来源 | 零壹智库

对话嘉宾简介：黄郑

业界资深科技投资人，科城资本创始合伙人、可可资本管理合伙人;先后任职于世界银行IFC华盛顿总部、中金公司/CICC、新天域资本/New Horizon Capital。

在科技行业与资本市场具有丰富经验与资源，投资赋能人工智能、机器人自动化、新能源科技等赛道多家公司，成功IPO或成为行业龙头、独角兽。

曾获中国大学生“五四奖学金”，在人民大会堂被党和国家领导人接见。毕业于武汉大学、南京大学、约翰霍普金斯大学，获经济学硕士与国际金融硕士;获Doak Barnett Fellowship，发表中、英文学术论文多篇;曾为世界银行IMF华人职员协会董事，现为约翰霍普金斯大学中国校友会理事。

2024年9月12日，在九章云极北京的会议室交流时，“热腾腾”的《AI改变世界》刚好从印厂送到，于是我有幸成为第一批读者。这本书的作者，就是九章云极的联合创始人兼CEO方磊、科珹资本管理合伙人黄郑，黄郑也是九章云极的早期投资人。

上周，在一次读书会上，主持人问及这本书的特点时，我总结了四点读后感：

第一，具有很强的大历史视野。这本书对AI发展史的分期，摆脱了技术细节，而是以生成式人工智能作为分水岭，认为我们刚刚进入AI2.0时代，一个刚刚开始的历史新阶段。同时，作者从技术革命导致的世界大分流与大收敛的视角来分析人工智能革命的时代意义。

第二，用宏观经济的框架来定义“智算经济”。这本书的副标题是“人工智能的新发展与智算经济”，落脚到智算经济，并分析了智算发展的经济效应，提出了基本的测算框架。

第三，用投资视角分析产业发展。阐述了智算产业链的构成、经济价值和投资机会。

第四，丰富的案例。用一系列案例说明智算中心的建设、运营、产业链聚集等，以及围绕智算中心的建设，有哪些产业链上的优秀创业企业。

所以我们推出了这期深度对话。在对话中，黄郑以经济学家的逻辑、投资家的视角，剖析了智算经济的历史拐点、中美竞争、发展机遇、投资价值和投资方式。

本轮AI浪潮成功跨过第一个拐点

零壹财经：在《AI改变世界》中，你们把当前AI的发展阶段定义为AI2.0。AI已有70年左右的历史，经历了很多阶段，有的人把现在的阶段称之为3.0甚至4.0，比如梅拉妮·米歇尔三四年前就出版了《AI3.0》。你们把迄今为止AI发展史分为两段、且第二段刚刚开始，主要思路是什么？与1.0的几十年发展相比，2.0主要分水岭是什么，2.0的基本特征和格局是怎样的？

黄郑：一个产业技术的发展往往遵循S型增长曲线规律，即从萌芽期到加速期再到成熟期，需要跨过两个拐点。

我们将AI划分为1.0和2.0时代，实际上对应了技术发展的这两个重要拐点：萌芽期和加速期。因此，相较于业界一些人将当前阶段称为AI 3.0或4.0，我们认为生成式AI标志着AI进入了一个真正的2.0时代更为贴切。

生成式AI之所以成为AI 2.0的标志，主要有两个核心原因。首先，生成式AI具有极强的通用性，已能够成为多领域的底层技术，推动各领域的广泛创新。

其次，诸多迹象表明，本轮AI浪潮已经成功跨过第一个拐点，“技术-应用-再投入”循环已然形成，规模扩大与技术进步将显著加速。

而AI1.0时代客观上并未跨越这个拐点，且1.0阶段的AI缺乏足够的通用性。虽然当时在自然语言处理和计算机视觉等单个领域取得了显著进展，但AI仍主要用于解决单一问题，未能具备成为基础生产力的条件。

因此，AI 1.0时代未能构建起一个自我加速发展的闭环系统，而这一点正是2.0时代的核心区别所在。

零壹财经：您如何描绘AI2.0时代的经济形态？《AI改变世界》的重点在于智算经济，它是AI2.0时代的经济基础吗？

黄郑：AI2.0时代的经济形态我们可以分两个维度来理解：经济的AI化与AI的经济化。

经济的AI化主要指的是人工智能技术在传统经济领域中的应用和推广。传统经济体系中的各类产业，包括制造业、农业、金融服务业、零售业等，作为经济发展的基础，其业务流程和运营模式多年来依赖于人力和物理设备。

