|
首页 所有 |
李桂松:全球算力资产竞争格局与资产管理报告(十七) |
| 日期 2026-10-20 作者 李桂松 编辑 北京云阿云 |
全球算力资产竞争格局与资产管理报告 导读:算力即国力。当芯片从设备升维为可计量、可调度、可金融化的战略资产,一场围绕有效算力的全球竞逐已然打响——美企主导、中国追赶,双核格局之下,大国算力博弈中国胜算几何?报告全文20万字,由云阿云智库平台主席兼财政金融院长李桂松原创出品。 报告名称:《全球算力资产竞争格局与资产管理报告》 报告撰写:北京云阿云智库平台主席兼财政金融院长李桂松 课题组长:李桂松院长 课题组成员名单: 李桂松:北京云阿云智库平台主席兼财政金融院长 李国熙:北京云阿云智库平台全球治理研究中心主任 李国琥:北京云阿云智库平台空天学院院长 李嘉仪:北京云阿云平台金融院长 报告完成日期:2026年9月19日 业务联系电话:13360021949(李博士) 第十七章算力资产台账管理 前言:从“设备清单”到“算力账本”的范式转换 算力资产台账管理是整个算力资产管理框架的数据基石。没有准确、完整、动态更新的台账,计量核算、调度优化、效能评价和安全合规都将成为“无源之水”。然而,算力资产台账与传统IT资产台账之间存在根本性的范式差异,这一差异源于算力资产区别于传统IT资产的四个核心属性:异质性、时效性、网络外部性和金融属性。 传统IT资产台账的核心功能是“记录拥有什么”——服务器型号、序列号、机架位置、维保信息。这套台账体系的设计假设是:资产是同质的、价值衰减是平缓的、管理目标是“账实相符”。但算力资产从根本上挑战了这一假设。异质性意味着两台纸面参数相同的GPU服务器在实际运行特定工作负载时的有效算力可能相差数倍,台账必须记录“架构特征”和“软件兼容性”,而非仅仅“硬件参数”。时效性意味着GPU的技术迭代周期(18-24个月)远短于物理寿命,台账必须追踪“代际状态”和“技术贬值曲线”,而非仅仅“购买日期”。网络外部性意味着单卡的价值远低于集群的价值,台账必须记录“互联拓扑”和“集群归属”,而非仅仅“机架位置”。金融属性意味着算力资产的市场价值可能显著偏离账面价值,台账必须支持“公允价值重估”和“租赁状态追踪”,而非仅仅“历史成本折旧”。 这些差异共同指向一个范式转换:算力资产台账需要从“设备清单”升级为“算力账本”。设备清单回答的是“我有什么”,算力账本回答的是“我能用这些资产做什么、成本是多少、价值在哪里”。本章将围绕这一范式转换,系统构建硬件资产台账、软件资产台账、网络资源台账和能耗资产台账四类核心台账的登记规范和管理机制。 一、硬件资产台账 (一)计算芯片资产:从“序列号”到“有效算力画像” 计算芯片是算力资产中最核心、最昂贵、迭代最快的组成部分。硬件资产台账对计算芯片的登记,需要从传统的“序列号+型号”记录,升级为“有效算力画像”记录。 GPU/NPU单卡登记要素应包含四个层级的字段。 第一层:唯一标识与权属信息。 这一层是台账的“身份基础”。根据Nautobot GPU资产管理模型的设计,每块GPU必须基于一个“GPU类型”存在,必须有名称,且必须分配到一个设备或存储位置。登记要素包括:资产编号(企业内部的唯一编码)、序列号(厂商唯一标识)、资产标签(物理粘贴的条码或RFID标签)、权属状态(自有/租赁/托管)、财务信息(采购价格、采购日期、折旧年限、当前账面净值)。 第二层:芯片规格与架构特征。 这一层是传统台账中最被忽视但算力资产中最关键的维度。登记要素包括:芯片型号(如H100/B200/GB200/Rubin,昇腾910C/950PR/950DT,昆仑芯P800)、制程工艺(如4NP/3nm/2nm)、显存规格(容量、类型如HBM3e、带宽如7.2TB/s)、互联拓扑(NVLink版本与带宽、灵衢UnifiedBus版本、NVSwitch配置)、计算精度支持(FP64/FP32/FP16/FP8/FP4/HiF8)。