文章核心观点 - 国内算力市场存在"高买低卖"困境 即用全球最高价采购GPU 却以全球最低价出租 这种结构性矛盾源于GPU金融资产属性、成本与售价失衡及技术门槛差异 [6][23][28] - 算力行业将在5-10年内从当前动态平衡转向长期卖方市场 多模态AI和具身智能将驱动下一轮算力需求爆发 规模可能超越2022-2023年全球算力荒 [5][10][33] - 边缘计算与数据中心是协同关系而非零和竞争 端侧数据采集将为中央训练计算提供增量需求 最终形成"超大型数据中心+高速互联边缘"的集约化架构 [13][15][17] 行业现状与挑战 - GPU价格受Scaling Law叙事驱动 英伟达市值在最近30个月增长10倍 反映市场对AI未来收益的贴现预期 使GPU具备金融资产属性 [7][23] - 出现算力"结构性过剩"：零散异构算力闲置降价 而成建制高质量算力供不应求 目前仅大厂能提供稳定存储、网络及软件配套的集群 [28] - 行业乱象包括包销协议违约和退租 根本原因是成本与售价倒挂 国内GPU采购价全球最高 出租价全球最低 电力成本外其他成本均高于美国 [6][23][27] 技术发展趋势 - 多模态AI对显存和算力需求远超LLM 但受限于训练数据匮乏 一旦突破将引发算力需求井喷 [10] - 推理算力占比将持续提升 Agent应用预计在6-12个月内爆发 大厂已提前增加推理算力配置 [11][12] - 边缘计算与数据中心形成协同 端侧设备采集的多模态数据需集中到智算中心训练 最终收敛至超大型数据中心+高速互联边缘的高效架构 [14][16][17] 市场竞争格局 - 第三方AIDC厂商需与大客户捆绑定制发展 并借助金融工具突破资金约束 与大厂和运营商竞争 [18] - 行业将向头部集中 类似"百模大战"结局 仅经营效率最优的厂商能存活 创业公司需发展差异化能力 [36][38] - 资本市场关注点分化：短期投资者聚焦硬件先进性和投资回报周期 长期投资者关注算力效率、技术架构及平台生态价值 [19] 企业战略与案例 - 炜烨智算实控算力达2.3万P 年底将达2.6万P 出租率近满租 聚焦国央企需求与地方政府合作 [48][49] - 与商汤科技形成技术+商业化互补 商汤提供全栈AI技术及大装置平台软件 炜烨专注顶级KA客户获取 [42][44][47] - 战略从硬件层向软件和商务模式进化 探索by token计费及合规金融衍生品 提升资产运营效率 [50] 基础设施效率 - 超大型数据中心PUE为1.2-1.5 远优于边缘节点2.0的能耗效率 集约化架构是成本最优解 [17] - 智算项目需提升经营效率、算力效率和能源效率 后续资本热点将向数据算法及应用层转移 [18]