李桂松:全球算力资产竞争格局与资产管理报告(二十)
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)

第二十章算力资产效能与安全

前言:效能与安全——算力资产管理的“双重底线”

算力资产管理的终极目标,是在安全合规的前提下最大化算力资产的有效产出。效能与安全,构成了算力资产运营的“双重底线”:效能决定了算力资产“能不能创造价值”,安全决定了算力资产“能不能持续创造价值”。两者之间存在内在张力——过度追求效能可能牺牲安全冗余,过度强调安全可能降低调度灵活性和资源利用率。算力资产管理的成熟度,正体现在在效能与安全之间找到“最优平衡点”的能力。

这一平衡的紧迫性来自一组令人警醒的数据。Cast AI对约2.3万个Kubernetes集群的分析显示,企业环境中GPU平均利用率仅为5%,CPU利用率约8%,内存利用率约20%。与此同时,国内智算中心的GPU平均利用率不足30%,中国信通院数据显示2025年国内智算用算占比仅36.8%——“每投入100元建算力,约70元在空转”。这一“万亿投资、七成空转”的格局意味着:算力资产的效能管理已经不是“优化问题”,而是“生存问题”。

与此同时,安全合规的压力正在快速上升。2026年1月1日,新修改的《中华人民共和国网络安全法》正式施行,这是该法自2017年施行以来的首次重大修改,标志着我国网络安全法治体系迈入“智能时代”新阶段。新法明确将“推进训练数据资源、算力等基础设施建设”纳入支持人工智能发展的措施。2026年2月1日,国家标准GB/T 45958-2025《网络安全技术人工智能计算平台安全框架》正式实施,由华为技术有限公司联合55家单位研制,旨在解决AI应用开发运行过程面临的底层硬件安全问题及上层应用的多场景基础共性问题。四部门联合印发的《关于促进人工智能与能源双向赋能的行动方案》要求“加强电力、算力、碳排放协同计量,鼓励开展碳足迹核算与认证服务”。这些法规和标准的密集出台,使算力资产的安全合规管理从“最佳实践”升级为“法定要求”。

一、效能指标体系

(一)效能指标的四维框架:从“资源”到“业务”到“绿色”

算力资产的效能指标体系需要覆盖四个维度,形成一个从“物理资源”到“业务产出”再到“绿色合规”的完整光谱。

第一维度:基础效能指标,度量算力资产的“物理使用状态”。核心指标包括:GPU利用率(SM活动百分比、Tensor Core使用率)、显存利用率(HBM带宽利用率、显存容量占用率)、算力可用率(集群在线时间占比、任务可调度时间占比)。Cast AI的数据揭示了这一维度的“基线水平”:企业Kubernetes集群的GPU平均利用率仅为5%,CPU利用率约8%,内存利用率约20%。然而,不同集群之间的差异极为显著——“H200集群的利用率可达49%,而某些H100集群的利用率约为30%”,差异“主要来自软件优化工具和负载共享的优化程度”。这一“同硬件、不同效能”的事实表明:基础效能指标的提升空间不在于“买更多卡”,而在于“更好地用卡”。

第二维度:有效算力度量,度量算力资产的“实际产出效率”。核心指标是MFU(模型浮点算力利用率)和HFU(硬件浮点算力利用率)。MFU的定义是“实际达到的FLOPS /理论峰值FLOPS”。华为轮值董事长汪涛披露的仿真数据揭示了这一维度的巨大差距:“当前业界10万卡集群的MFU普遍不足30%,约七成时间处于故障及故障修复状态”。汪涛进一步量化了MFU提升的经济价值:“MFU每提升1个百分点,10万亿参数大模型的训练周期可缩短约3天”。这一“1个百分点=3天”的杠杆效应,使MFU成为算力资产效能管理中最具“经济价值”的指标。

