今天，我将23个咨询单进行了重新梳理。
从2025年3月至今，我陆续收到了多个商业咨询机构的有偿咨询单。每个问题其实都比较复杂（毕竟1.5K/小时的咨询费也不是好赚的）。今天，我将这23个问题进行了重新归类、简化后将在这里发布，为有需要的你提供参考。
一、 问题归总与发布建议
将以下23个问题归类为四个核心板块：
• 板块一：运营商与数据业务
• 板块二：AI算力基础设施（液冷/芯片/建设）
• 板块三：AI算力服务与优化
• 板块四：大模型与AI行业应用
二、 问题及结论性梳理（按板块）
板块一：运营商与数据业务
Q1: 运营商所掌握的用户数据，其对外合作的现状、方式与挑战是什么？
A1: 运营商数据合作目前以合法合规、脱敏后的非隐私数据为主。合作数据主要包括人口统计、商圈热力、工商信息等宏观洞察类数据，而非个人明细数据。合作方式上，直接采购和资源互换是常见模式，但与具体APP/需求方的合作案例及定价细节属于商业敏感信息。应用场景广泛，例如在地产选址、零售规划、烟草渠道分析等商业决策中提供支撑。目前，数据可用性、实时性和覆盖度能满足商业分析需求，但数据获取严格遵循系统权限与隐私法规。
Q2: 运营商在政企DICT解决方案的研发与管理上，集团与省公司如何协同？
A2: 基于行业公开信息，通常由集团政企部门（如政企BG）进行顶层设计、标准制定与核心平台研发，扮演"中央厨房"角色。省公司及专业公司（如数科公司）则负责本地化定制、销售落地与交付。核心KPI通常围绕解决方案收入、重大项目突破、客户满意度及产品复用率等。
Q3: 运营商在智算服务上的未来业务趋势是什么？会从IaaS向上升级吗？
A3: 当前运营商智算服务确实以IaaS层资源提供为主。未来趋势明确指向向上渗透：1) 客户结构深化：在巩固政企大盘的同时，将重点拓展金融、工业、医疗等有深度智能化需求的行业。2) 业务模式演进：从单一算力出租，向"算力+模型+平台+应用"的一体化解决方案（MaaS/PaaS）及开发者生态平台（类似Acumos）发展，以提升粘性与附加值。3) 服务内容扩展：商业模式将从资源型向"资源+软件+服务"的综合型转变，参与行业更深度的价值创造。
Q4: 运营商"算网融合"的现状与生态如何？
A4: 算网融合的核心是实现全国算力资源的统一调度与高效互联，服务于"东数西算"等国家战略。技术方向包括建设低时延智算网络、部署边缘算力（MEC）等。生态合作上，运营商正积极串联AI产业链，一方面与华为、英伟达等设备商合作，另一方面为政府、企业提供端到端的算力服务解决方案，扮演集成者与连接器的关键角色。
板块二：AI算力基础设施
Q5: 液冷技术在数据中心的应用，各类技术路线的优劣与市场前景如何？
A5: 液冷是解决高密度算力散热的关键。技术路线上，冷板式技术相对成熟，当前占比高；浸没式（尤其相变浸没）散热效率更优，是未来方向。市场驱动：AI高功耗芯片直接拉动了液冷需求，单机柜功率超过20kW的项目会重点考虑。客户考量：安全性是首要前提，其次是TCO（总拥有成本）和性能。未来3-5年，技术方案可能会向冷板式和相变浸没式收敛，大厂基于自身生态已有初步偏好。文档未详述各细分市场规模及具体占比。
Q6: 当前高端AI算力（如英伟达芯片）的采购市场与模式是怎样的？
A6: 市场呈现二元结构。1) 海外高端算力：主要用于大模型训练，采购主体是BAT、字节等大厂及头部AI公司，以采购英伟达B100/H100等高端卡为主。国产最大替代份额来自华为昇腾。2) 获取模式：头部企业以"自建集群"和"以租代购"的长期租赁为主；更多企业通过算力云服务商获取。国产化采购在政务、国资领域是明确要求。
Q7: 万卡智算中心的建设主要有哪几种模式？
A7: 主要有四类模式：
-
运营商主导模式：运营商联合设备商、IDC服务商共建（如国家算力枢纽节点），优势在于网络、资金和属地资源。
-
大厂自建模式：互联网巨头自采设备、自研技术栈建设，追求极致效率与自主可控。
-
政企合作模式：地方政府/国资平台牵头，联合企业建设，通常为获取能耗指标并带动地方产业，倾向国产化方案。
-
轻资产租赁模式：由IDC或算力服务商根据终端客户（如AI公司）的长期租约，定制化建设并运营，客户实现"拎包入住"。
