这是2026年上半年并行科技的“收成”。同样，几家AI巨头厂商，也“几乎没有一张GPU是闲置的”。
另一边，西部某城一座千卡级智算中心，上架率不足50%，已经上架的服务器实际利用率不足30%，每年运营成本却超过3000万元。行业人士估算，全国智算中心利用率大约只有20%—30%。
一边抢卡，一边空转。
头部AI公司需要的高性能、大规模、稳定集群仍然紧张；一些地方提前建好的算力，却没有找到匹配的客户和应用。
灵控智能创始人彭远洋告诉铅笔道，很多企业并不是不想用AI，而是不知道该用什么模型、买多少算力、数据怎么处理、系统怎么部署，更不知道这笔投入最后能不能带来收入或降本。算力和企业需求之间，还缺一层“连接”。
- 01 – 谁先赚到钱？
彭远洋观察到，深圳一些小型算力租赁公司反而活得不错。它们没有万卡集群，却愿意接几张、几十张卡的小单，离客户更近，也更清楚客户究竟跑什么模型、要用多久。
并行科技则把这门生意做到了更大规模。2026年上半年，公司算力服务收入8.95亿元，占总收入94.62%；企业客户算力服务收入7.05亿元，同比增长168.07%。
它的核心并不是只靠一个机房卖卡，而是通过算网整合不同地域、不同集群的算力资源，再做调度和交付。
这是一门提高周转率的生意。
南京江宁最近上线的“算力超市”提供了另一个样本。试运营阶段只有20家企业接入，却累计调用模型130.8万次，消耗510亿Token。
中电变压器股份有限公司此前想用大模型做招投标文件评审和代码评审，但团队一直被算力价格和模型选型卡住。接入“算力超市”后，企业可以直接选择GPU和主流大模型，按需使用。
企业不是没有AI需求，只是过去购买算力的方式太重。
以前，一个短期项目可能要租整台服务器、签长期合同；现在越来越多平台可以按卡时、核时甚至Token收费。企业只为实际使用付钱，算力公司则可以把一批GPU拆成更多订单。
这也是“算力超市”“算力银行”、GPU租赁和算力调度平台共同在做的事：把分散、异构、闲置的算力重新包装成可购买的标准服务。
但撮合不是暴利。
并行科技上半年算力服务毛利率为16.97%。这意味着，单纯把卡从A卖给B，利润空间并没有想象中厚。真正决定利润的，仍然是同一批GPU能不能被更多客户、更长时间地使用。
- 02 – 一边抢卡，一边空转
为什么算力需求这么大，很多智算中心在“睡觉”？
很多地方建设智算中心，沿用的是基础设施逻辑：先定规模、买设备、建中心，再等需求进来。
但算力不像公路，建好之后不会自动有车来。
新华社旗下《半月谈》调研发现，中部某省规划3个智算中心，总规模1200 PFLOPS（千万亿次），当地数字经济企业不足百家，实际需求不足200 PFLOPS；东部某市两个区县分别建设生物医药和工业互联网智算中心，真正入驻的企业不足10家。
而据国家数据局发布数据，截至2026年6月，中国在用智算中心超500个，另有在建及规划项目近400个。
500座智算中心，如果行业平均算力利用率只有20%—30%，而一家智算中心通常要达到四成左右的上架水平才能跨过盈亏平衡线，那么粗略推算，可能有250—350座仍处在亏损或难以覆盖完整成本的状态。
大模型训练需要高性能芯片、高速互联、存储、集群稳定性和成熟的软件生态；工业、金融等场景又可能对时延、数据安全、私有化提出不同要求。一个地方有空闲GPU，不代表它能直接接住头部模型公司的训练任务。
这就是为什么“巨头缺算力”和“地方算力闲置”同时发生。
而更多普通企业，不知道怎么找到合适的算力。
一家工厂也许只想做视觉质检，一家零售企业只想接入客服，一家公司只需要私有知识库。项目规模可能只有几张、几十张卡，还要有人处理模型选型、数据、部署、安全和成本。
彭远洋说，这里面有大量“脏活累活”。大厂更愿意做标准平台，很难逐个进入碎片化场景；小公司愿意做，但服务链还不成熟。
算力中心缺的，很多时候不是下一批GPU，而是下一批订单。
- 03 – 真正值钱的，是Token
彭远洋判断，对绝大多数普通企业来说，长期购买的是推理算力，也就是直接调用已有模型，把AI接进客服、营销、代码开发、工业检测和知识库。
训练有项目周期，推理却跟着业务持续发生。
这正在改变算力公司的财务模型。
青云科技2025年AI算力云服务收入4336万元，同比还在下降，但毛利率从18.99%升至31.62%。公司给出的原因之一，就是算力资源利用率提升、运营成本优化。
另一家公司展示了重资产生意的另一面。
润建股份2026年上半年算力网络业务收入5.19亿元，同比增长50.31%，并称“Token工厂”商业模式基本闭环；但该业务毛利率只有6.97%。公司解释，主要原因之一是固定资产投产初期折旧较高。
两组数字指向同一个事实：GPU买回来，只是开始。卡只要闲着，折旧仍然发生；利用率一旦提高，每多跑一个任务，都可能摊薄固定成本。
因此，下一批机会未必属于再建一座智算中心的人，而可能属于让同样一批卡产出更多Token的人。
GPU调度、弹性推理、推理加速、多模型路由、成本优化，是第一层机会；再往下，是模型部署、私有化、企业知识库、Agent和垂直行业应用。
后者离客户的钱更近。
当AI只停留在Demo阶段，算力消耗是一次性的；一旦进入生产环节，工厂每天质检、客服每天接单、程序员每天写代码，算力就会变成持续订单。
彭远洋认为，智算中心最该做的是稳定、低成本地提供基础设施，而不是自己包办所有应用。真正懂行业的公司，再把模型和算力接进企业业务。
全国500多座智算中心已经建在那里。下一阶段，行业比的不会只是“谁还有更多卡”。
更重要的是，谁能让一张GPU少闲一分钟，多产一个可收费的Token；谁能把这些Token，变成企业愿意长期续费的业务。
Alex
Miyuki
Weiliang
Anais