这些字段的管理含义是:芯片的“有效算力”不仅取决于FLOPS的绝对值,还取决于显存带宽、互联质量和精度支持。一块FP4算力极高的芯片,如果显存带宽不足,在实际大模型推理中可能表现不佳。 第三层:代际与生命周期状态。 这一层是算力资产“时效性”属性的直接体现。登记要素包括:芯片代际(如Hopper/Blackwell/Rubin,或昇腾910C/950/960)、代际状态(当前主力/上一代/退役待处置)、技术贬值曲线标记(根据芯片型号和发布时间,标记其在“核心算力-边缘算力-退役算力”分层中的位置)、剩余经济寿命估计。华为昇腾芯片的迭代节奏正在加速(昇腾960DT提前三个季度发布),这意味着技术迭代折价的时钟正在加快。台账中的“代际状态”字段使管理者能够动态调整折旧策略和更新决策,而非固守“直线折旧”的旧规。 第四层:软件兼容性与生态成熟度。 这一层是算力资产“异质性”属性的直接体现。登记要素包括:支持的AI框架(PyTorch/TensorFlow/JAX/MindSpore,版本兼容性矩阵)、编译器与工具链(CUDA版本、CANN版本、Neuron SDK版本)、生态成熟度评级(CUDA=成熟,CANN=发展中,Neuron=早期)、已验证的模型清单(该芯片上已成功运行的模型及性能数据)。这一层级的管理含义是:一块芯片的“有效算力”高度依赖于其软件生态的成熟度。CUDA生态中的“免费优化收益”使英伟达芯片的“有效算力”可能显著高于纸面参数;而CANN生态中的迁移成本(专家估计增加50%的时间和成本)则使昇腾芯片的“总拥有成本”高于纸面价格。 服务器整机登记要素在计算芯片登记的基础上,增加系统级集成信息。登记要素包括:整机配置清单(GPU数量与型号、CPU型号与核心数、内存容量与频率、本地存储容量与类型)、GPU拓扑(NVLink/NVSwitch配置、GPU间互联带宽)、电源与散热规格(功率预算、散热方式:风冷/冷板式液冷/浸没式液冷)、机架位置与U位信息(机房编号、机柜位置、起始/结束U位)、固件版本(BIOS版本、BMC版本、GPU VBIOS版本)。这些字段的管理含义是:整机层面的“有效算力”不仅取决于GPU芯片本身,还取决于系统级集成质量——GPU拓扑决定了集群训练的通信效率,散热方案决定了持续性能的稳定性,固件版本决定了硬件与软件的兼容性。 (二)存储设备台账:从“容量”到“数据供给能力” 存储设备在算力资产中的角色正在发生根本性转变。在传统IT架构中,存储是“后端瓶颈”——数据需要从存储加载到内存,再传输到GPU。但在AI时代,存储正在成为“前端加速器”。华为推出的OceanStor M900 AI记忆存储系统,通过灵衢UnifiedBus实现“一跳直连”的PB级KV缓存,使存储从“后端瓶颈”转变为“前端加速器”。这一转变意味着存储设备的登记要素需要从“容量”升级为“数据供给能力”。 存储设备登记要素包括:存储类型(全闪/NVMe/混合/分布式)、容量规格(原始容量、可用容量、已用容量、已分配未使用容量)、性能指标(IOPS、吞吐量、延迟)、接口协议(NVMe over Fabrics、RoCE、InfiniBand)、缓存架构(是否有L3.5层KV缓存,如OceanStor M900的PB级缓存)、数据分层策略(热数据/温数据/冷数据的存储位置与迁移策略)。存储设备的管理含义是:在AI推理场景中,KV Cache的读写速度可能成为比GPU算力更关键的瓶颈。存储台账中的“数据供给能力”字段使管理者能够识别存储瓶颈并优化数据布局。 (三)网络设备台账:从“端口数”到“拓扑质量” 网络设备是算力资产“网络外部性”属性的物理载体。传统网络设备台账的登记重点是“端口数、带宽、协议”。算力资产的网络台账需要升级为“拓扑质量”记录。 网络设备登记要素应包含拓扑连接描述属性。根据算力标识相关的专利技术,网络设备的关键性能属性包括:关联拓扑网络邻节点(入口网络节点、一跳节点)、入口节点IP、节点间网络带宽(Mbps)、节点间网络时延(ms)、节点间抖动(ms)、节点间丢包率、是否支持SRv6、是否支持APN6。这些字段的管理含义是:在分布式训练中,节点间的通信质量直接决定训练的线性扩展度。华为披露的数据显示,4K超节点组成的10万卡集群相比8卡服务器组成的10万卡集群,MFU提升了2.75倍。这一“系统架构决定有效算力”的事实意味着,网络台账中的拓扑质量字段是评估“有效算力”的关键输入。 交换机登记要素包括:交换机型号(英伟达 Quantum、博通战斧、华为灵衢交换机)、端口配置(端口数量、端口速率、支持的协议)、交换容量与转发时延、拥塞控制能力(ECN/PFC配置)、QoS策略、高可用配置(冗余路由、故障切换时间)。光互联设备登记要素包括:光模块类型(800G/1.6T)、光纤连接拓扑、链路健康状态(脏污检测、松动检测、抗损能力)。 (四)台账动态更新机制 硬件资产台账的价值在于“动态性”。一台GPU从“入库”到“部署”到“退役”的生命周期中,其状态、位置、配置和价值都在持续变化。台账的更新机制需要覆盖三种触发条件。 第一,资产状态变更触发。 当GPU从“库存”变为“已部署”,从“主力算力”降级为“边缘算力”,或从“在用”转为“退役待处置”时,台账需要实时更新。根据数据中心资产管理规范,资产进出管理文件应包含进出资产登记文件和进出资产审批文件,且进出资产登记文件与数据中心资产清单相对应。 第二,配置变更触发。 当服务器的固件升级、GPU的驱动更新、网络拓扑调整时,台账中的对应字段需要更新。根据服务器台账管理规范,物理服务器配置变更包括固件版本升级、阵列卡配置变更、磁盘扩容及调整、IO板卡扩容及调整、处理器数量扩容及变更、内存数量扩容及变更。算力资产的配置变更更加频繁——AI框架的版本更新、模型适配的驱动升级、互联协议的调整,都构成配置变更。 第三,代际状态触发。 当新一代芯片发布时(如英伟达 Rubin发布或华为昇腾960提前就绪),上一代芯片的“代际状态”字段需要批量更新。这一“代际状态流转”机制使管理者能够在芯片发布的第一时间评估对现有资产价值的影响,并动态调整折旧策略和调度策略。 二、软件资产台账 (一)AI模型资产:AIBOM框架的引入 软件资产是算力资产台账中最容易被忽视但最具“价值杠杆”的组成部分。在AI时代,模型资产正在成为软件资产的核心。传统的软件资产台账(SBOM,Software Bill of Materials)记录的是“软件包及其依赖关系”,但无法捕捉AI模型的“供应链”。一个AI应用可能调用一个语言模型、从Hub加载权重、微调一个适配器、并将Agent连接到外部工具——这些AI组件的来源、版本、许可证和依赖关系是传统SBOM无法覆盖的。 AIBOM(AI Bill of Materials)是软件资产台账在AI时代的必要升级。AIBOM的核心登记要素包括:基础模型(名称、来源如HuggingFace/OpenAI、版本、许可证、使用方式如推理/微调/嵌入)、数据集(名称、来源、版本、敏感数据标记)、微调适配器(基础模型引用、数据集引用、微调参数)、MCP工具(名称、来源、访问范围)、推理框架与库(PyTorch/TensorRT/vLLM版本)。 AIBOM的管理含义是深远的。