当前，国内算力市场的发展态势备受关注，万卡集群稀缺与算力闲置浪费并存的矛盾现象，引发了行业内外的广泛探讨。

“中国算力市场从发展初期就陷入了过度碎片化的困境。” 长期关注算力产业的分析师李博士指出，“企业和地方政府盲目采购GPU的现象屡见不鲜。许多企业在未充分评估自身实际需求、应用场景以及后续运营能力的情况下，便跟风大规模采购GPU；一些地方政府为推动当地数字经济发展，在缺乏科学规划和产业调研的基础上，仓促上马算力基础设施建设项目，大量购置GPU设备。这种盲目行为使得算力资源在市场上呈现出分散布局的态势，难以形成规模效应和协同效应。”算力基础设施的物理分布也很不合理，和当年的新能源汽车行业一样，目的就是要去拿补贴，然而当地根本就没有使用算力需求的企业。截止到2024年10月，国内通过官方已经备案的188个大模型中，超过30%后续已经没有进任何进展；约10%仍然坚持序列，其中一半以上已经转向了AI的应用开发，这对国内算力中心的需求又是雪上加霜。如果算力闲置问题继续持续下去，有可能出现卖卡求生的现象了，这可能就意味着前期的算力配套建设的投资基本上就打了水漂。

谈及算力基础设施物理分布不合理的问题，某大型云计算企业的技术负责人王总表示：“从区域分布来看，东部沿海地区经济发达，数字化程度高，对算力需求极为旺盛，但算力供给却相对不足；中西部地区在政策推动下建设了不少算力中心，算力资源相对充裕，可应用需求却严重不足，大量算力处于闲置状态。这种空间上的供需错配，极大地浪费了算力资源。这与当年新能源汽车行业初期为拿补贴盲目扩张产能的情况类似，部分参与者过于关注短期利益，忽视了行业的长远发展。”

对于万卡集群稀缺的成因，技术集成难度高是重要因素之一。从事高性能计算研发多年的张教授解释道：“万卡集群绝非简单的硬件堆砌，它涉及高性能GPU计算、高性能网络、高性能并行文件存储、智算平台等一系列复杂关键技术的深度整合。在GPU计算方面，要保证每张加速卡稳定高效运行并协同工作；高性能网络搭建需确保数据在海量加速卡间快速、稳定传输，避免拥塞和延迟；高性能并行文件存储要支持大规模数据的快速读写；智算平台则要有强大的管理和调度能力，实时监控和优化调配硬件资源。任何一个环节出问题，都会影响整个集群性能。比如网络带宽不足，即便有大量GPU加速卡，计算能力也无法充分发挥，造成资源浪费。”

建设万卡集群的资金投入巨大，这也是制约其发展的关键。金融分析师刘先生称：“以高端GPU为例，单张价格可能高达数万元甚至更高，采购一万张及以上加速卡的成本就是天文数字。除了硬件采购，后续运维成本也不容小觑，需要专业技术团队进行日常维护，包括硬件故障排查与修复、软件系统升级、网络安全防护等。而且万卡集群运行的电力成本持续且高昂，一个万卡规模的智算中心，每年电费支出可能高达数千万元。如此巨大的资金压力，让许多企业望而却步。”

此外，高端芯片获取受限也严重制约了万卡集群的规模化发展。我国在高性能计算和AI硬件方面与国际先进水平存在差距，尤其是在算力芯片领域。目前，高端算力芯片市场被国外厂商主导。由于国际形势等因素，我国获取高端GPU等AI硬件面临诸多限制，这不仅导致算力服务售价昂贵，增加企业运营成本，还使得建设万卡集群时难以获取足够数量的高端芯片。一些企业原本计划建设万卡集群，就因无法按时获得足够数量的高端GPU芯片，项目不得不延期甚至搁置。

在算力闲置浪费方面，规划与需求脱节是深层原因之一。行业研究员陈女士表示：“许多企业和地方政府在规划算力基础设施建设时，没有做好充分的市场调研和需求分析。对自身所处行业的发展趋势、未来对算力的实际需求规模和类型缺乏准确判断。部分企业盲目追求算力规模，忽视了自身业务场景对算力的实际适配性。比如一些传统制造业企业，业务流程对算力需求主要集中在日常办公和简单数据处理，却跟风建设庞大算力中心，导致大量算力闲置。地方政府在规划区域算力建设时，若未充分考虑当地产业结构和企业分布，建设的算力中心也会与实际需求不匹配，造成资源浪费。”

应用场景开发不足同样不容忽视。某人工智能初创企业的CEO林先生认为：“算力的价值需通过实际应用场景体现。目前国内在算力基础设施建设上有一定进展，但应用场景开发相对滞后。很多企业虽有算力资源，却缺乏与之匹配的创新应用。在人工智能领域，大模型发展迅速，但与实际业务深度融合的应用案例还不够丰富。像医疗领域，理论上可利用算力进行疾病预测、医学影像分析等，但因缺乏成熟应用模式和配套软件，许多医疗机构的算力设备未能充分利用。新兴行业如智能交通、智慧农业等，对算力潜在需求巨大，但相关应用场景还在探索阶段，尚未规模化，导致大量算力闲置。”

市场机制不完善也是导致算力闲置浪费的重要因素。一位不愿具名的行业资深人士透露：“当前国内算力市场缺乏完善的市场机制来有效配置算力资源。一方面，算力租赁市场发展不成熟，存在信息不对称、价格不透明等问题。拥有闲置算力的企业，因缺乏信息发布平台和市场渠道，难以将闲置算力出租；急需算力的企业又找不到合适租赁资源。另一方面，算力交易市场规则和标准不统一，不同企业的算力资源在质量、性能等方面存在差异，却缺乏统一评估和定价体系，阻碍了算力资源的流通和共享。比如在算力租赁市场，有些企业提供的算力服务质量不稳定，时常出现故障，由于缺乏市场监管和约束机制，租用方难以维权，影响了企业参与算力租赁市场的积极性，使得大量算力资源无法合理利用。”

总之，国内算力市场面临的万卡集群稀缺和算力闲置浪费问题，是由技术、资金、规划、应用场景、市场机制等多种因素共同作用导致的。要解决这些问题，推动我国算力产业健康、可持续发展，需要政府、企业、科研机构等各方共同努力，从技术创新、合理规划、完善市场机制等多个方面入手，加强算力建设与大模型发展之间的协同合作。