2024年春，深圳宣布建設(shè)“鵬城云腦Ⅲ”?？⒐ず?，其算力規(guī)模預(yù)計高達16000P。幾乎同時，中部一座省會城市卻暫停原計劃中的萬卡集群，理由是預(yù)算未過審議。

這不僅是一次技術(shù)性的爭議，更是一場城市間愈演愈烈的競速。一邊高舉旗幟奔跑，一邊猶疑止步回望。建得太早，可能砸出沉沒成本的廢墟；建得太晚，又怕被甩在AI時代的競爭洪流之外。它們的共同焦慮是：人工智能正重塑全球經(jīng)濟格局，城市不進則退。

問題的核心在于，我們是否真的知道，該怎么進？

在人工智能的時代畫卷中，算力如同燃料，將冷冰冰的數(shù)據(jù)點燃，成就智能化的躍遷。然而，當(dāng)城市紛紛籌建萬卡集群時，面臨的一個關(guān)鍵問題是：我們到底是在追隨當(dāng)下的技術(shù)趨勢，還是在為未來構(gòu)建基礎(chǔ)？

有人將算力比作城市的“電力系統(tǒng)”：充沛則繁榮，匱乏則蕭條。的確，自動駕駛、智能制造、語言模型等AI應(yīng)用正在快速消耗算力資源。回顧過往，每一次技術(shù)革新看似省能，但最終都促發(fā)了更大的資源需求。Deepseek提出“高效算法”，試圖降低能耗，卻反而拓展了更多場景。這就像燃油發(fā)動機升級后雖省油，但汽車普及率猛增，反令整體油耗飆升。

社會輿論總在爭論是否要建設(shè)萬卡集群，仿佛建與不建之間就能劃分出勝負(fù)。其實，這種討論本身就顯得狹隘。問題從來不是建與不建，而是為誰而建，因何而建，如何建。

第一問：為誰而建？算力服務(wù)的主體定位

紐約大學(xué)教授克里斯坦森曾提出“破壞性創(chuàng)新”的核心判斷：技術(shù)的價值不在于先進，而在于是否真正解決了用戶的問題。

對一座城市而言，萬卡集群絕非“建了就靈”，而要回答一個本質(zhì)問題——它到底服務(wù)誰？

一些城市傾向于將算力集群建設(shè)成“全國通用”的算力基礎(chǔ)設(shè)施，力圖承接異地大模型訓(xùn)練與遠(yuǎn)程AI服務(wù)，打造區(qū)域級的智算樞紐；而另一些城市則更注重本地化深耕，推動算力資源與本土制造業(yè)、供應(yīng)鏈、工業(yè)數(shù)據(jù)體系深度耦合，形成面向?qū)嶋H場景的智能算力供給體系。

這兩種模式的核心差異在于：你是想做一個“全國模型加油站”，還是打造“本地產(chǎn)業(yè)發(fā)動機”？

2023年，西門子在德國智能工廠試點中，通過AI算力與預(yù)測性算法結(jié)合，成功將停工時間減少30%。這背后的關(guān)鍵并不是“有多少算力”，而是“算力是否服務(wù)了產(chǎn)業(yè)最核心的痛點”。

因此，對中國城市來說，第一步不是單純堆積算力，而是問清楚：我的城市，應(yīng)該發(fā)展什么樣的人工智能產(chǎn)業(yè)？要使算力釋放最大效能，最終還是要融入城市場景，嵌入產(chǎn)業(yè)鏈條，服務(wù)企業(yè)實需。

然而，一些城市在第一步就遭遇了結(jié)構(gòu)性困境：萬卡建成，卻缺乏明確的服務(wù)主體。算力應(yīng)該流向何處、服務(wù)誰的場景、轉(zhuǎn)化為怎樣的效率提升或創(chuàng)新產(chǎn)出，始終沒有被回答清楚。

