超算产业迁徙：从科研象牙塔走向企业主战场，算力中立模式崛起

事件概述

随着人工智能和大模型技术的爆发，高性能计算（HPC）与智能计算（AI Computing）的需求主体正在发生根本性转变。过去以高校和科研机构为主的超算服务市场，如今正加速向新能源汽车、航空航天、生物医药及大模型企业等产业领域渗透。这一变迁不仅体现在用户群体的扩大，更深刻反映了算力使用模式从“追求极致速度”向“追求性价比与效率”的商业重构。

核心信息

1. 市场需求结构性巨变

• 用户重心转移：据并行科技行业事业部总经理吕昇亮透露，五年前其业务中高校科研场景占比超过70%-80%，而今年企业端需求已成为绝对主力。
• 规模预测：根据IDC发布的《2026年中国人工智能计算力发展评估报告》，预计2026年中国智能算力规模将达到2576.5 EFLOPS，同比增长87.9%；到2030年将突破万EFLOPS大关。
• 传统模式瓶颈：企业自建集群面临高投入、重运维及难以应对研发潮汐效应的问题；依托高校超算中心则常遭遇资源有限、任务积压严重（如车企CAE仿真任务排队长达12天）的效率困境。

2. 商业模式创新：“夕发朝看”与Token经济

• 按需供给模式：针对研发工作存在的“潮汐效应”，行业推出了“夕发朝看”的业务模式。工程师白天分析结果并调整参数，夜间利用闲置算力继续运行计算，次日清晨获取结果。该模式类似电力使用，实现“想用即用，不用计费”，消除了资源错配。
• 推理场景驱动：随着大模型Token调用量激增，算力重心从训练转向推理。不同场景对延迟敏感度不同：
  • 低延迟场景（如短视频、在线游戏）：需部署在靠近用户的东部城市节点。
  • 高吞吐/低成本场景（如AI辅助编程、离线训练）：可部署在内蒙古、宁夏、新疆等电费低廉的西部数据中心。
• Token工厂：合作伙伴推出面向推理场景的Token工厂，提供算力与平台服务，但不介入客户具体的模型和应用开发。

3. “并行算网”与技术架构

• 统一算力池：通过接入全国约63个算力中心（含40+智算中心、10+超算中心），构建统一的算力资源池。
• 智能调度系统：自主研发“应用运行特征分析”软件，能在4小时内判断新客户的任务属性（计算密集型或访存密集型），从而匹配性价比最优的计算资源。
• 中立第三方定位：坚持只做IaaS（基础设施即服务）和PaaS（平台即服务）层的基础架构，不触碰客户的应用层。这种中立性避免了大厂既做裁判又做运动员的竞争风险，保障了客户业务的独立性。

4. 典型应用场景：新能源汽车与具身智能

• 汽车制造占比最高：汽车制造是超算服务营收最大的板块，占比接近40%。涵盖流体仿真（空气动力学）、固体仿真（结构强度）、电池仿真及整车仿真等环节，常需512至上千个核心并行工作。
• AI赋能研发全流程：
  • 自动驾驶：依赖GPU算力进行大模型训练。
  • 软件开发：AI辅助编程改变工程师工作流，自然语言指令替代部分代码编写。
  • 具身智能：融合超算的仿真能力与智算的世界模型/AI场景能力，形成“超智融合”趋势。

值得关注

超算产业已从单一的科研辅助工具演变为支撑千行百业数字化转型的基础设施。未来三到五年，随着AI应用深入生产环节，由算力中立供应商提供的分布式、智能化调度网络，将成为解决算力成本、时效性与安全性平衡的关键基础设施。