这两年走遍兄弟院校，有个场面我看了不是一回。机房里一排排服务器闪着绿灯，运维说"满载"；转头问科研处，说"师生排队等卡"。两头都对，因为中间隔着一道谁也不愿捅破的墙——算力是够的，真正用起来的不到三成。

这不是我瞎说。全国高校 GPU 平均利用率，大致就在 30% 上下晃，工业界公认的合理线是 75%。也就是说，我们花真金白银堆出来的智算集群，一大半时间在空转。

三级梯队，早已定型

清华、北大、上交、浙大、中科大、同济，这是第一梯队。千卡级智算集群自己建，国家级课题自己扛。上交"致远一号"全栈国产，千张加速卡常年饱和；同济不追通用大模型，专攻结构力学、流体力学的高精度仿真，把工科短板补得结实。北邮更绝，直接奔着星载 AI 算力去，避开同质化内卷。

绝大多数省属重点高校是第二梯队。几十卡、百余卡的小集群散在各个院系，像一个个孤岛，跨学院调度基本靠人情。真要跑大模型训练、超大规模仿真，还是租省级超算、城市智算、运营商云。这是最主流、也最可持续的路子。

第三梯队是普通本科，基本只有教学实训的轻量云，科研级算力谈不上。师生查文献，全靠外部公共大模型接口。

三条路线，各有算盘

全栈国产，数据不出校、安全可控，适配信创，短板是老牌工程仿真软件生态还在补；异构混合，国产英伟达一套平台纳管，兼容最广、运维最累；校地云融合，校内留小底座、大活儿甩给城市算力，无重资产、无高运维，地方高校性价比之王。

六个坑，个个要命

我最想说的是利用率。院系各自采购、各自运维，资源互不打通，科研人员排着队等卡，机器在隔壁空转。更荒唐的是，计算机学院的卡，很少对图书馆开放——全校普惠的 AI 文献检索，反而没算力支撑。

经费也拧着。一次性基建经费好拿，电费、维保、软件升级、人员工资，结题之后全没着落，"建得起、养不起"不是玩笑。钱还全倾斜给少数课题组的大模型训练，普惠推理、图书馆 AI 检索引擎，几乎没有专项。硬件建设和知识服务，两张皮。

结构也偏。扎堆 FP32 通用算力，力学流体土木要的 FP64 高精度仿真，长期缺钙。规划只盯着少数课题组训模型，全校几万师生查文献、写综述的普惠推理，被遗忘在角落。

跨校共享还在纸上。国家超算互联网、高校算力共享平台，落地远没到通畅。校内更现实：不少中老年教师，连 AI 辅助检索都没摸过。一边砸钱建平台，一边大量老师不会用——这道"认知鸿沟"，比缺卡更难治。

往后看，逻辑要变

未来三五年，方向已经清楚：国家搭三级算力网络，省属高校别再硬上超大集群，转向"买算力服务、算力券结算"，像交电费一样按需取用。建设重心从"单一大模型"转向"双轮"——工科补 FP64 仿真，全校补普惠推理算力池。国产算力由被动替代转主动选型，尤其适合校内私有化学术检索，文献数据不出校。运营优先于采购，"昼推夜训"把一卡掰成两半用。算力平台和图书馆深度融合，AI 检索从增值服务变标配基建。最后一条最关键也最容易被忽略：建算力的钱，得划出一块专门培训老师——不然硬件再好，也是摆设。

一个样本：扬州大学

扬大是典型省属轻资产路线。传统 CPU 超算打底，信息学院有小规模 GPU，未统一调度；2025 年上线校级"算力超市"聚合外部云，普惠撑起教学和轻科研。区位好，挨着仪征城市算力基地。短板也典型：工科仿真算力不足、碎片化、普惠推理缺经费、长效运维没机制、教师 AI 能力待提升。路子稳，但共性问题一个没少。

说到底

算力永远不够，这是科研的铁律，中外都一样。高校作为原始创新的主阵地，不能跟着风口短期跟风买硬件。钱要花在长效运维上，花在盘活存量上，花在让一线老师真用起来上。

别再把显卡数量当政绩。那排绿灯闪得再好看，用不起来，就是一堆昂贵的废铁。