根據《麻省理工科技評論》報導，中國 AI 資料中心熱潮，最初由政府推動和投資者追捧，但許多新建的資料中心如今卻面臨使用率低和資金短缺的困境，不僅難以盈利，最終還可能需要政府介入處理這些不良資產。

報導稱，就在幾個月前，中國由政府和私人投資者共同推動的資料中心建設熱潮還正處於頂峰。然而，許多新建成的設施現在卻空置。

大多數經營這些資料中心的公司都在苦苦掙扎。中國本土媒體《甲子光年》和《36 氪》報導稱，中國高達 80% 的新建計算資源仍未被使用。

將 GPU 出租給需要訓練 AI 模型的公司——這是新興資料中心的主要商業模式，一度被視為穩賺不賠的生意。但隨著 DeepSeek 的崛起以及 AI 經濟環境的突然變化，這個產業正在衰退。

蘭德公司技術高級顧問 Jimmy Goodrich 表示：「中國 AI 產業正在經歷的成長陣痛，很大程度上是由於缺乏經驗的參與者——企業和地方政府——趕上了炒作的列車，建設了不符合當今需求的設施」。

其結果是，專案失敗、能源浪費，資料中心已成為投資者急於以低於市場價格拋售的「不良資產」。Goodrich 認為，這種情況最終可能會促使政府介入：「中國政府很可能會介入，接管這些資料中心，然後將它們移交給更有能力的營運商」。

根據市場研究公司 KZ Consulting 的數據，2023 年和 2024 年，從內蒙古到廣東，各地宣布了超過 500 個新的資料中心專案。

據中國通信行業協會資料中心委員會 (一個附屬於國家的行業協會) 稱，到 2024 年底，至少有 150 個新建成的資料中心已投入運營。國有企業、上市公司和國有背景的基金紛紛投資這些項目，希望能將自己定位為 AI 領域的領跑者。地方政府也大力推廣這些項目，希望能藉此刺激當地經濟並將其所在地區打造成重要的 AI 中心。

然而，隨著這些耗資巨大的建設專案持續進行，中國對大型語言模型的狂熱正在消退。

僅在 2024 年，就有超過 144 家公司在中國中央互聯網監管機構——國家互聯網信息辦公室——註冊開發自己的 LLM。然而，據中國媒體《經濟觀察報》報導，到年底，這些公司中只有約 10% 仍在積極投資大規模模型訓練。

Goodrich 表示：「將所有這些大型晶片集群組合在一起是一項非常困難的工作，很少有公司或個人知道如何大規模地做到這一點。這都是最先進的電腦工程。如果大多數小型參與者知道如何做到這一點，我會感到驚訝。許多新建成的資料中心都是快速組裝起來的，無法提供像 DeepSeek 這樣的公司所需要的穩定性」。

更糟糕的是，消息人士稱，專案負責人經常依賴中間商和經紀人——其中一些人誇大了需求預測或操縱採購流程以賺取政府補貼。

資料中心的商業模式在理論上很簡單：它們透過將 GPU 集群出租給需要計算能力進行 AI 訓練的公司來賺錢。然而，在現實中，獲得客戶卻非常困難。中國目前只有少數頂尖科技公司大量使用計算能力來訓練其 AI 模型。

自 DeepSeek 崛起以來，許多小型企業已經放棄了預訓練其模型，或者改變了其策略。DeepSeek 憑藉其開源推理模型 R1(性能與 ChatGPT o1 相當，但成本遠低於後者) 在網路上引起轟動。

此外，近年來湧現的許多新建資料中心都是針對預訓練工作負載 (在大型數據集上進行的大規模、持續計算) 進行優化的，而不是針對推理 (運行已訓練的推理模型以實時響應使用者輸入的過程)。適用於推理的硬體與傳統用於大規模 AI 訓練的硬體不同。

輝達 H100 和 A100 等 GPU 專為大規模數據處理而設計，優先考慮速度和記憶體容量。但隨著 AI 趨向於實時推理，該產業正在尋求更高效、更具響應能力和更具成本效益的晶片。即使在基礎設施需求方面出現微小的誤判，也可能導致資料中心無法最佳地執行客戶所需的任務。