一個萬卡集群，不會自動孵化智能制造，也不會憑空吸引AI人才。沒有算法優(yōu)化，沒有數(shù)據(jù)集成，沒有本地落地場景，那些高密度的芯片、整齊劃一的機柜，終究只是一排耗能的機器，而不是一座城市的新質(zhì)引擎。

真正走得遠(yuǎn)的，是那些敢于停下來，問自己一句話的城市：“我，是為了炫技在建算力，還是為了解題？”

第二問：因何而建？跟隨模式還是場景開創(chuàng)

AI時代的城市競爭，就像一場看不清終點的馬拉松：誰也不知道哪一代技術(shù)才是“勝負(fù)手”。

是沿用OpenAI、Google那樣的集中式大模型集群，堆硬件、搶芯片？還是押注邊緣算力、低功耗模型，向“輕、準(zhǔn)、靈”的方向突破？跟隨型戰(zhàn)略看似穩(wěn)健：搭建大規(guī)模集群，確保算力規(guī)模遙遙領(lǐng)先。然而，這種模式如同造一座鋼鐵森林，一旦技術(shù)路線發(fā)生變化，投入將化為沉沒成本。開創(chuàng)型戰(zhàn)略則是探索新技術(shù)，如邊緣算力與低功耗模型，將算力布局在更接近終端的地方。這更像是一場關(guān)于未來的賭局：看準(zhǔn)方向則事半功倍，選錯路徑則徒勞無功。

這不只是路線選擇，更是戰(zhàn)略思維的分岔口：是繼續(xù)講別人的成功故事，還是開始寫一篇自己的劇本？

在實踐中，已有一些城市走出了自己的探索路徑。

2023年，特斯拉宣布將Optimus人形機器人團隊的一部分研發(fā)工作落地上海臨港。這是其全球研發(fā)體系的重要一環(huán)。盡管特斯拉并未公開說明選址原因，但從制造自動化基礎(chǔ)到AI人才聚集，再到算法應(yīng)用土壤，上海顯然為其提供了成熟的試驗場。這類產(chǎn)業(yè)導(dǎo)向的技術(shù)部署，與其說是在“訓(xùn)練模型”，不如說是在“訓(xùn)練場景”。

深圳也在嘗試構(gòu)建更靈活的區(qū)域協(xié)同結(jié)構(gòu)。近年來，它積極推動“灣區(qū)算力協(xié)同”機制，試圖聯(lián)動香港、東莞等城市，在智算資源層面實現(xiàn)互聯(lián)互通。以鵬城實驗室和華為云平臺為牽引，灣區(qū)內(nèi)已啟動部分共享調(diào)度和聯(lián)合應(yīng)用試點，初步形成算力與服務(wù)的“互聯(lián)架構(gòu)”。這并不只是硬件數(shù)量的累加，而是希望將算力變成一種可以流動、可以調(diào)度的城市基礎(chǔ)設(shè)施。

這種開創(chuàng)型思路，某種程度上呼應(yīng)了亞馬遜當(dāng)年的云計算范式：不是每家公司都去自建機房，而是將算力變?yōu)橐环N彈性服務(wù)。算力不應(yīng)是固定資產(chǎn)，而應(yīng)是高效工具。不是存放，而是流動。

從這個意義上說，萬卡集群不能只是“能訓(xùn)GPT”的地方，更應(yīng)是“能進工廠、上車間、入社會”的場景化平臺。真正的競爭力，是讓算力和產(chǎn)業(yè)緊緊咬合在一起。

真正的城市差異化，并不在于卡的多少，而在于能否用算力構(gòu)建本地智能生態(tài)。復(fù)制別人的硬件規(guī)模不難，復(fù)制別人的場景適配能力卻極其困難。在一個算力定義地位的時代，最危險的，不是算力不足，而是不知道為什么需要算力。

