并行科技整合63个算力中心，企业算力需求激增

深夜十一点，一家车企的CAE工程师提交仿真任务后，系统显示排队等待时间从12天起步，任务积压长达两周。这种算力瓶颈正在被改变。五六年前，并行科技的高校科研业务占比超过70%-80%，而今年企业需求已占据主导。并行科技吕昇亮回忆：“五六年前，科研跟高校的场景在我们业务里要超过70%-80%。但到今年，需求更多的是来自企业。”

IDC预测，2026年中国智能算力规模将达到2576.5EFLOPS，同比增长87.9%；到2030年，这一规模将突破万EFLOPS。企业端算力需求急剧增长，对时效性要求也大幅提高。吕昇亮表示：“以前我们给高校服务，用户群体比较固定，业务增长相对缓慢。但现在不一样了，企业端的算力需求在急剧增长，对于需求满足的时效性也在急剧提高。”

为应对这一变化，并行科技已接入约63个算力中心，其中包括四十多个智算中心和十几个超算中心。公司通过智能调度系统整合这些资源，并自主研发应用运行特征分析软件，以判断客户应用类型。吕昇亮提出，新客户提交任务后，系统需在四个小时内判断应用类型并匹配最优资源。“客户提交一个任务上来，我怎么能判断出来他究竟后端的算力哪一个最适合他？”他解释道。

在服务模式上，并行科技只做IaaS和PaaS层，不介入客户模型和应用层，并推出面向推理场景的Token工厂。吕昇亮指出：“随着大模型Token调用量快速增长，推理正在成为新增算力的重要驱动力。”对于成本优化，他提到：“如果把算力部署在内蒙古、宁夏、新疆，电费比较便宜，整体算力成本就降低了。”同时，实时性要求高的场景需将算力部署在离客户近的地方。

汽车制造和新能源是并行科技事业部营收的重要来源，贡献接近40%的营收。一台新车设计涉及流体、固体、电池、整车等多个仿真环节，部分仿真需512个甚至上千个核心同时工作。吕昇亮强调：“汽车制造是我们事业部营收最大的一块，接近40%的营收来自汽车制造和新能源。”对于行业生态，他表示：“大家怎么实现一个双赢的模式？要让大家都能挣得钱。”并提醒：“很多做大模型的厂商，如果把算力完全构建在某个大厂上面，而那个大厂又有自己的大模型，那万一因为竞争原因卡你算力，你的业务就受很大影响。”

内容来源于网络，如有侵犯您的权益，请联系邮箱 kefu@qiyes.com，我们将第一时间核实处理。