在合规层面,欧盟AI法案要求对AI系统进行可验证的清单管理。在安全层面,模型供应链攻击(如恶意模型权重、投毒训练数据)正在成为新兴威胁——AIBOM使企业能够发现未经注册的“影子AI”组件。在资产管理层面,AIBOM使模型资产从“不可见的软件依赖”转变为“可追踪的资产单元”。百度文心5.1的“6%预训练成本”优势,部分来自其对模型训练过程的精细化管理——这种管理需要对模型资产进行系统性的台账记录。 (二)AI框架与中间件台账 AI框架和中间件是连接硬件资产和模型资产的“软件层”。这一层的台账管理需要解决一个核心问题:框架版本的兼容性矩阵。 框架登记要素包括:框架名称与版本(PyTorch 2.x、TensorFlow 2.x、JAX、MindSpore 2.x)、硬件兼容性(支持的GPU/NPU型号、CUDA/CANN/Neuron版本要求)、分布式训练支持(是否支持NCCL/灵衢/NeuronLink)、已验证的模型清单(在该框架上已成功训练的模型及配置)。中间件登记要素包括:调度系统(Kubernetes版本、调度器类型、GPU调度插件)、通信库(NCCL版本、MPI版本、灵衢UB协议栈版本)、推理优化工具(TensorRT版本、vLLM版本、DeepSpeed版本)。 这一层级的管理挑战在于版本组合的爆炸性增长。PyTorch 2.1可能只支持CUDA 11.8,而某个模型可能需要CUDA 12.0;某个推理优化工具可能只支持特定版本的TensorRT。框架与中间件的“版本矩阵”是算力资产“有效算力”的隐性决定因素——一个版本不兼容的组合可能导致性能下降50%甚至无法运行。台账需要记录已验证的“黄金组合”,并标记不兼容的组合,使调度系统能够自动选择正确的软件环境。 (三)模型版本与迭代记录 模型资产与传统软件资产的一个关键差异是迭代频率。传统软件的版本更新周期通常为数月到数年,而AI模型的迭代周期可能以周为单位。腾讯的混元模型在2026年不到半年时间完成了从底层重建到Hy3正式版发布的完整周期;DeepSeek V4从发布到“芯模协同”适配的周期以月计。 模型版本登记要素需要包含谱系信息。登记要素包括:模型标识(唯一ID)、版本号(语义化版本)、基础模型引用(如果是微调模型)、训练数据集引用、训练配置(超参数、并行策略、训练时长)、性能指标(在标准基准上的评分、推理延迟、Token吞吐量)、部署状态(开发中/测试中/生产中/已下线)、部署环境(芯片类型、框架版本、推理引擎)。这一“模型谱系”的管理含义是:它使企业能够追溯模型的“来龙去脉”——从“哪个模型基于哪个基础模型、用哪个数据集、在哪个集群上训练”到“部署在哪个环境、性能表现如何”。Block开源的model-ledger项目将这一理念描述为“模型的git”——知道部署了哪些模型、在哪里运行、依赖什么、以及发生了什么变化。 三、网络资源台账 (一)带宽资源台账 带宽资源是算力资产“网络外部性”的核心量化维度。在AI集群中,带宽的“有效利用率”比“标称带宽”更重要。 数据中心内部互联带宽的登记要素包括:GPU间互联(NVLink/NVSwitch的拓扑、每条链路的带宽、总对分带宽)、节点间互联(InfiniBand/以太网的带宽、交换机端口速率、超配比)、存储互联(NVMe over Fabrics的带宽、前端端口配置)。华为灵衢互联的登记要素具有特殊性:柜内灵衢互联(零电缆、零电路损耗,4096超节点节省196公里铜缆)、跨柜灵衢互联(176端口、1.6T/端口、280T全光互联、RTT 2微秒)、UBG灵衢网络交换机(1024 Radix扇出、支撑百万卡集群)。 