共计 1705 个字符，预计需要花费 5 分钟才能阅读完成。
📋 文章目录
Core Scientific 140 亿美元豪赌 AMD：中国智算中心的算力租赁破局之道
Core Scientific 与 AMD 达成的 140 亿美元合作协议，标志着 AI 基础设施正从 NVIDIA 单一依赖向 多元化算力生态 转型。对于中国 IDC 企业而言，这一案例的核心启示在于：在国产芯片（如华为昇腾、海光）与非国产芯片混合部署的背景下，必须通过 异构算力池化 和精细化调度来解决兼容性难题，从而将传统的“机柜租赁”升级为高溢价的“算力服务”。本文旨在为国内智算中心提供关于 GPU 集群部署、散热重构及定价策略的实操建议，帮助企业在算力成本优化中建立竞争壁垒。
全球 AI 算力格局重塑：AMD Instinct 生态的崛起与挑战
AMD 正在通过大规模资本支出打破 NVIDIA 在 AI 训练市场的垄断地位，构建具备竞争力的替代生态。
长期以来，NVIDIA 凭借 CUDA 生态占据了全球 AI 加速卡市场 90% 以上的份额「据 TrendForce 2024 年 Q1 数据」。然而，Core Scientific 宣布在未来几年内部署高达 1.1GW 的 AMD Instinct MI300 系列加速器，总价值约 140 亿美元，这一举动不仅是产能的扩张，更是技术路线的博弈。MI300X 拥有 192GB HBM3 内存，带宽高达 5.3TB/s，在大语言模型（LLM）推理场景下，其性价比显著优于 H100。
从技术架构来看，AMD 的 ROCm 软件栈正在快速迭代，以缩小与 CUDA 的开发体验差距。对于中国企业而言，关注 AMD 的崛起并非为了直接采购（受限于出口管制），而是借鉴其 软硬解耦 的思路。在国内，我们面临着更为复杂的芯片供给环境，包括华为昇腾 910B、寒武纪思元系列以及进口受限的 A800/H800。借鉴 AMD 的策略，IDC 运营商不应绑定单一硬件供应商，而应建立基于开源框架（如 PyTorch、TensorFlow）的中间件层，实现不同品牌芯片的统一接口调用，降低客户迁移成本。
1.1GW 扩容背后的工程极限：高密度供电与液冷重构
支撑千卡级 AI 集群稳定运行的关键，在于突破传统风冷数据中心在功率密度和散热效率上的物理瓶颈。
Core Scientific 的扩容计划要求数据中心单机柜功率密度从传统的 6 -8kW 提升至 40kW 甚至 100kW 以上。在我们为某大型金融机构实施混合云改造时，曾遇到因局部热点导致服务器降频的问题，这凸显了传统 CRAC（计算机房空调）系统在面对 AI 高密度负载时的无力。根据 ASHRAE 标准，当机柜功率超过 20kW 时，风冷系统的 PUE（电源使用效率）很难控制在 1.3 以下，而采用 冷板式液冷 或浸没式液冷可将 PUE 降至 1.15 以下。
此外，电力基础设施的重构至关重要。1.1GW 的负载意味着需要新建或扩建高压变电站，并部署动态无功补偿装置以应对 GPU 负载瞬间波动带来的电网冲击。在中国“东数西算”节点建设中，许多新建智算中心已开始强制要求液冷比例不低于 30%。IDC 运营商需在建设初期就规划好 高压直流供电（HVDC）链路，减少交直流转换损耗，同时预留足够的冷却水管道空间。这不仅是技术问题，更是 CAPEX（资本性支出）与 OPEX（运营性支出）平衡的经济账。
中国视角：多元芯片架构下的算力池化与统一调度
面对国产与非国产芯片并存的复杂现状，构建统一的算力调度平台是实现资源最大化利用的唯一路径。
与美国相对单一的硬件环境不同，中国智算中心往往需要同时管理华为昇腾、英伟达、海光 DCU 等多种异构算力。在实际操作中，最大的痛点在于 算子兼容性 和通信效率。例如，不同芯片间的 NCCL（NVIDIA 集合通信库）替代品性能差异巨大，导致分布式训练时的线性加速比难以保证。据信通院《中国算力发展指数白皮书》显示，异构算力协同效率每提升 10%，整体集群利用率可提升 15% 以上。
解决这一难题需要引入 虚拟化算力抽象层 断点续训 和自动故障隔离 问题，谁就能在算力租赁市场获得定价权。
IDC 转型建议：从“卖机柜”到“卖算力服务”的商业演进
IDC 企业的核心竞争力正从土地与电力资源，转向算力运维能力与服务化水平。
传统 IDC 商业模式依赖于机柜出租率，毛利率通常在 20%-30% 之间。而在 AI 时代，提供裸金属服务器租赁或容器化算力服务的毛利率可达 40%-60%。要实现这一转型，IDC 运营商必须建立 MLOps（机器学习运维） 服务体系。这包括提供预置的主流大模型镜像、自动化数据预处理管道以及模型微调工具链。
具体策略上，建议采取以下步骤：首先，建立分级定价机制，针对训练型任务（高带宽、高稳定性要求）和推理型任务（低延迟、高并发要求）制定不同的 SLA 标准；其次，推出“算力券”或按需计费模式，降低中小企业使用门槛；最后，加强与算法厂商的合作，形成“算力 + 算法 + 数据”的一体化解决方案。只有通过服务增值，才能抵消高昂的硬件折旧成本，实现可持续增长。
