稳定跑完”。

问题的变化，折射出AI基础设施的一次重要升级。

全球AI云市场仍在高速扩张。知名行研机构Gartner预计，到2030年AI云市场将达到2670亿美元（约合人民币1.78万亿元），其中新云（NeoCloud）厂商有望拿下其中20%的份额，后者也是一个3500亿元人民币级别的市场。

但另一面，算力资源利用效率仍然是产业迫切需要解决的问题。知名行研机构IDC与中国信通院今年4月面向250家企业的调研显示，近半数受访企业智算资源利用率在51%至70%之间，制造、政务等行业中，利用率超过70%的企业占比不足35%。

算力产业的下一道题已经显现：如何让已经建设起来的算力资源，被更充分、更灵活、更稳定地使用？

过去两年，新云通过GPU采购、集群建设和算力租赁，完成了商业模式的初步验证。如今，随着算力架构、AI负载和客户需求同时变化，行业的竞争标准也在发生迁移。

AI新云的下一阶段，开始从比拼算力规模，转向比拼算力的组织调度能力。

一、从GPU租赁到智能交付，新云为什么必须升级？

回顾NeoCloud的第一阶段，核心任务是解决算力供给缺口。

以GPU采购、集群建设和算力租赁为核心，解决AI产业早期的算力供给缺口。资源规模、硬件性能和集群交付速度是主要竞争指标；这相当于谁能拿到卡、建集群，谁就有话语权。

但AI产业并没有停留在训练阶段，需求侧正在改变游戏规则。

随着模型进入应用阶段，推理逐渐成为持续性负载。尤其是Agent开始执行多步骤任务后，一次用户请求可能触发多轮模型推理、工具调用、代码执行和数据读取，任务持续时间也可能从几秒延伸到数小时甚至数天。

这对底层基础设施提出了新的要求。谷歌在2026年7月发布的一项调查显示，在接受调查的1400多名企业IT高管中，83%认为生产级Agentic AI正迫切需要升级基础设施。物理AI也进一步拓宽算力需求的边界，微软研究院9月关于物理AI的研究则表明，部分推理任务可以从机器人本体卸载到边缘或云端GPU，云边端协同成为重要新课题。

政策侧也在推动算力组织方式变化。今年2月，我国工信部推进“1+M+N”国家算力互联互通节点体系建设，推动不同区域、不同主体、不同架构的算力资源标准化互联和高效流动，并全面开展算力态势感知自动化监测。算力从分散建设走向统一监测、互联调度，资源越来越像一张需要被调度的网络。

横向看全球新云，升级动作同样明显。美国头部新云厂商CoreWeave已将推理拆分为按Token计费的Serverless Inference、按GPU小时计费的Dedicated Inference和自管Kubernetes推理三种路径；欧洲新云厂商Nebius则通过Token Factory提供企业级托管推理，并将其与Nebius AI Cloud的裸金属算力和serverless能力串联，形成从算力到推理服务的递进层级；另一家美国新云厂商Crusoe也将业务延伸至托管推理、模型微调和集群自动化管理等服务。

一位产业链人士告诉智东西，新云上半场拼的是资源获取能力，下半场拼的是资源组织能力。

客户需要的已经不只是GPU卡时，转而变为持续、稳定、经济地获得智能产出。新云也由此从算力资源出租方，逐渐转向算力组织者和智能交付者。

围绕算力资源的组织、调度与交付，一场关于“可控算力”的竞争正在展开。

二、什么叫“可控算力”？门槛从资产规模改写为三层能力

所谓可控算力，核心是让算力资源从“可获得”，进一步走向“可组织、可调度、可计量、可交付”。

而可控算力与拥有算力的本质区别是什么？可以拆成三层能力：技术层的定制、调度和计量，商业层的资源控制与稳定供应，以及产业层面向客户交付算力服务。

1、技术层：算力可控，先过调度和计量两道关

第一层是技术控制力，核心在于异构调度和统一计量。

中国信通院《智能算力服务研究报告（2026年）》提出，智能算力服务体系可以分为资源层、互联互通层和应用层，分别承担资源汇聚与池化、跨域连接与统一调度，以及场景适配与服务交付等功能。换句话说，算力要真正成为可调用的服务，需要经过资源汇聚、池化管理、任务调度和持续运营等环节。

NVIDIA与Nebius在今年2月的联合测试提供了直观案例：通过GPU切分（如MIG）或时间分片，半卡资源可达到整卡77%的吞吐量，可承载整卡86%的并发用户数；混合部署多种模型时，总承载量接近单一模型部署的3倍。折算下来，单位资源的吞吐效率提升约54%。这说明，同样一批算力资源，通过不同的切分颗粒度、显存分配和调度策略，可以形成不同的有效算力。

统一计量则是另一项基础能力。不同芯片的理论峰值、实际性能和适用任务存在差异，需要统一的衡量标准。行业正在探索以DCU，即“一度算力”，作为算力投入侧的计量单位。

以国内智算新云厂商九章云极公开披露的DCU（一度算力）为例，其定义为312 TFLOPS的FP16算力持续运行1小时，记为1度算力；不同芯片的算力投入，由此可以尝试折算到统一尺度。九章云极的增长情况也构成了一个观察样本。据其公开招股书披露，其可控智算规模已超29000PFLOPS，算力资源利用率从2025年度的56.0%提升至2026年上半年的79.6%，在504卡集群连续30天满载运行下，MFU（模型算力利用率）达到54.1%，日间波动率1.60%。