通过人工智能技术的引入，企业可以在多个环节上实现效率提升，甚至完全改变原有的业务模式。

例如在制造业中，传统的生产线依赖人工或简单的机械系统，而AI的加入使得机器能够通过实时数据分析和预测功能更好地优化生产流程，减少浪费和提高效率。

同时，工业机器人还能够承担复杂而重复的任务，大大减少人工成本和生产错误。

AI的经济化主要是人工智能技术本身作为一个独立的经济增长点所带来的新经济形态。

在离身智能领域，AI Agent基于大语言模型获得长足发展。AI Agent市场尚属早期，企业依据自身技术特点、经验积累及客户优势均有机会进入领域，争取属于自身的“蓝海”机会；与世界交互的具身智能也是未来发展方向。

具身智能是指能够与物理环境交互并从交互中学习的人工智能系统，能对世界时空维度的信息进行理解和表达，与大模型为代表的离身智能不同，具身智能不仅有AI算法构成的智能体，还要有真实的物理实体。

目前具身智能的主要形态包括自动驾驶与人形机器人等，多方入局加速其商业化进程。

智算经济带来的世界大分流

零壹财经：“每一次科技革命都隐隐产生了一波世界大分流和大收敛”，你们在书中提出这个问题，“智算经济时代的到来会带来世界大分流还是大收敛？”您的答案是什么？中国在这个大趋势中，将处于在什么位置？

黄郑：每一次科技革命所带来的大分流与大收敛，很大程度上取决于驱动经济发展的核心要素是否具有排他性。

历史上，在早期的工业革命时期，在核心工业技术上占据领先地位的西方国家迅速脱颖而出，实现了经济的飞速增长。

而东方国家，特别是中国，则因缺乏关键资源或技术掉队，导致全球财富和权力格局发生了重大变化，这就形成了强者恒强的 “大分流”格局。

到了信息革命和互联网经济的时代，信息技术本身促进了全球化与合作，降低了信息壁垒和资源流动的障碍。这一时期，中国很好地把握住了机会，赶上了全球科技浪潮，参与了全球化经济的分工合作，形成了所谓的“大收敛”。

在此背景下，智算经济时代的到来更倾向于带来世界大分流。人工智能时代的核心推动力是算力、数据和算法。这三者通过不断叠加，马太效应明显，形成了一个强者更强的局面。

在AI经济中，拥有大量优质数据资源、先进算法和强大计算能力的国家或地区，能够迅速取得优势，并在全球竞争中拉开与其他国家的距离。

当前，中国正处在这一轮全球科技分流的进程中，且具备了拉开与除美国外世界其他大多数国家差距的潜力。

首先，中国拥有成熟的产业体系与庞大的数据基础，这一优势是全球独一无二的。

作为世界工厂，中国在制造业方面积累了大量的稀有工业数据，这些数据无法通过互联网轻易获得，它们构成了中国在智算经济时代的重要竞争优势。

其次，中国在算法和人才方面的潜力也不可忽视。

中国近年来培养了大量的人工智能人才，科研实力显著提升，形成了强大的技术创新能力。

尤其是在与AI相关的基础研究和应用领域，中国的创新潜力不断释放，技术水平逐步逼近全球领先水平。这使得中国有望在智算经济中占据重要的战略位置。

中美算力战略竞争

零壹财经：“在AI2.0的智算经济时代，算力作为关键生产力，已经成为各国科技战略布局的重点。”主要国家之间正在开展算力竞争。当前全球的算力竞争的基本格局是怎样？

黄郑：全球范围内，算力的竞争日益激烈，特别是在科技领先的大国之间。这种竞争不仅体现在算力的总量上，即计算资源的规模和能力，还涉及不同技术路线的选择。

各国在发展算力时，会根据自身的科技水平、产业需求和战略目标，选择不同的技术路径，如云计算、边缘计算、量子计算等，以期在特定领域取得突破和领先。

根据浪潮信息2023年发布的《全球计算力指数评估报告》，美国和中国分列前两位，同处于领跑者位置；追赶者国家包括日本、德国、新加坡、英国、法国、印度、加拿大、韩国、爱尔兰和澳大利亚；起步者国家包括意大利、巴西和南非。