数据中心之间传输带宽的登记要素包括:DCI链路(带宽容量、时延、可用性SLA)、算力传输通道(全国已建成超70条连通算力枢纽的通道)、跨域调度时延(内蒙古至京津冀5毫秒以内,至长三角15毫秒以内,至粤港澳20毫秒以内)。这些字段的管理含义是:跨域调度的经济可行性取决于时延和带宽成本。一个训练任务如果可以在“5毫秒时延”的范围内调度到绿电富集区域,其电力成本节省可能超过传输成本。 (二)IP地址与标识资源 IP地址在算力网络中不仅是“网络层地址”,更是算力资源的“身份标识”。根据《算力网络标识解析技术要求》(YD/T 6430-2025),算力网络标识体系包括算力节点标识和算网路由标识。算力节点标识用于唯一标识一个算力资源,支撑算力资源的注册、解析和调度。算网路由标识包括算力节点IP地址标识、服务标识和路由节点标识。 IP地址与标识登记要素包括:算力节点标识(按标准赋码的唯一标识)、入口节点IP、管理地址(带外管理接口)、业务地址、域名资源、标识解析记录(标识与IP地址的映射关系、解析服务的可用性)。这些字段的管理含义是:在“全国一体化算力网”的框架下,算力资源的“可发现性”取决于其标识的规范性。一个未被规范标识的算力资源无法被国家级监测调度平台“看见”,也就无法参与跨域调度和交易。 (三)互联互通节点与专线资源 互联互通节点是算力网络的“交通枢纽”。根据国家算力互联互通节点建设方案,节点体系由“1个国家级节点 + M个区域节点 + N个行业节点”构成。节点登记要素包括:节点类型(区域/行业)、节点位置、接入的算力资源清单、标识管理能力(是否支持算力标识赋码与解析)、互联调度能力(支持的调度协议、调度粒度)、监测接口(上报国家节点的数据接口规范)。 专线资源登记要素包括:专线类型(云专网/算力专网)、带宽容量、覆盖范围、SLA等级(可用率、时延承诺)、服务商、合同期限。专线资源的管理含义是:在算力跨域调度中,专线的带宽和时延直接决定了哪些任务可以被调度。一个对延迟敏感的训练任务可能只能调度到“专线直连”的算力节点,而一个可延迟的批处理任务可以利用“普通互联网”的低成本带宽。 四、能耗资产台账 (一)电力容量指标台账 电力容量是算力资产的“物理约束”,也是增长最快的能耗资产。随着GPU功耗从H100的700W提升至GB200的1200W以上,“有电的建筑”比“有卡的机柜”更稀缺。 电力容量登记要素包括:总电力容量(数据中心的总供电容量,兆瓦级)、已分配电力容量(已分配给机柜的容量)、可用电力容量(剩余可分配容量)、UPS容量(不间断电源的容量与冗余配置)、变压器容量、配电列头柜/密集型插接母线槽容量、电力来源结构(电网直供/绿电直连/分布式光伏/储能)。根据数据中心容量管理规范,电量统计文件应包含后台电源容量管理信息、变压器容量管理信息、UPS容量管理信息、配电列头柜/密集型插接母线槽容量管理信息。 电力容量的管理含义是:在“算电协同”的趋势下,电力容量不再是“静态的配额”,而是“动态的资产”。一个数据中心的“可用电力容量”可能因为电价波动、绿电出力变化或需求响应事件而动态变化。台账需要实时追踪电力容量的状态,使调度系统能够在电力容量约束下优化算力任务分配。 (二)能耗计量与分摊台账 能耗计量是“算力成本核算”的关键输入。在算力资产的总拥有成本中,电力成本占比持续上升。阿里云在乌兰察布的实践表明,电价差异可以带来每年50亿元的成本节省。 能耗计量登记要素包括:计量粒度(机柜级/设备级/芯片级)、计量精度(电表精度等级)、计量频率(秒级/分钟级/小时级)、采集方式(智能电表/PDU采集/BMC带外采集)、分摊算法(按设备功率/按使用时长/按任务分配)。根据数据中心能效管理规范,能耗分析文件应包含月度PUE值、月度区域(设备)用电变化趋势分析、月度区域(设备)用电环比、机柜颗粒度的设备运行峰谷期、优化建议及措施。 