超算加速走向产业：按需算力服务覆盖汽车与AI

深夜，新能源汽车企业的仿真中心仍在运行流体模拟。工程师白天完成分析和参数调整，晚上提交计算任务，次日上午即可查看结果。这种“夕发朝看”的方式，正在成为研发实验室的新常态。与此同时，内蒙古、宁夏、新疆等地凭借较低电价和适宜气候建设的大型算力中心，用户已从高校科研机构扩展到汽车、大模型、航空航天和生物医药企业。

五六年前，相关业务中高校和科研场景占比超过70%至80%，如今企业需求已经成为主要增量。IDC《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2576.5EFLOPS，同比增长87.9%，2030年将超过1万EFLOPS。企业过去主要依靠自建集群或高校超算中心，但前者投资和运维成本高，后者资源有限，部分车企CAE任务曾出现积压两周、排队至少12天的情况。

按需使用成为算力服务转型的核心。企业不再需要购买或长期租用固定整机，而是根据研发任务动态获取资源：工程师白天查看前一晚结果，完成调整后让算力持续运行，第二天上班时直接获得新结果。服务商需要在后台完成结果校验、故障自动重跑和资源智能调度，让用户按需使用、闲置时不付费，体验类似用电模式。

随着大模型和AI应用发展，算力需求也从训练逐渐延伸到推理。面向Token调用的服务可为不同行业提供模型推理和应用平台，但不介入客户自身模型与应用。短视频、在线游戏等场景需要低延迟，算力应部署在上海、广州等靠近用户的地区；AI辅助编程等可容忍延迟的任务，则适合放在内蒙古、宁夏、新疆等低成本数据中心。

目前，相关算网已接入约63个算力中心，包括40多个智算中心和十多个超算中心，并通过统一调度系统形成算力池。其“应用运行特征分析”软件可在新客户接入后约4小时内判断任务属于计算密集型还是访存密集型，再匹配性价比更高的资源。面对自建、政企共建和第三方资源并存的情况，平台还需解决定价、结算和收益分配问题。

平台定位主要集中在IaaS和PaaS层，不进入客户的应用和模型业务，以保持算力供应的中立性，降低客户被单一大厂锁定的风险。汽车行业是重要应用领域，汽车制造及新能源业务贡献接近40%的营收。新车研发涉及流体、结构、电池和整车仿真，单次任务有时需要512个乃至上千个核心并行运行；自动驾驶模型训练、AI辅助编程和具身智能又进一步带来GPU、世界模型及场景模拟需求。未来，超算与智算的融合将为不同产业任务匹配更合适的算力，推动算力从“算得快”转向“算得好、算得省”。