第三维度:业务效能指标,度量算力资产的“业务价值转化”。核心指标包括:任务完成率(成功完成的任务占比)、Token产出效率(单位时间/单位算力产出的Token数)、作业等待时长(从任务提交到开始执行的延迟)。腾讯混元Hy3接入工作伙伴后,任务解决率从72%提升至90%,平均耗时缩短34%——这一“解决率提升+耗时缩短”的组合,是业务效能提升的双重信号:用户不再需要反复尝试来获得满意结果,每一次任务执行的算力消耗更加“有效”。

第四维度:绿色效能指标,度量算力资产的“能效碳效水平”。核心指标是PUE(电能利用效率)、WUE(水资源利用效率)、CUE(碳利用效率)。根据国家标准定义,PUE = 算力设施总能耗/ IT设备能耗;CUE = 算力设施碳排放总量/ IT设备能耗,其中“绿电碳排放按零计算”。政策要求持续收紧:四部门联合印发的方案要求“将新建及改扩建算力设施可再生能源利用方案、电能利用效率、绿电消费比例、余热资源回收利用等作为项目节能降碳审查评价重要内容”。在“双碳”约束下,绿色效能指标正在从“自愿披露”变为“合规门槛”。国家级零碳工厂(含零碳算力设施)的核心指标要求非化石能源消费占比目标不低于95%,单位能耗碳排放目标不高于0.2吨二氧化碳/吨标准煤。

(二)效能瓶颈的识别与诊断

算力资产效能的“低水平”不是单一原因造成的,而是多重瓶颈叠加的结果。

瓶颈一:资源过度配置。 Cast AI的数据显示,CPU过度配置率在过去两年从40%增长至69%,内存过度配置率高达79%。这一“申请量远超实际使用量”的格局意味着:即使集群“看起来”已满负荷分配,节点实际上仍处于低利用状态。过度配置的根源在于“资源申请行为”——应用开发者倾向于“要更多”以确保性能,而缺乏“按实际用量付费”的激励。

瓶颈二:调度机制薄弱。 报告指出,“调度行为和自动扩缩容策略——包括节点间算力碎片化以及允许闲置资源持续存在的缩容策略——是影响利用率的重要因素”。在Kubernetes环境中,“GPU以独立资源形式分配,限制了算力在不同任务之间共享的可能性”。这一“GPU独占分配”的模式使一个训练任务“锁住”的GPU无法被推理任务“借用”,即使训练任务的实际利用率只有30%。

瓶颈三:数据管道不畅。 专家指出,“瓶颈不在于硬件短缺,而在于过度配置、调度机制薄弱及数据管道不畅”。在AI训练中,数据加载速度可能成为“比GPU算力更关键的瓶颈”——如果数据管道无法以足够的速度向GPU供给数据,GPU将处于“等待数据”的闲置状态。HyperFrame Research的报告印证了这一判断:“仅约14%的组织认为其数据架构已具备AI就绪能力,可扩展性与性能是首要障碍”。

瓶颈四:工作负载的“脉冲式”特征。 Cast AI的测量数据反映的是“生产环境中优化或自动扩缩容实施之前的实际使用情况”,相当于“企业AI部署的基线快照”。这一“基线”的低水平(GPU利用率5%)部分源于AI工作负载的“脉冲式”特征——训练任务可能在数小时内满负荷运行,然后在数天或数周内处于“等待结果”或“数据准备”状态。如果调度系统无法在“脉冲间隙”将GPU分配给其他任务,利用率将长期处于低位。

二、安全与合规管理

(一)人工智能计算平台安全框架:GB/T 45958-2025的体系化要求

GB/T 45958-2025《网络安全技术人工智能计算平台安全框架》是算力资产安全管理中最具系统性的标准,由华为技术有限公司联合55家单位研制,2026年2月1日正式实施。

该标准确立了三层安全功能架构。资源层安全功能包括:计算资源安全(固件完整性和真实性、故障监测与处置、资源隔离与管控、异构可信执行环境)、存储资源安全(冗余存储、多重备份、密码技术)、网络资源安全(访问控制、分区隔离)、虚拟资源安全(安全加固与最小化、虚拟资源隔离、安全清除)。调度层安全功能包括:资源调度安全(资源统一管理、异常资源占用报警)、任务调度安全(自动保存与恢复上下文、虚拟机与容器安全迁移)。应用支撑层安全功能包括:数据处理安全(物料清单文件、数据保密性与完整性)、模型训练安全(日志记录)、模型推理安全(模型授权控制、加解密、推理请求安全检测、推理结果安全检测)。