美国的智算建设处于全球独一档的领跑者位置，美国目前无论是智算中心的数量，还是智能算力占全部算力的比重，都遥遥领先于世界。

截止到2024年上半年，美国已经建成超过2000余个智算中心，远远超过中国、欧洲等国家的建设进度。中国的总算力全球第二，但智算力发展仍需提速。我国智算中心建设主体大部分为地方政府。

我国东部多为政府主导建设，西部以云商自建为主。受限于需求不清晰、高性能芯片产业生态不成熟等因素影响，智算规模普遍偏小。

零壹财经：美国在智算中心方面的战略布局是怎样的，它在这方面的政策有何特点？产业格局如何？

黄郑：美国重视智算中心的发展，不断推出政策支持，大厂争相加码布局。

2023年5月，美国白宫在2016年、2019年版本基础上更新发布了《国家人工智能研发战略计划》，其中新增了优先事项“开发共享的大规模和专业的先进计算和硬件资源”；同时，美国各地政府提供了数亿美元的税收减免优惠，以吸引Facebook、谷歌和微软等公司在其地区建立智算中心。

2024年开年后，智算中心运营商便持续扩张，在美国境内、全球各地都不断布局新的智算中心。

美国智算中心主要为商业主导，云商、科技公司借助自身技术壁垒提供大模型及平台服务。

主流云商一方面自建大型智算中心，如亚马逊网络服务AWS和其发布的量子计算管理服务平台Amazon Braket，Meta宣布取消或暂停部分正在建设的数据中心，对其11个正在开发的项目进行重新设计，彻底转向人工智能数据中心的建设，特斯拉面向自动驾驶等领域建设超算中心Dojo，拥有超过100万个训练节点，算力达到1.1 EFLOPS；另一方面加速布局AI大模型，如谷歌“PaLM-2”、Meta“Llama 2”、特斯拉AI机器人“擎天柱”、苹果“Apple GPT”等。

零壹财经：今年1月份，美国商务部提案，明确要求美国云服务厂商限制外国客户、尤其是中国客户对美国智算中心的访问。这是否会进一步拉大中国与美国之间在AI2.0 时代的的发展差异？

黄郑：美国对中国高端显卡和云计算服务的封禁，短期来看或对中国的AI产业造成挑战，但从长期来看，本次封禁也会倒逼中国的科技企业和政府加速推动AI芯片的国产化替代进程。

生成式AI大模型训练过程中，需要大量的计算资源，而这些资源主要依赖于高端GPU和智算中心的支持。

随着美国对高端显卡和云计算服务的封禁，中国企业将面临更大的成本压力，尤其是那些依赖于海外智算中心的初创企业，他们可能需要寻找国内替代方案，或者在硬件方面加大投入。

我们已经看到像华为、阿里巴巴等企业，开始自主研发高端AI芯片，减少对美国芯片的依赖。

例如，阿里和腾讯目前正在测试英伟达为中国市场特供的低性能版芯片，同时也在积极推动国内芯片制造商的合作，开发符合国内市场需求的高性能AI芯片。

同时，国内的云计算服务商也将受益于美国的封禁政策。根据IDC中国的数据显示，阿里云、华为云、天翼云和腾讯云已经占据了中国公有云市场的主导地位。

随着美国云服务商退出中国市场，国内企业将有更多机会拓展自己的市场份额。这不仅是对于国内云计算产业的利好，也会推动国内智算中心的建设步伐。

中国智算的黄金发展期

零壹财经：你们也在书中指出，中国在智能算力方面迎来了黄金发展期。中国在全球算力竞争中的优势和劣势分别是什么？具体而言，黄金发展期的支撑来自于什么？

黄郑：整体而言，优势体现在以下几个方面：

第一，算力总规模全球第二：截至2023年，中国全国在用算力中心机架总规模已超过810万标准机架，算力总规模达到230EFLOPS，这一数字不仅彰显了我国算力基础设施的庞大规模，也标志着我国在算力领域已稳居全球第二的宝座。

第二，智能算力爆发式增长：智能算力规模的快速增长，得益于AI技术的广泛应用和AI大模型的快速发展。预计到2025年智能算力占比将达到35%。

第三，超算数量全球领先：在超级计算机领域，中国同样取得了令人瞩目的成就。根据第56期全球超级计算机TOP500榜单数据，中国部署的超级计算机数量继续位列全球第一，达到226台。

第四，国家级超算中心布局：中国积极建设国家级超算中心，为各行各业提供高效、便捷的算力服务。这些超算中心不仅覆盖了我国的主要经济区域和科研中心，还通过高速网络和云计算技术实现了算力资源的共享和优化配置。