分摊算法是能耗计量的核心难点。在多租户场景中,“谁用了多少电”的归属需要精确的计量和合理的分摊规则。一个GPU在“训练任务”和“推理任务”中的功耗特征截然不同——训练任务可能持续满负荷运行,推理任务可能间歇性运行。能耗台账需要记录每个任务、每个租户的“实际电力消耗”,而非简单地“按机柜均摊”。 (三)绿电与碳资产台账 在“双碳”政策约束下,绿电与碳资产正在成为算力资产的“合规资产”。中央网信办等七部门印发的方案明确要求“到2030年,推动算力设施等重点领域可再生能源电力消费水平达到所在省份可再生能源电力消纳责任权重水平”。 绿电登记要素包括:绿电来源(风电/光伏/水电/核电)、绿电直连合同(供电方、电量、电价、合同期限)、分布式光伏(装机容量、发电量、自用比例)、储能配置(容量、充放电效率、循环寿命)、绿电占比(按月度/年度统计)。碳资产登记要素包括:碳排放量(按范围一/二/三分类)、碳配额、碳信用、绿证(来源、数量、有效期)、碳足迹追踪(按算力任务/租户/产品维度)。 绿电与碳资产的管理含义是:算力资产的“绿色属性”正在从“自愿披露”变为“合规要求”。方案要求“攻关算力和电力协同调度、绿电直连以及高效、长时、大容量新型储能等技术和标准”。这意味着算力资产的运营者需要“追踪每一度电的来源和碳足迹”,并将这些信息纳入算力资产的“经营报表”。东软Neusoft SDA平台将“电价、碳成本、绿证成本和虚拟电厂收益”转化为价格信号,反向影响算力任务调度。这一“碳感知调度”的前提是准确的绿电与碳资产台账。 本章小结 算力资产台账管理是整个管理框架的数据基石。本章从硬件资产、软件资产、网络资源、能耗资产四个维度,系统构建了算力资产台账的登记规范和管理机制。 硬件资产台账的核心范式转换是:从“序列号+型号”升级为“有效算力画像”。计算芯片的登记需要覆盖唯一标识、芯片规格与架构特征、代际与生命周期状态、软件兼容性与生态成熟度四个层级。存储设备从“容量”升级为“数据供给能力”。网络设备从“端口数”升级为“拓扑质量”。台账的动态更新需要覆盖资产状态变更、配置变更、代际状态三种触发条件。 软件资产台账的核心创新是AIBOM框架的引入。传统SBOM无法捕捉AI模型的“供应链”——基础模型、数据集、微调适配器、MCP工具。AIBOM使模型资产从“不可见的软件依赖”转变为“可追踪的资产单元”。框架与中间件的台账需要记录“版本兼容性矩阵”,模型版本需要记录“谱系信息”。 网络资源台账的核心视角是从“网络设备”到“算力网络”。带宽资源需要记录数据中心内部互联和数据中心之间传输的双重维度。IP地址需要升级为算力节点标识。互联互通节点和专线资源需要纳入全国一体化算力网的框架。 能耗资产台账的核心趋势是从“配套记录”到“合规资产”。电力容量需要实时追踪。能耗计量需要精确分摊。绿电与碳资产需要系统化管理,以支撑“碳感知调度”和合规报告。 这四类台账的共同目标是:使算力资产从“不可见的资源”转变为“可计量、可调度、可交易、可审计的资产”。台账的价值不在于“记录了什么”,而在于“使什么变得可管理”。一份好的算力资产台账,应该能够回答以下问题:我现在有多少“有效算力”?这些算力的“有效产出”是多少?每一单位算力的“总拥有成本”是多少?这些算力资产在技术迭代中的“剩余价值”是多少? 回答这些问题的能力,正是“设备清单”与“算力账本”之间的根本差距。 |
|||
![]() |
|||
|
|
|
云阿云智库●区域经济研究院 |
|
北京市平谷区中关村科技园区平谷园1区-21594(集群注册) |
|
| 13360021949 (李博士) | |
liguisong2006@163.com |
|