第三問：如何建？留出升級余地

很多城市陷入了一個誤區(qū)：以為萬卡集群就是GPU堆疊，是一場“顯卡軍備賽”。但深度學(xué)習(xí)模型的歷史告訴我們：最重要的不是“硬”，而是“靈”。

深度學(xué)習(xí)模型如Transformer，最初架構(gòu)較為簡單，后來逐漸優(yōu)化層數(shù)與節(jié)點連接，才展現(xiàn)出了強大的效果。Transformer的成功，并非緣于最初的參數(shù)規(guī)模，而是因為它具備靈活的連接方式、可調(diào)的結(jié)構(gòu)，適應(yīng)不斷變化的任務(wù)需求。這給城市算力建設(shè)的啟示是：不要只顧追求硬件規(guī)模，還要保留靈活調(diào)整的空間。如果只是建一個固定架構(gòu)、沒有彈性接口、沒有模塊化更新能力的“剛性堡壘”，那么面對技術(shù)路線的迭代與場景變化，它就可能成為一個“數(shù)字遺址”。

雄安新區(qū)正在建設(shè)的“雄安智算中心”提供了一種不同思路。它采用模塊化部署與技術(shù)中性架構(gòu)，支持多種異構(gòu)計算平臺，并預(yù)留光子芯片、量子計算等前沿技術(shù)的擴展接口。通過集裝箱式單元設(shè)計與液冷系統(tǒng)的結(jié)合，它顯著降低了系統(tǒng)升級和設(shè)備替換的復(fù)雜度，使整個平臺具備更強的演進能力。

成都高新區(qū)也走了一條“先試后擴”的路徑。在其人工智能計算中心的一期工程中，部署了約3000張加速卡，并通過與本地制造企業(yè)合作，運行真實工業(yè)數(shù)據(jù)，對不同硬件架構(gòu)與散熱方案進行實戰(zhàn)驗證。最終，項目團隊轉(zhuǎn)向液冷+模塊化的組合系統(tǒng)，在提升能效比的同時，也為后續(xù)擴展預(yù)留了充足彈性。雖然沒有公布具體節(jié)省金額，但這套“小步快跑、實戰(zhàn)驗證”的路徑，避免了技術(shù)路線失誤帶來的沉沒成本。

他們都在嘗試一種新的建設(shè)邏輯：不追求一次到位，而追求漸進優(yōu)化；不迷信超配，而堅持按需調(diào)整。

在技術(shù)飛速變化的時代，留出10%的“未來接口”，可能比現(xiàn)在多買1000張卡更值錢。

軟硬協(xié)同：城市的算力不是比誰更強，而是誰更能服務(wù)需求

最后，我們還得回到最容易被忽略的問題：算力的使命到底是什么？

它不是城市的金邊工程，而是推動“智能化落地”的發(fā)動機。真正影響城市競爭力的，不是GPU數(shù)量，而是“算力+算法+場景”的耦合能力。

2023年，杭州高新區(qū)（濱江）與阿里云共建“城市算力底座”，為中小企業(yè)與科研機構(gòu)提供低門檻、高效率的公共算力資源。平臺采用多租戶調(diào)度機制，支持按需調(diào)用與靈活調(diào)配，既提升了利用效率，也降低了使用門檻。雖然沒有官方披露具體利用率，但多方報道顯示，其資源使用效果已遠(yuǎn)超全國同類項目平均水平。這類基于場景調(diào)度的共享平臺，或許比盲目的堆卡行為，更接近“用得值”的本質(zhì)。

而最值得中國城市借鑒的，也許是新加坡的做法。面對全球算力競賽的狂熱，這座島國并沒有急于鋪大攤子、追熱點，而是選擇了一種“精準(zhǔn)打擊”式的策略。根據(jù)《新加坡數(shù)字發(fā)展藍圖》（Digital Connectivity Blueprint, 2023），新加坡將在未來幾年投入約50億新元，用于包括AI在內(nèi)的數(shù)字基礎(chǔ)設(shè)施建設(shè)。不同于一味堆高卡數(shù)的做法，它明確聚焦多個高價值場景，尤其在智慧交通與醫(yī)療影像領(lǐng)域率先落子，算力資源優(yōu)先向這些可驗證、可落地的方向傾斜。