当然，我们在智算发展中也还有一些劣势，比如：

第一，通用算力规模虽大，但智能算力相对不足：AI爆发让全球算力大盘中的智能算力占比提升，通用算力占比下滑。中国通用算力规模虽大，智能算力却相对不足。

第二，芯片“卡脖子”的境遇：中国企业还面临芯片“卡脖子”的境遇。2022年8月美国商务部工业安全局对中国禁售目前全球性能最强的数据中心GPU，限制中国AI能力。

第三，算力产业链协同仍需提升：“东数西算”工程助力我国算力发展踏上新台阶，但距离我国东西部算力协同均衡发展仍有差距。

技术创新是推动中国算力发展的核心动力，也是中国在算力黄金发展期的主要支撑。中国重点支持人工智能芯片的研发和生产，以及大数据处理平台的建设，从而提高算力对AI和大数据应用的支持能力。

随着物联网设备的普及和智能化应用的增加，边缘计算将成为算力发展的重要方向。

中国加快边缘计算设备的部署，推动算力从中心向边缘扩展，满足实时数据处理和低延迟应用的需求。

零壹财经：美国智算的龙头是亚马逊AWS、微软Azure和谷歌云，中国的科技互联网公司在智算中心的布局如何，竞争力如何？

黄郑：中国的互联网巨头在智算中心的布局上，已经形成了一个庞大的算力网络，能够为国内外客户提供广泛的AI服务。

华为、阿里巴巴和腾讯等企业在全国多个重要区域设立了智算中心，并通过自建、合作等多种方式，推动了中国智算基础设施的快速发展。

这些企业的智算中心不仅服务于企业自身的AI技术研发，还为众多中小企业提供了强大的算力支持，推动了中国AI生态系统的快速扩展。

以华为为例，华为已经在京津冀、长三角、粤港澳、贵安和乌兰察布等地布局了五大数据中心。

其中，贵安华为云数据中心是华为全球最大的智算中心，服务范围覆盖了包括重庆、广西、云南、四川等多个省份，具备了100万台服务器的服务能力。这不仅使得华为在国内占据了重要的市场份额，还为其在全球智算市场上赢得了竞争优势。

阿里云作为全球领先的云计算服务提供商，也在国内外广泛布局。阿里云在全球25个地区部署了上百个云数据中心，覆盖了包括张北、河源、杭州、南通和乌兰察布等地的大型智算中心。

通过这些智算中心，阿里云为全球客户提供了全面的云计算和AI服务，特别是在智慧城市、智能制造等领域，阿里云已经成为了国内外客户的首选合作伙伴。

在独立第三方的智算中心建设和运营商中，九章云极领先，通过提供全栈软件系统和高性能算力产品及服务，全面赋能智算中心建设与运营，打造“算力+算法”的全栈AI基础设施体系，实现AIDC即服务的端到端支持。

此外，九章云极在安徽马鞍山、广州、黄山、山东济南等地积累了丰富的智算中心项目经验，已经有多个500P的智算中心建成落地，九章也在积极拓展出海业务，与印尼最大的数据中心服务商NeutraDC、服务器供应商HPE、人工智能云服务商Cirrascale签署战略合作协议，共建下一代高效、智能的AI数据中心。

智算经济的杠杆效应

零壹财经：从投资对经济拉动的角度看，如何衡量智算中心对产业和整体经济的拉动作用，从已有的案例来看效果如何？

黄郑：智算中心的建设对经济增长的拉动作用极为显著：每投入1元算力，就能带动3元至4元的GDP增长。

智算经济通过增强算力——这一新的生产要素，不仅直接增加了经济的生产能力，而且通过促进科技创新和提高管理效率，间接提升了全要素生产率。

例如，智能算法和大数据分析能够优化生产流程，提高资源配置的效率；人工智能的应用可以解放人力，提高劳动生产率；云计算和边缘计算的发展则为存储和处理大量数据提供了可能，这些都是推动经济增长的重要因素。

从具体案例来看，九章云极牵头建设的广东天枢智算中心，为广东省各行业提供了强大的算力支持，推动制造、金融、零售、物流等领域的智能化升级，助力企业实现数字化转型和生产效率提升。

