中国能否把分散在各地的算力，变成一个全国性的算力市场？

2025年5月，工业和信息化部发布《算力互联互通行动计划》，推动不同主体、不同技术架构、不同地域的公共算力实现互联互通。计划提出统一算力标识、提升接口互操作能力、建设国家和区域平台、完善互联规则与市场机制，并推动算力供需匹配。到2028年，目标是基本实现全国公共算力标准化互联，逐步形成具备“智能感知、实时发现、随需获取”能力的算力互联网。 [工信部]

要让它真正运转起来，至少有四件事必须同时发生

理解这个正在形成的体系，最简单的方法是把几个经常被混在一起的功能拆开。数据中心不是云，网络也不是调度器；同一家公司则可能跨越不止一个层级。

这些边界并不是固定的。投资层面的真正变化，也恰恰发生在这些边界开始交叉的时候。

GDS是物理基础设施层一个很清晰的例子。2026年9月，GDS以数据中心企业代表身份参与河北省一体化算力网络平台启动。GDS强调的是其廊坊数据中心项目、高密度能力以及基础设施贡献，并没有把自己描述为调度层的运营者。 [GDS]

VNET跨越的层级更多。它仍然是数据中心和连接服务运营商，但华为2026年的一个案例介绍了由华为、VNET和DYXnet共同建设的AI广域网络。华为称，相距10公里的两个VNET节点通过双路400Gbps链路进行协同模型微调，与同节点训练相比，所报告的性能差距低于2%。 [华为]

这里的区别很重要。一个调度器或许能够发现数百公里外的2,000块合适GPU，但如果客户的数据无法高效到达那里，这种发现能力的实际价值就十分有限。算力调度与数据传输必须同步演进。

金山云展示了控制平面可能演变成什么

甘肃庆阳是观察这一新层级如何形成的最清晰案例之一。

2025年12月，庆阳市政府将金山云10万PFlops一体化算力调度平台描述为甘肃/庆阳国家枢纽节点的核心调度系统。平台覆盖基础资源管理、多云管理、全局调度、统一运维和AI应用等层级。其多云管理层已与华为云、阿里云实现对接，而全局调度层则统一金山云东西部资源池，并将算力需求与资源进行匹配。 [庆阳市政府]

庆阳市政府另一篇资料还称，金山云完成了国家试点的一体化算力调度平台项目，其中包括东、西部调度资源池，以及平台各子系统的开发与运营。 [庆阳市政府]

这并不是一个单一的“全国总调度器”

中国正在形成的架构更像一个联邦式、多层级体系。2026年，工信部正式提出“1+M+N”节点体系：1个国家节点、M个区域节点和N个行业节点。区域节点被要求提供资源汇聚、算力选择、标识、监测以及互联调度等服务。 [工信部]

国家算力互联网服务平台还把“算力调度服务商”定义为一种独立角色：根据用户任务、业务需求、任务特征和实时资源状态，将任务分配给合适的算力资源池。该平台同时运行“数据快递”服务，用于匹配长距离数据传输需求、服务商和网络路径；GDS和VNET均出现在相关服务商名单中。 [国家算力互联网服务平台]

体系中还有开源互操作层。中国信通院的CNCOS项目把跨集群任务调度、算力标识感知算法以及原生Kubernetes兼容列为技术特征，主要参与方包括中国信通院、天翼云、移动云、谐云科技和蓝鲸智云等。 [CNCOS]

因此，正在形成的模式并不像一台由政府直接控制的“全国超级计算机”，而更像是以共同规则和标识体系，把多个公共平台、云、网络和商业调度器连接起来。

私营企业可以销售自己并不拥有的算力

Paratera提供了最清晰的商业案例之一。其“Parallel Computing Network”向基础设施合作伙伴提出，可以把合作方的算力纳入统一调度体系。随后，Paratera负责客户获取、方案选择、测试、交付、运维、计量计费、对账和结算，并把最终模式描述为与合作伙伴共享收益。 [Paratera]