同時，新加坡并不主張由企業(yè)各自為戰(zhàn)，而是推行“政府主導(dǎo)、企業(yè)參與”的協(xié)同機制。通過共享架構(gòu)和彈性調(diào)用，提升了整體資源的使用效率。這種組合拳的結(jié)果，是其AI基礎(chǔ)設(shè)施的利用率常年維持在高位，被業(yè)內(nèi)稱為“小而精”的算力治理樣本。

新加坡用一個克制而精密的規(guī)劃，驗證了一個樸素而有力的原則：與其把GPU鋪滿全城，不如先想清楚，誰在用，用在哪，用得值不值。

這些做法都指向一個共識：算力若不能進入場景、服務(wù)具體問題，它就沒有意義。

推動制造業(yè)智能化升級、實現(xiàn)數(shù)字技術(shù)與實體經(jīng)濟深度融合，才是算力真正的價值歸宿。城市要做的，不是“吸引AI公司來租GPU”，而是讓AI真正參與制造、優(yōu)化制造、改變制造。要學(xué)著把算力變成一個可調(diào)的杠桿，用來撬動制造業(yè)、服務(wù)業(yè)，乃至城市的人才結(jié)構(gòu)與創(chuàng)新生態(tài)。

例如，對于一座以制造業(yè)為主的城市來說，算力不是靜態(tài)堆積的資源，而是推動產(chǎn)業(yè)升級的驅(qū)動力量。其真正價值，在于能否嵌入生產(chǎn)流程、改造制造環(huán)節(jié)、提升工業(yè)效率，實現(xiàn)“AI+制造”的深度融合。

而對于一座以服務(wù)業(yè)見長的城市，算力同樣不能只是訓(xùn)練模型的后臺，而要成為重塑服務(wù)流程的接口：嵌入物流系統(tǒng)，實現(xiàn)精準(zhǔn)調(diào)度；融入文旅體驗，提供個性化推薦；支撐金融風(fēng)控，提升實時識別能力。

無論是制造強市，還是服務(wù)大市，算力的歸宿都不在服務(wù)器機房，而在產(chǎn)業(yè)鏈條的各個環(huán)節(jié)，在千行百業(yè)的操作現(xiàn)場。

萬卡集群：不是一座城市的終點，而是智能時代的起點

在數(shù)字經(jīng)濟的浪潮中，算力競爭不應(yīng)是盲目的攀比，而應(yīng)是理性的布局。萬卡集群建設(shè)只是手段，城市產(chǎn)業(yè)升級才是核心命題。我們不應(yīng)排斥算力建設(shè)，也不能盲目跟風(fēng)，而是要在浮躁的競賽中保持清醒，在劇烈的變化中保有韌性。我們不是要停下腳步，而要確保走在正確的方向上。這是所有城市在萬卡時代真正要回答的問題。

我們真正需要的，并不是一場比拼算力規(guī)模的“軍備競賽”，而是深入思考，如何將這些計算資源有效融入城市的產(chǎn)業(yè)體系與發(fā)展戰(zhàn)略之中。算力不是目的本身，而應(yīng)成為推動產(chǎn)業(yè)轉(zhuǎn)型升級、釋放新質(zhì)生產(chǎn)力的關(guān)鍵支撐。唯有把算力投入應(yīng)用場景、嵌入產(chǎn)業(yè)鏈條、落到實際問題上，才能真正服務(wù)于高質(zhì)量發(fā)展的大局。

這場競爭的真正落點，并不在于算力規(guī)模，而在于能否改變城市的產(chǎn)業(yè)面貌。正如那句航海老話所說：“不是看風(fēng)往哪吹，而是看風(fēng)能吹動什么?！?/p>