这些数据可以让我们从一个侧面观察软件调度、资源管理与算力利用效率之间的关系，但并不意味着单一指标就能完整代表平台的综合能力。

2、商业层：可控算力不必以所有权为前提，运营兑现资本效率

第二层是商业控制力，核心在于资源供应的稳定性和资本效率。

算力运营是一门重资产属性明显的生意。GPU采购、数据中心建设和设备更新都需要大量资金投入，而芯片迭代速度较快，设备折旧也会影响长期经营成本。

因此，新云厂商需要回答下面问题：是否必须持有全部底层算力资产，才能保证向客户持续交付？

一种巧妙的思路是不拥有所有算力资产，但通过长期协议控制算力资源的可用性。九章云极公开招股书披露，其通过订立3至8年固定期限、且无延期及终止选择权的租赁合约获取AIDC及底层算力底座。这种模式把资本效率和资源调度能力放在同等位置，新云更像算力组织者，更注重保障资源可用性、调度权和服务连续性。

当然，长期协议也意味着相应的履约责任和需求匹配压力。资源锁定期限、客户合同期限、价格机制和实际利用率，需要共同纳入经营管理。只有当资源供应与客户需求相匹配，长期协议才能转化为稳定的服务能力。

3、产业层：从卡时交易到智能交付，服务边界重写

第三层是产业控制力，核心在于交付什么。

传统算力租赁通常以GPU数量和使用时长作为交易单位，客户获得的是一段计算资源的使用权。随着推理服务和Agent应用发展，客户越来越关心最终任务完成成本、Token产出效率和服务稳定性。

这要求新云厂商把服务边界从硬件资源延伸到模型部署、推理优化、任务调度和运行保障。计费方式也可能从卡时逐步延伸到Token或具体任务产出。

需要强调的是，Token数量本身并不能完全代表智能服务的价值。模型能力、任务复杂度、响应时延、准确性和服务可靠性，都会影响客户最终获得的结果。因此，未来的智能交付需要建立更完整的投入产出评价体系。

从资源到产出，技术、商业和产业三层能力彼此关联。只有资源的供给方，更多依靠资源差价获得收益；具备部分调度能力的服务商，可以提升资源配置效率；而能够实现资源定制、异构调度、统一计量、长期供应保障和持续优化交付的运营者，才真正具备可控算力的完整能力。

新云的核心竞争力，正在从资产规模延伸到调度、组织与交付能力。

三、客群与负载双迁移，可控算力正重塑新云

算力服务的升级，也在反过来改变新云面对的客户群体。

早期，少数大型互联网企业和模型厂商是智算资源的重要需求方；当下，大量AI原生企业、模型厂商和Agent团队不断涌现，它们更关注算力的灵活性、可迁移性、成本和实际产出。能够提供上述“可控算力”服务的新云厂商，正在承接这一波新增的市场需求。从九章云极公开招股书能看到趋势变化，其智算云客户从2024年度的2家增长至2026年上半年的84家。这组数据可以作为AI原生算力需求增长的一个观察样本，说明这类需求正在真实放量。

对于新云来说，客户结构的变化意味着服务方式需要更加精细。不同规模的企业可能使用不同的模型、芯片和推理框架，任务类型也会随产品迭代持续变化。平台需要根据客户需求配置资源，并通过调度和优化降低单位任务成本。

不仅客户在变化，负载也在变化。

从训练到推理，再到Agent和物理AI，每一次负载迁移，都在拓宽新云的服务边界。

训练阶段，核心考验是大规模集群的计算性能、网络通信和长时间运行稳定性。模型进入推理阶段后，竞争重点逐渐转向时延、吞吐量、并发能力和单位Token成本。Agent进一步增加了任务状态管理、资源弹性分配和长时间运行保障等要求。到了物理AI阶段，云端、边缘和机器人本体之间的协同计算，又将时延、任务优先级和跨节点调度推到台前。

CoreWeave为Agentic AI升级计算、存储和网络，特别强调多步骤Agent工作流对数据访问时延的敏感性。可以看到，每一次负载跃迁，都在对“可控算力”提出更高要求。

回到产业本身，可控算力要把资源感知、异构纳管、动态调度、效率优化和服务交付串联起来，形成完整运营闭环。先看得见算力，才能管得住算力；管得住算力，才能调得动算力；调得动算力，才能优化算力；最终才有能力把算力转化为稳定、可持续的AI服务。

AI基础设施的竞争，正在从争夺稀缺资源走向提升资源组织效率。新云的升级方向，则从资源供给走向智能交付，从拥有算力走向可控算力，从短期供给走向长尾运营。

可以预测，未来真正有竞争力的新云，不只是拥有更多算力的厂商，更是能够把分散、异构、动态变化的算力资源，组织成稳定、高效、可持续AI服务的厂商。

算力军备竞赛之后，下一道门槛已经出现。把算力变成可持续的智能产能，或许才是新云进入新周期的入场券。