并行科技陈健：“算力买手”模式将激发算力市场的整体活力

并行科技董事长陈健在腾讯WAIC之夜分享

英伟达产品受限的情况下，国产算力如何突围就成了迫切需要回答的问题。

7月27日晚，在2025世界人工智能大会（WAIC）期间的“腾讯WAIC之夜”上，围绕“如何为未来模型和应用做好算力储备”话题，并行科技董事长陈健分享了自己的思考。他认为，算力服务是一个高风险的行业，属于重资产投入。“一卡难求时是好生意，算力卡空闲后，随之而来的是巨额折旧和亏损。”

算力在供给和需求上存在一定的错配，“有算力只是第一步，更重要的是用起来的算力、是能支持好用户的算力。”陈健说。在他看来，算力服务总是在供不应求与供大于求之间反复，供不应求时，客户可以使用合作伙伴的算力；供大于求时，客户会提高自有算力的利用率，退掉合作伙伴的算力。大家都无法承担算力空置带来的巨大压力。

陈健透露，过去大家倾向于使用英伟达的算力，主要是应用容易跑起来、结果准确、性能稳定、用时少。

从应用场景来看，算力用户大致可以划分为“基础大模型训练”“行业模型”“场景模型”“学术、科研”“主流大模型推理”“常规通用推理”“常规推理”几种类型，按需求量来划分，基础大模型训练、主流大模型推理等对算力的需求最大。

陈健指出，在基础大模型的训练方面，国产算力的适配仍有提升空间——"千卡规模可以胜任，但万卡级别仍面临稳定性与加速比等挑战"；而在大模型推理场景（如文生文、文生图、文生视频及图生视频等）中，国产算力已能实现良好覆盖。他强调，当前国产算力已突破"跑起来、跑正确、性能好"三大关卡，若能持续优化性价比，完全具备在多数应用场景替代进口产品的潜力。

并行科技创新的“算力买手”商业模式依托专业选型能力，从多元化供应商及算力资源池中精准筛选最适合的算力产品或服务，通过资源整合形成端到端的算力服务闭环。“该模式构建了高效的价值交换机制，将显著激发算力市场的整体活力与创新生态。”陈健表示。

以下为陈健主题分享全文（在不改变原意的情况下有删减调整）

各位晚上好。

今天非常高兴有这个机会在这里做分享，主办方给我的命题比较高大上，但我想了想，和平时讲的“从客户视角看算力服务和算力网服务”内涵是一样的。我准备了几页内容，会尽量简短。 

先说第一个点，我从2002年清华博士毕业后一直都在做超算、高性能计算，一直做到2023年年初，突然发现我们做了二十多年的技术，竟然成了大模型训练的基座，而且火了！

我们原有业务市场规模大概200亿左右，但大模型领域，国内市场规模至少是原有业务的十倍以上，未来甚至可能达到百倍。

算力服务对应的四类市场、客户画像、产品定位等信息

为什么这么说？因为我们目前做的比较多的是尖端超算、超级计算机大应用、通用超算以及中小规模的计算业务超算。

目前很有幸，国内大多数新能源汽车主要的CAE（计算机辅助工程）仿真设计，都在并行科技的算力服务平台上，这些主要涉及FP64、FP32精度。所以我们说，超算需要的是高精度的计算，智算需要的是BF16、FP8，以及B200上线后出现的FP4。

今年三四月份，我们对国内常见的应用做了一次快速搜索，发现这些应用对浮点数的要求和我们之前考虑的基本一致。但后来发现具身智能的应用，对FP32和FP16有混合要求，这就让人疑惑它到底是超算还是智算。

既然如此，倒不如简化底层，都采用超级计算机架构，包括这次大会最火的华为384超节点超级计算机，不同应用需要不同精度。

最近常被问到，算力到底是怎么回事？为什么有人说算力紧张，有人说算力空闲？

过去两年，很多银行负责风控的负责人，反复问算力相关的事，想知道银行如何支持算力企业。我的回答都是一句话：算力服务是一个高风险的行业。原因很简单，它属于重资产投入，一卡难求时是好生意，供大于求时就会出现算力卡空闲，随之而来的是巨额折旧和亏损。

