智算云需求变了：从租卡问价到按Token算账，市场拼什么？

智东西 作者 三北 编辑 漠影

最近半年，一家智算云企业的工作人员向智东西透露，客户关心的事明显换了：以前开口是“一张卡多少钱、能租多久”，如今变成“一百万Token要花多少、任务能不能稳稳跑完”。

问法一变，AI基础设施其实已经往前走了一级。

全球AI云市场还在快速膨胀。Gartner的预测是，2030年这一市场会做到2670亿美元（约合人民币1.78万亿元）；其中新云（NeoCloud）厂商有望占到20%，算下来是3500亿元人民币级别的盘子。

可另一头，算力利用率仍是产业绕不开的难题。IDC与中国信通院今年4月调研了250家企业，结果显示近一半受访企业的智算资源利用率落在51%至70%区间；制造、政务等行业里，利用率超过70%的企业不到35%。

下一道题已经摆在面前：建好的算力资源，怎么用得更充分、更灵活、更稳定？

过去两年，新云靠买GPU、建集群、出租算力，把商业模式初步跑通了。现在算力架构、AI负载、客户需求三头同时变，行业的竞争标准也跟着挪。

AI新云下一阶段要比的，不再是算力规模大小，而是把算力组织调度起来的能力。

一、GPU租赁到智能交付，新云为何非升级不可？

回看NeoCloud的第一阶段，核心任务就是补上算力供给的缺口。

买GPU、建集群、租算力，是那个阶段的主线；竞争指标看资源规模、硬件性能、集群交付速度。说白了，谁能拿到卡、把集群建起来，谁说话就硬气。

但AI产业没有停在训练这一步，需求侧正在改写规则。

模型进入应用阶段后，推理渐渐成了持续性负载。Agent开始执行多步骤任务以后，一次用户请求可能牵出多轮模型推理、工具调用、代码执行和数据读取，任务时长也可能从几秒拉长到数小时乃至数天。

底层基础设施因此被提出新要求。谷歌在2026年7月发布的一项调查中，受访的1400多名企业IT高管里有83%认为，生产级Agentic AI正迫切需要基础设施升级。物理AI又把算力需求的边界往外推了一步：微软研究院9月关于物理AI的研究表明，部分推理任务可以从机器人本体卸载到边缘或云端GPU，云边端协同成了重要新课题。

政策侧同样在推动算力组织方式的变化。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，让不同区域、不同主体、不同架构的算力资源实现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。算力从分散建设转向统一监测、互联调度，越来越像一张需要被调度的网络。

横向看全球新云，升级动作也很明显。美国头部新云厂商CoreWeave把推理拆成三条路径：按Token计费的Serverless Inference、按GPU小时计费的Dedicated Inference，以及自管Kubernetes推理；欧洲新云厂商Nebius通过Token Factory提供企业级托管推理，并与Nebius AI Cloud的裸金属算力和serverless能力串起来，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则把业务延伸到托管推理、模型微调和集群自动化管理等服务。

一位产业链人士对智东西说，新云上半场拼的是拿资源的能力，下半场拼的是组织资源的能力。

客户要的已经不只是GPU卡时，而是持续、稳定、经济地拿到智能产出。新云的角色也随之从算力资源出租方，慢慢变成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”的竞争正在铺开。

二、“可控算力”指什么？门槛从资产规模

可控算力的核心，是让算力资源从“可获得”再往前一步，做到“可组织、可调度、可计量、可交付”。

那可控算力和拥有算力，本质区别在哪？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：算力要可控，先过调度和计量两道关

第一层是技术控制力，关键落在异构调度和统一计量上。

中国信通院《智能算力服务研究报告（2026年）》把智能算力服务体系划成三层：资源层、互联互通层和应用层。三层各管一摊——资源汇聚与池化、跨域连接与统一调度、场景适配与服务交付。说白了，算力想变成真正能调用的服务，得走完资源汇聚、池化管理、任务调度、持续运营这几道工序。

NVIDIA和Nebius今年2月做过一次联合测试，结果挺直观：靠GPU切分（比如MIG）或者时间分片，半张卡能跑到整卡77%的吞吐量，并发用户数能撑到整卡的86%；几种模型混着部署时，总承载量接近单模型部署的3倍。折算下来，单位资源的吞吐效率提升约54%。同一批算力，切分颗粒度、显存分配和调度策略换一换，有效算力就不一样。

统一计量是另一项基础能力。不同芯片的理论峰值、实际性能、适用任务都不一样，得有个统一的衡量标准。行业里正在试的，是以DCU（“一度算力”）作为算力投入侧的计量单位。