这件事的重要性在于，它改变了竞争的基本单位。拥有GPU的公司，不必再与拥有客户关系或调度层的公司是同一家。

投资问题也就自然出现：如果一个调度器能够销售别人拥有的GPU，那么要获取新增价值，是否仍然必须拥有每一台新增服务器？

对Paratera而言，底层商业模式已经被公司直接描述；对金山云而言，这仍然是一个待验证的问题。这个区别非常重要。

国家政策进一步明确了更广泛的方向。国家发展改革委和国家数据局提出培育专业化算网运营商，并探索统一度量、统一计费、统一交易、统一结算。政策还明确提出建立跨地区的算力调度、网络传输、交易结算和收益分配等协同机制，为全国一体化算力大市场打下基础。 [国家数据局]

今天，这个体系实际上能做到什么程度？

“调度”一词可能掩盖完全不同的技术能力。一个能够显示闲置GPU的平台，并不等于能够自动把任务放到这些GPU上的平台；而后者也不能证明一个正在运行的AI训练任务可以在相距很远的集群之间无缝迁移。

因此，我们使用“能力阶梯”来分析不同主张，而不是把所有“调度”都视为同一种能力。

最后这一点至关重要。工信部政策希望应用和数据变得更加可迁移、可调度；CNCOS展示了跨集群任务调度能力；个别系统可以走得更远。但现有证据并不能证明中国分布在不同地区的AI基础设施已经像一台巨大的分布式超级计算机那样运行。

同样，政府的资源可视化或监测数据也不应被等同于“可调度容量”。在国家监测系统中看得见一个设施，不代表任意工作负载都能够被迁移到那里。

任何算力市场下面，都必须有真实基础设施

这又把GDS和VNET带回了故事中心。

它们不需要拥有全国调度平台，也可能从更互联的算力市场中受益。任何被远程调度的工作负载，仍然需要真实的物理承载空间、电力、制冷和连接。跨区域工作负载也可能增加对数据中心之间高速链路以及高性能数据传输的需求。

现在，我们已经有一个把算力调度与电力系统直接连接起来的具体案例。 国网上海市电力公司披露，上海电信、万国数据、上海仪电、阿里巴巴等企业的16家数据中心参加了一次集中协同调用。相关的三天实测还根据电力现货价格信号，在上海、安徽、新疆等地之间调度推理任务。官方披露累计调度推理请求超过28万次、输出超过3300万Token，单位Token的算力用电成本下降约31%。 [国网上海电力]

物理基础设施的交付同样重要。9月25日，光环新网 / SINNET（300383.SZ）披露，拟把其自身和林格尔智算中心项目的计划总投资提高到约25亿元，规划IT负载提高到90–120MW。其可行性报告同时指出，110kV外线供电方案尚未获批。该项目与GDS在和林格尔的项目是两个独立项目。这里的重要信息并不是两家公司存在合作，而是：算力市场最终仍然依赖节点上的电力、网络和融资真正到位。 [光环新网公告]

目前，GDS呈现出的角色尤其偏向物理基础设施。VNET更多地跨越网络与AI算力整合。金山云进入云和调度层。Paratera展示算力聚合和商业化。其他软件提供商则建设市场和编排系统。中国政府正试图通过共同标准和基础设施，让这些不同层级更容易互操作。

最值得关注的公司，往往正处在这些边界的交叉处。

算力能成为一种全国可交易的“公用资源”吗？

不能按字面理解。GPU不是电力。不同工作负载对加速器有不同要求；数据迁移可能困难或昂贵；时延很重要；软件环境并不相同；安全和监管会限制数据或模型能够去哪里；同时，不同AI任务的可迁移程度也差异很大。

但方向是清晰的。中国正在尝试让分散在不同地区的算力具备更多类似公用基础设施的特征：用共同方式描述算力、发现算力、比较算力、把任务路由过去、计量使用、定价并完成交易结算。

这远远不是“在中国西部多建一些数据中心”这么简单。

它试图让算力物理上位于哪里，与客户如何找到并使用这些算力，逐步分离开来。

这种架构最终能否带来更高利用率、更低成本和有吸引力的经济回报，仍然没有答案。但控制平面已经不再只是理论概念。它的一些组成部分今天已经在公共平台、云服务商、电信网络和专业私营调度商中运行。

因此，对投资者而言，下一个问题不应只是“谁拥有最多GPU”。

更重要的是：谁拥有稀缺资产，谁拥有客户，谁决定任务去哪里——以及任务到达后，谁获得收入。