我们前天发了2025年半年报，上半年营业额4.57亿，算力服务尤其智算部分同比增长了175%，净利大概增长20%。我们仍是A股市场上做算力服务少数盈利的上市企业。

有算力只是第一步，更重要的是用起来的算力，是能支持好用户的算力。所以算力租赁目前风险越来越大。在这种情况下，整个市场该怎么理解？

我们认为算力租赁其实就像租车业务，算力服务是按需提供，就像打专车一样，算力运营则要提高算力利用率、服务好客户。算力网络指的是用户有需求时优先用自己的算力，不足时配合使用合作伙伴的。这种模式帮助并行科技在过去十年，穿越了算力供给多次供求关系逆转的长周期。

算力行业服务模式类比

算力服务总是在供不应求与供大于求之间反复，通过算力网模式，自有一部分资源，再使用一部分合作伙伴的。供不应求时，可使用合作伙伴的算力；供大于求时，努力提高自有算力利用率，减少使用合作伙伴的算力，从而帮助企业穿越周期。毕竟算力生意投资额太大，一旦投的不合适、用户使用不理想，就会非常被动。

接下来重点讲一下，我们和国内大多数的国产算力都有过适配，谈谈体会。国产算力都能用，这是比较欣喜的事，但在满足用户需求过程中，用户需要付出额外适配的工作量。

为什么大家都喜欢英伟达的算力？因为用户的程序想跑起来、结果正确、性能好，花的时间相对比较少。

不同类型芯片的适配工作量情况，仅代表某一应用当时的适配情况

今年DeepSeek出来后，客观说DeepSeek和大模型的优化非常难，但过去几个月，开源社区每过一两周就会有很好的开源项目公布，让用户能在国产算力上迅速得到像DeepSeek这样比较好的性能。

目前我们和华为合作较多，华为适配的工作量还可以，但性价比还有待提升。其他国产芯片的工作量相对有点大，不过可以确定的是都能投入使用，看用户是否愿意付出这些成本。

智算用户的应用场景划分上，我们总结了七个类型，前四个是训练，后三个是推理，这些场景决定了国产算力能不能顶上来。画绿色的场景，我们认为国产算力可以顶上来，没有问题。

不同类型智算用户的需求与产品设计差异

第一个是基础大模型，可能需要1万张卡来训练，这种情况下，我们认为国产算力暂时顶不上来，千卡规模可以，但万卡有困难，在稳定性、加速比方面都需要提升。

推理方面，像文生文、文生图、文生视频，包括图生视频，国内已有非常优秀的企业跑出来了，他们对推理算力的需求很大，这种情况国产算力可以顶上来，但要考虑投入产出比、性价比。

我们和国内算力提供商讨论的结果是，若只算电费和运营费，国产算力完全可以使用。暂时先不考虑建设成本，主要还是性价比问题。

其他像行业模型、场景模型，以及常用的推理服务，像GLM智谱、Llama之类的，在国产算力上适配好之后都没问题。

我们支持学术用户较多，学术做得模型如果是新模型，客观说投入产出比不高，因为做实验、试模型还需要适配国产算力，除非课题就是跟国产算力适配。

今年上半年，客户给我们提了个问题，如果不愿意整包算力3年甚至5年，只想按需使用怎么办？比如需要512张卡用三个月完成单独的训练任务，该怎么处理？

目前我们分三步：第一步，确认跑什么样的模型、有什么边界条件、对显存、存储、带宽有多少要求；第二步，用一个小时左右做快速的应用运行特征分析，根据业务特点查看国内所有算力，以及200多个智算中心是否有卡、卡是否空闲、能不能跑起来、效果如何、性价比怎样，给出客户选择；第三步，用户根据性价比排序，选择能以最低成本完成任务的算力。

据此我们提出了“算力买手”模式，客观说用户自己选择算力也应该使用这个方法。我们目前希望一小时走完这个流程，客户选择后4小时能交付，这是正在努力的方向。

“算力买手”模式的运行逻辑

总体来说，现阶段就我们观察，国产算力在信创市场肯定胜出了，在商业化市场目前还需要提升，主要还是在性价比上。国产算力逐步解决了跑起来、跑正确和性能好的问题，再提高性价比，大多数场景下完全可以顶上来。