例如，在金融领域，企业可以通过天枢智算中心进行大数据分析和智能风控，提升金融服务的智能化水平。

同时，天枢智算中心的科研平台，为高端人才提供良好的科研环境和发展机会，吸引更多的优秀人才来到大湾区工作和生活。通过与高等院校和科研机构的合作，天枢智算中心为人才提供丰富的学习和实践资源，帮助他们不断提升自身的专业能力和创新能力。

零壹财经：现在各地都在兴建数据中心、算力中心，但是书中提到一个数据，大模型算力的需求每两年可翻 750 倍，而硬件算力两年只能翻 3 倍，前者指数级增长，后者线性增长，根本无法满足需求。鉴于此，您认为在数据中心、算力中心的建设中，如何加快速度并改善结构？

黄郑：算力建设需要创新方案，我们的建议是：

第一，预制化与模块化：设计采用预制化和模块化的建设方式，减少现场施工时间。预先设计和制造标准化的数据中心模块，可以快速部署和扩展。

第二，并行施工与多区域同步推进：在多个地点同时开展建设工作，利用不同区域的优势资源。通过并行施工提高整体建设效率。

第三，优化算力资源配置：根据实际需求动态调整CPU、GPU等计算资源的配比。引入异构计算技术，充分发挥不同类型处理器的优势。

第四，强化软件与算法创新：加大对AI算法和软件优化的投入，提高算力利用效率。发展云计算和边缘计算相结合的模式，实现算力的灵活调度。

第五，构建绿色高效能源体系：采用节能型设备和可再生能源，降低数据中心的能耗成本。实施有效的散热管理和余热回收利用措施。

构建类似于水电系统的智算基础设施

零壹财经：“智算力的普及是的算力服务像水和电一样，成为广泛可用的公共服务。”当前AI 领域正在兴起的一个领域是人形机器人，您认为人形机器人行业是否进入了2.0 的新阶段？如果人形机器人快速发展和普及，对智算的要求会进一步迅猛增加，且更加分散，到时如何像水和电一样满足社会经济对智算的需求？

黄郑：人形机器人行业在生成式大模型的加持下正在逐步进入2.0 的新阶段，但真正大规模产业化还需一些时日。AI大模型可以极大提升机器人的感知、决策和行动能力，是机器人走向通用之路的关键。

通过结合大模型，机器人可以更加准确地识别和理解周围的环境，不仅能够看清物体，还能够推测物体的行为和变化。这种复杂的感知能力使得机器人能够在更加多样化的场景中自主行动，比如家务、医疗护理、教育辅导等。

而在决策层面，大模型能够帮助机器人更好地做出推断和决策，特别是在复杂和未知的环境中，机器人可以基于大模型的推理，做出更加智能化的反应。

大模型对机器人的影响，类似当初深度学习之于AI。它有望解决人形机器人很多迟迟难以突破的根本性难题。

随着AI大模型和机器人更好地融合提升场景的通用性，人形机器人商业化进程将加快。

随着人形机器人的普及，对智算的需求无疑会进一步快速增长。人形机器人本质上是一个高度复杂的系统，包含了大量的数据处理、算法执行和实时反馈。

而这些任务对算力的需求非常高，特别是在处理复杂的多任务和实时计算时，智算力的需求将成倍增加。

如何应对这种快速增长的智算需求？一个重要的方向是构建类似于水电系统的智算基础设施。

智算力应该像水和电一样，成为一种随时可用的公共资源，能够按需分配和使用。通过这种方式，我们可以为分散式的机器人系统提供持续的算力支持，确保它们在不同的应用场景下都能够高效运作。与此同时，算法的优化和硬件的提升同样关键。

随着智算中心和边缘计算技术的发展，如何提升算力的利用率，减少不必要的计算开销，也是一个非常值得关注的问题。比如，通过开发更加优化的机器人算法，让每一台机器人能够在有限的算力下实现更多的任务，减少智算资源的浪费。

新一轮经济振兴的抓手

零壹财经：当前中国正在逐步推出新一轮经济振兴方案，您认为智算中心是否可作为新一轮经济振兴的抓手，应如何推动？

黄郑：智算中心作为推动科技创新和产业升级的关键基础设施，无疑可以成为新一轮经济振兴的重要抓手。在数字经济和AI技术快速发展的背景下，智算中心不仅仅是提供算力的基础设施，它还是推动各行各业实现智能化转型的引擎。