Q8: 在智算中心采购中，服务器和交换机的"白牌"与"品牌"之争现状如何？
A8: 服务器领域，白牌（ODM）份额在增长，尤其在互联网大厂和大型智算中心项目中。其核心优势是灵活定制和成本，在满足同等性能与可靠性的前提下，价格更具竞争力。交换机领域，品牌设备（如华为、锐捷）仍占主导，尤其在可靠性要求极高的核心层。采购核心考量：已从单一品牌转向综合评估质量、全生命周期成本、供应链安全和定制化服务能力。部分传统品牌商（如锐捷）也推出了白牌业务线。
板块三：AI算力服务与优化
Q9: 算力优化服务商（如硅基、无问芯穹等）的核心价值是什么？市场需要他们吗？
A9: 其核心价值在于提升算力利用率和性能，尤其在国产芯片适配和异构混合调度上。对于多数大模型公司和IDC而言，短期必需，长期存疑。短期看，他们能解决国产卡生态不成熟、异构算力池化调度等痛点，帮助客户降本增效。长期看，云厂商和头部大模型厂商在积累足够经验后，有能力和动力自研优化层。当前评价：各家厂商在支持国产芯片种类、优化效率（如千卡并行效率）和易用性上竞争激烈，暂无绝对寡头。
Q10: AI算力行业的需求主体和趋势发生了哪些变化？
A10: 需求正从集中走向多元：
-
第一波（2023-2024）：由大模型创业公司（如Kimi、月之暗面）驱动，需求爆发式增长。
-
第二波（2025-2026）：互联网大厂（BAT、字节）自用算力建设趋于稳定，并开始将过剩算力对外租赁或转售。
-
第三波（进行中）：央国企（能源、电力、运营商）启动自有AI集群建设，需求稳步释放。
-
未来主力：政府和中小企业。政府主导国产化算力采购；中小企业将是碎片化、租赁式算力的主要需求方，推动"AI应用+算力"的打包服务模式成为主流。
Q11: 国家推动"算力互联"（如城域"毫秒用算"）的核心目的与落地挑战是什么？
A11: 核心目的是打破算力孤岛，实现跨地域、跨服务商的算力灵活调度，提升国家算力整体利用率。"毫秒用算"专项行动旨在解决城市内访问算力的网络延迟问题，目标是让用户访问算力像用电一样方便。落地关键在于：1) 网络基础设施升级（低时延网络）；2) 跨云管平台的技术与商业打通；3) 找到付费意愿强的标杆场景（如金融实时风控、工业质检）。目前清晰的需求多来自对时延敏感的高价值行业。
板块四：大模型与AI行业应用
Q12: 当前大模型私有化部署市场的竞争态势与客户需求有何变化？
A12: 市场呈现混战局面，但运营商凭借渠道和客户关系快速切入。客户需求在变化：1) 从"有"到"优"：客户不再满足于拥有基础模型，更关注垂直场景效果、多模态能力和成本。2) 拥抱开源：支持私有化部署高性能开源模型（如Llama、Qwen）成为重要需求。3) 追求一体化：对"算力+模型+平台+应用"的端到端方案需求明确。竞争差异：相比纯AI厂商（如百度、智谱），运营商在总包集成、客户资源、属地服务上有优势；但在模型原生能力和开发者生态上仍需追赶。
Q13: MaaS平台和Agent开发平台，客户最关心什么？
A13: 对于MaaS平台，客户核心关注：1) 模型丰富度与性能（是否集成了主流的商用和优质开源模型）；2) 工具链完备性（从训练、微调、评估到部署的全链路支持）。对于Agent开发平台，客户核心关注：1) 场景化能力（能否快速构建金融、政务等行业的智能体）；2) 插件/工具生态（连接业务系统的能力）；3) 低代码/易用性。同质化竞争下，深入的行业Know-how和优质的交付服务是关键壁垒。
Q14: 在AI项目中，硬件、软件和服务的收入占比趋势如何？
A14: 在项目总包中，硬件（服务器、一体机）目前仍是收入大头。但随着模型和软件价值的凸显，软件授权费和持续的服务费（如运维、调优、训练）占比正在快速提升。长远看，纯软件和服务收入的占比将不断增加，这是厂商技术价值和客户粘性的体现。
Q15: 国家人工智能中试基地的建设和运营，核心要厘清哪些问题？
A15: 国家中试基地涉及到医疗、制造、具身智能等诸多领域，具体信息涉及敏感，大家也可以在网上搜到一些，这里就不过多赘述。
你所在行业最关注算力的哪个方面？
你如何看待运营商做MaaS？
欢迎留言评论和私信咨询。