国内智算新云厂商九章云极公开披露过自己的DCU定义：312 TFLOPS的FP16算力连续跑1小时，算1度算力。有了这个尺子，不同芯片的算力投入就能试着折算到同一标准上。九章云极自身的增长也是个观察样本。公开招股书显示，其可控智算规模已超29000PFLOPS，算力资源利用率从2025年度的56.0%升到2026年上半年的79.6%；504卡集群连续30天满载运行，MFU（模型算力利用率）达到54.1%，日间波动率1.60%。

这组数据能帮我们从侧面看软件调度、资源管理和算力利用效率之间的关系。不过单一指标并不等于平台综合能力的全部。

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。

算力运营是门重资产生意。GPU采购、数据中心建设、设备更新，哪一样都要砸大钱；芯片迭代又快，设备折旧会长期压着经营成本。

于是新云厂商得回答一个问题：是不是非得把底层算力资产全攥在手里，才能给客户持续交付？

有一种思路挺巧：不拥有全部算力资产，靠长期协议把算力资源的可用性控制住。九章云极公开招股书披露，其通过3至8年固定期限、无延期及终止选择权的租赁合约，获取AIDC及底层算力底座。这种打法把资本效率和资源调度能力摆在同一位置，新云更像算力的组织者，看重的是资源可用性、调度权和服务连续性。

长期协议当然也意味着履约责任和需求匹配的压力。资源锁定期限、客户合同期限、价格机制、实际利用率，这些得一起纳入经营管理。资源供应和客户需求对上了，长期协议才能变成稳定的服务能力。

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。

传统算力租赁一般按GPU数量和使用时长计价，客户拿到的是一段计算资源的使用权。推理服务和Agent应用起来之后，客户越来越在意最终任务完成成本、Token产出效率和服务稳定性。

这就要求新云厂商把服务边界从硬件资源往外推，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慢慢扩到Token或具体任务产出。

不过，光看Token数量，并不能把智能服务的价值说全。客户最后拿到什么样的结果，还取决于模型能力、任务复杂度、响应时延、准确性以及服务可靠性。也就是说，未来做智能交付，得有一套更完整的投入产出评价体系。

从资源到产出，技术、商业、产业三层能力彼此关联。只做资源供给的，更多靠资源差价赚钱；有部分调度能力的服务商，能提升资源配置效率；而能做到资源定制、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，才算具备可控算力的完整能力。

新云的核心竞争力，正从资产规模往调度、组织与交付能力上延伸。

三、客群与负载双迁移，可控算力正重塑新云

算力服务升级，也在反过来改变新云面对的客户群体。

早些年，智算资源的大客户主要是少数大型互联网企业和模型厂商；如今，大批AI原生企业、模型厂商和Agent团队涌现出来，它们更看重算力的灵活性、可迁移性、成本和实际产出。能提供这种“可控算力”服务的新云厂商，正好接住了这波新增需求。九章云极公开招股书里能看出这个趋势：其智算云客户从2024年度的2家增长到2026年上半年的84家。这组数据可以当作观察AI原生算力需求增长的一个样本，说明这类需求确实在放量。

对新云来说，客户结构变了，服务方式就得做得更细。不同规模的企业可能用不同的模型、芯片和推理框架，任务类型也会随产品迭代不断变化。平台得按客户需求配置资源，再通过调度和优化把单位任务成本压下来。

变的不只是客户，负载也在变。

从训练到推理，再到Agent和物理AI，每迁移一次，新云的服务边界就拓宽一次。

训练阶段比拼的是大规模集群的计算性能、网络通信以及长时间运行的稳定性。模型转入推理后，时延、吞吐量、并发能力与单位Token成本就成了竞争焦点。到了Agent阶段，任务状态管理、资源弹性分配、长时间运行保障等要求又叠加进来。

再往物理AI走，云端、边缘与机器人本体之间的协同计算，把时延、任务优先级和跨节点调度推到了前台。

CoreWeave围绕Agentic AI对计算、存储和网络做了升级，并特别提到多步骤Agent工作流对数据访问时延很敏感。负载每跃迁一次，对“可控算力”的要求就更高一层。

回到产业本身，可控算力得把资源感知、异构纳管、动态调度、效率优化和服务交付串成一条线，形成完整的运营闭环。算力先要看得见，才谈得上管得住；管得住，才调得动；调得动，才有优化的空间；走到这一步，才算有能力把算力转成稳定、可持续的AI服务。

结语：把算力变成可持续的智能产能，AI新云进入新周期

AI基础设施的竞争，正从抢稀缺资源转向提升资源组织效率。新云的升级路径也随之变化：从资源供给到智能交付，从拥有算力到可控算力，从短期供给到长尾运营。

未来真正有竞争力的新云，恐怕不只是算力更多的厂商，而是能把分散、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。算力军备竞赛过后，下一道门槛已经摆在面前——把算力变成可持续的智能产能，或许正是新云进入新周期的入场券。