智算中心可以推动创新驱动的发展。通过为企业和科研机构提供强大的计算资源，智算中心能够大幅提升技术创新的效率。

AI、大数据、区块链等新兴技术的研发和应用，都需要依赖强大的算力支持，而智算中心的建设，可以为这些创新技术提供强有力的基础设施保障。

特别是在智能制造、自动驾驶、智慧医疗等领域，智算中心可以帮助企业加速技术研发和应用落地，培育出一批新的经济增长点。

智算中心作为产业升级的引擎，可以推动传统产业的智能化转型。随着数字经济的深入发展，越来越多的传统行业开始引入AI技术，以提升生产效率和管理水平。

智算中心可以为这些行业提供全方位的算力支持，帮助企业优化生产流程、提升产品质量，从而实现产业链的高端化发展。

比如，在制造业中，智能算法可以通过实时数据分析，优化生产线的排程，减少能耗和材料浪费，显著提升生产效率。

智算中心的建设还可以带来人才培养与集聚效应。

作为高科技基础设施，智算中心的运营需要大量的专业人才，包括AI算法工程师、数据科学家、硬件工程师等。

这些高端人才的聚集，不仅可以提升当地的科技创新能力，还能够带动相关产业链的发展，形成良好的产业生态。

特别是在一些科技创新集群，如北京、上海、深圳等地，智算中心的建设可以进一步强化这些地区的科技创新优势，吸引更多的国内外科技企业入驻。

算力招商大有可为，各地政府因地制宜发展算力基础设施，为数字经济发展带来了广阔的前景。

各地在算力招商时，结合本地产业特征和资源优势，灵活制定政策，助力算力中心的落地与扩展。比如，通过财政补贴、税收优惠、专项贷款支持等方式，减轻企业在计算资源投入方面的负担，从而鼓励更多的企业投入到数字经济转型中。

通过因地制宜的政策措施，地方政府不仅在本地形成了特色鲜明的算力产业生态，也助推了区域经济的高质量发展。

从提升国际竞争力的角度来看，智算中心的建设也是增强国家科技实力的重要举措。

随着全球数字化浪潮的推进，科技竞争已经成为国家间竞争的核心之一。

而智算中心作为推动科技创新的重要基础设施，能够帮助国家在全球科技竞争中占据有利身位。通过加强智算中心的国际合作与交流，中国可以输出自己的智算技术和解决方案，提升在全球科技创新领域的影响力。

民间资本的投资方向

零壹财经：书中也讨论了“用资本杠杆加速智算中心建设”，在中国的智算中心新基建及智算经济的发展中，如何有效发挥民间资本的作用？

黄郑：智算中心作为一种高科技基础设施，建设成本非常高，尤其是在初期阶段，企业往往需要投入大量的资金用于建设数据中心、购买高性能硬件设备、以及维持整个系统的运行。

具体来看，民间资本可以通过股权投资、债权投资、合作经营、多元金融工具等方式参与到智算中心的建设中去。

第一，股权投资：民间资本可以通过股权投资的形式，参与到智算中心的建设中。比如，在深圳的七星园数字经济产业智算中心项目中，民间资本通过股权投资的方式，获得了智算中心的部分所有权，并通过该项目的收益实现了资本回报。这种模式不仅可以有效分担企业在智算中心建设中的资金压力，还能够为投资者带来稳定的收益回报。

第二，债权投资：在这种模式中，智算中心建设企业通过发行债券或贷款来获得建设和运营所需的资金，同时承诺在项目收益稳定后按期支付利息并归还本金。这种方式不仅降低了企业的直接融资成本，解决了早期建设中巨额资金需求的问题，同时也为投资者提供了相对稳健的回报。

第三，合作经营：智算中心作为高科技基础设施，通常需要长期的运营和维护，而这为资本方和企业之间的合作提供了广阔的空间。比如，在北京人工智能应用创新产业园的智能算力中心项目中，企业通过与民间资本合作，共同运营智算中心。这种合作不仅可以分担企业的运营成本，还能够通过合作实现资源的共享和利用效率的提升。

第四，多元金融工具：通过设立REITs等金融工具，智算中心建设还可以获得更多的融资渠道。比如，Pre-REITs基金、资产证券化产品等方式，都可以帮助智算中心项目吸引更多的资本投入。这种金融工具的优势在于，投资者可以通过购买智算中心的资产证券化产品，获得稳定的收益回报，而企业则可以通过这种方式，迅速筹集到建设资金，实现智算中心的快速扩展。