该标准的创新性在于明确了四类角色的安全职责:平台提供方(提供安全功能、实施安全管理)、数据提供方(确保数据集安全、支撑透明性审计)、模型提供方(提供安全的模型或模型推理接口、支撑验证模型文件完整性和透明性审计)、应用提供方(符合数据提供方和模型提供方的安全要求,保护应用自身安全)。这一“四方协同”的框架解决了AI计算平台安全中“责任归属不清”的根本问题。

(二)网络安全等级保护与AI平台的合规衔接

算力资产的安全合规需要与网络安全等级保护制度深度衔接。等级保护制度要求对安全物理环境、安全通信网络、安全区域边界、安全计算环境、安全管理中心五个技术层面进行测评。AI计算平台作为承载大模型训练和推理的关键信息基础设施,通常需要定级为三级或以上,这意味着“应当每年至少进行一次等级测评”。

AI计算平台的等级保护面临特殊挑战。在安全物理环境层面,高密度液冷智算中心的冷却液管路安全、防泄漏措施、电力供应冗余是传统数据中心等级保护中未充分覆盖的维度。在安全计算环境层面,GPU固件的完整性验证、异构可信执行环境、模型权重加密是AI计算平台特有的安全需求。在安全管理中心层面,算力调度的审计日志、跨域调度的身份认证、多租户的资源隔离需要超越传统等保要求的管控措施。

等级测评的“重大变更”触发对算力资产尤为重要。规范明确:“系统的重大变更,是指网络结构调整、大范围的设备更换、系统功能的较大变化。在这类重大变更之后,必须重新进行等级测评”。算力资产的技术迭代节奏(GPU每18-24个月更新一代)意味着算力平台可能频繁触发“重大变更”——GPU集群的升级、调度系统的重构、模型推理服务的上线,都可能构成“系统功能的较大变化”,从而触发重新测评的要求。

(三)新网络安全法的合规升级:从“一般违法”到“特别严重”

2026年1月1日施行的新修改《网络安全法》,对算力资产的法律责任体系进行了系统性升级。

处罚力度的显著提升是最直接的变化。新法在原来“一般违法”“拒不改正或者情节严重”两种情形的基础上,增加了“造成特别严重影响、特别严重后果的”情形,并设定了更高的处罚标准——最高罚款1000万元。更关键的是“双罚制”的设置:“平台企业的相关责任人员同样面临罚款等行政责任”。这一“双罚制”的目的是“确保网络安全保护义务落实到具体的企业管理者”,是网络安全法第23条规定的“确定网络安全负责人,落实网络安全保护责任”的应有之义。

与数据安全法、个人信息保护法的衔接是另一重要变化。新法明确“网络运营者处理个人信息应当遵守本法和民法典、个人信息保护法等法律、行政法规”,并对相关违法行为的法律责任作出衔接性规定。这一“衔接性规定”使算力资产的运营者无法通过“选择适用法律”来规避合规责任——无论算力平台处理的是“训练数据”还是“用户数据”,个人信息保护的义务都不能被规避。

对AI产业的“促进性条款”同样值得关注。新法第二十条规定:“国家支持人工智能基础理论研究和算法等关键技术研发,推进训练数据资源、算力等基础设施建设,完善人工智能伦理规范,加强风险监测评估和安全监管,促进人工智能应用和健康发展”。这一条款的战略含义是:算力基础设施的建设被纳入“国家支持”的范畴,但“支持”与“监管”并行不悖——“完善伦理规范、加强风险监测评估和安全监管”是“促进健康发展”的必要组成部分。

(四)绿色合规:从“能效指标”到“碳足迹核算”

算力资产的绿色合规正在从“能效指标合规”向“碳足迹核算与认证”升级。四部门联合印发的行动方案要求“加强电力、算力、碳排放协同计量,鼓励开展碳足迹核算与认证服务”。这一“电力-算力-碳排放协同计量”的要求意味着:算力资产的运营者需要同时追踪三个维度的数据——电力消耗(按设备、按任务、按租户)、算力产出(有效算力、Token产出)、碳排放(范围一/二/三的碳足迹)。

绿电消费占比的强制要求正在快速收紧。方案明确要求“支持算力设施通过参与绿证绿电交易提升绿电消费比例”,并“鼓励新建算力设施与可再生能源发电企业签订多年期绿色电力交易合同”。国家级零碳工厂(含零碳算力设施)的核心指标设定了非化石能源消费占比目标不低于95%的极高门槛。

碳足迹核算的技术挑战在于“归属”问题。一份算力服务的碳足迹应该归属于“算力提供者”还是“算力使用者”?如果归属于提供者,那么高比例绿电的算力中心将具有显著的“碳竞争力”。如果归属于使用者,那么使用者将倾向于选择“低碳算力”。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”的实践表明:碳足迹的“归属”正在通过“价格信号”来“内部化”。

本章小结

算力资产的效能与安全管理,构成了运营的“双重底线”。效能决定了算力资产“能不能创造价值”,安全决定了“能不能持续创造价值”。

效能指标体系需要覆盖四个维度:基础效能(GPU利用率、可用率)揭示了“每投入100元建算力,约70元在空转”的残酷现实;有效算力(MFU/HFU)的“1个百分点=3天”杠杆效应使其成为最具经济价值的指标;业务效能(任务完成率、Token产出效率)将算力从“资源消耗”导向“价值产出”;绿色效能(PUE/WUE/CUE)在“双碳”约束下正在从“自愿披露”变为“合规门槛”。

效能瓶颈的识别需要同时关注资源过度配置(CPU过度配置率69%,内存79%)、调度机制薄弱(GPU独占分配限制共享)、数据管道不畅(仅14%组织认为数据架构AI就绪)和工作负载“脉冲式”特征(GPU利用率5%的“基线”部分源于训练任务的间歇性)。

安全与合规管理的制度框架正在快速成型。GB/T 45958-2025确立了AI计算平台的三层安全功能架构(资源层、调度层、应用支撑层)和四方协同职责框架(平台提供方、数据提供方、模型提供方、应用提供方)。新网络安全法的“双罚制”和最高1000万元罚款使安全合规从“最佳实践”升级为“法定责任”。绿色合规正在从“能效指标合规”向“碳足迹核算与认证”升级,要求“电力-算力-碳排放协同计量”。

本章的核心命题是:效能与安全不是“取舍关系”,而是“共生关系”。高效的算力资产更容易实现安全合规——因为高效的调度系统意味着更清晰的资源归属、更完整的审计日志、更可控的访问权限。安全的算力资产更容易实现高效运营——因为可信赖的基础设施使多租户共享和跨域调度成为可能。算力资产管理的成熟度,正体现在在效能与安全之间建立“正反馈循环”的能力:安全为效能提供“信任基础”,效能为安全提供“资源保障”。


点击数/观注度 127
  • 你可能感兴趣的?
  • 李桂松:人形机器人与具身智能报告(十二)    
    李桂松:人形机器人与具身智能报告(十一)    
    李桂松:人形机器人与具身智能报告(十)    
    李桂松:人形机器人与具身智能报告(九)    
    李桂松:人形机器人与具身智能报告(八)    
    李桂松:人形机器人与具身智能报告(七)    
    李桂松:人形机器人与具身智能报告(六)    
    李桂松:人形机器人与具身智能报告(五)    
    李桂松:人形机器人与具身智能报告(四)    
    李桂松:人形机器人与具身智能报告(三)    
    √ 互联网    
    √ 人工智能AI    
    √ 5G战局    
    √ 高端制造业    
    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
    京ICP备16017448号
     
    公安部备案
    技术支持