回答：公司算力服务业务涵盖通用云、行业云及智算云三大产品线。该业务毛利率水平受多重因素综合影响，主要包括：1）客户需求的产品形态差异；2）算力资源配置及实际利用率；3）市场竞争格局和销售价格变化趋势等。受上述因素影响，各产品线毛利率呈现差异。另外，共建模式下算力服务业务毛利率通常高于外购模式。2025 年上半年，公司通用云、行业云服务收入占比有所下降，智算云服务收入占比相应提升，智算云收入中由外购算力资源贡献的比例有所增加，上述业务构成变化导致整体算力服务毛利率较往期有所下降。

2025-07-29 00:00:00

[ 详细 ]

回答：清控银杏南通创业投资基金合伙企业（有限合伙）（以下简称“清控银杏南通基金”）已按预披露的减持计划完成全部减持。清控银杏南通基金、吕大龙先生、西藏龙芯投资有限公司、银杏华清投资基金管理（北京）有限公司互为一致行动人，其合计拥有权益的股份比例超过 5%，其未来将根据其自身经营发展、资金需求情况以及证券市场整体状况等因素，决定是否进一步减持其在公司持有的股份。如有相关权益变动安排，公司将严格按照《北京证券交易所股票上市规则》《北京证券交易所上市公司持续监管指引第 8 号——股份减持》等相关法律法规的规定及时履行信息披露义务。

2025-07-29 00:00:00

[ 详细 ]

回答：公司与阿里云的战略合作围绕国产算力基础设施、公共云服务、大模型落地三大主线，形成“共建-共享-共推”闭环。一是，共建国产算力中心。采用“投建运一体化”模式，即阿里云提供国产 AI 服务器与云计算基础建设，公司通过在智算应用优化方面的能力及算力服务的经验提供智算优化与运营，双向弹性调度资源，聚焦高校、科研场景降本增效。二是，共营公共云专区。双方共同打造训推一体化生态，融合阿里云技术栈与公司智算算力平台，联合市场推广高性价比“云+AI+存储”方案。三是，共推行业大模型。公司提供行业大模型算法优化技术服务，阿里云开放百炼大模型及算力，双方联合为科研、教育客户提供 Tokens调用到大模型应用的商业化落地的一站式服务。

2025-07-29 00:00:00

[ 详细 ]

回答：公司自有 GPU 算力资源基本趋于饱和状态，今年上半年，公司 GPU算资源利用率在 85%-90%区间。

2025-07-29 00:00:00

[ 详细 ]

回答：从应用场景来看，算力用户大致可以划分为“基础大模型训练”、“行业模型”、“场景模型”、“学术、科研”、“主流大模型推理”、“常规通用推理”、“常规推理”几种类型，按需求量来划分，基础大模型训练、主流大模型推理等对算力的需求最大。公司国产算力测试验证推广服务一体化平台通过外购模式接入一定规模的多种类型的国产芯片算力资源，国产算力事业部几十名应用工程师负责用户应用安装、移植、测试、适配、优化，以及运行过程中的保障工作。在大模型的推理上，类似文生文、文生图、文生视频，包括图生视频相关的推理需求，国产算力则可以很好地覆盖，核心的问题是性价比。

2025-07-29 00:00:00

[ 详细 ]

回答：公司主要通过共建模式和外购模式获取算力资源。外购模式是指公司与上游算力供应商（各类超算/智算中心、电信运营商及其他厂商）签订算力资源采购协议，通过对接调试将其算力资源纳入公司超算云平台，并根据下游客户的需求量提供服务的形式；共建模式是指公司采购算力服务器、存储及网络设施等，租赁和使用数据中心相关设施形成计算集群，并为下游客户提供公司自有算力的形式。今年，公司正在积极探索与合作伙伴通过联合运营算力资源模式扩充公司算力资源池，在不显著增长资本开支的前提下，满足用户算力使用需求。联合运营算力资源模式是一种由多方共同参与、共享收益、共担风险的算力基础设施合作机制，核心在于通过资源整合与分工协作，实现算力资源的高效利用与商业价值最大化。

2025-07-29 00:00:00

[ 详细 ]

回答：公司自有 GPU 算力资源基本处于饱和状态，今年前三季度，GPU 算资源利用率在 80%-90%区间。

2024-12-25 00:00:00

[ 详细 ]

回答：今年各业务线头部客户算力支出呈现快速增长趋势，尤其是汽车行业和生成式人工智能行业，其头部用户年度算力订单达到千万级别。

2024-12-25 00:00:00

[ 详细 ]

回答：随着生成式人工智能需求爆发，国内智算中心建设提速，据公开显示信息，今年上半年智算中心建设项目已过百。智算算力供给快速增加较大程度的缓解了市场“算力不足”的情况。当前算力服务市场呈现以下特点：1、人工智能尤其是生成式人工智能的爆发式增长驱动产业对高性能、高互联的算力基础设施及相关服务的需求大幅增加，也推进了人工智能在云边端的覆盖；2、算力资源结构性短缺，供需结构呈现一定错配。由于算力选型、数据中心位置、集群规模、网络架构、优化和服务能力等诸多要素未能充分以产业需求为导向，未能精细化运营，在局部地区或者某些需求不够旺盛、与模型训练和应用端适配不完善的算力资源出现了利用率不高的情况；3、算力需求呈现多元化趋势，对算力服务提供商在算力调度、算力运营以及优化等方面的能力提出更高要求。公司算力网络服务平台具备向用户智能调度不同类型、不同架构的自有或外部接入算力资源的技术能力。公司根据用户需求、在手订单、资源利用率等运营指标有序扩充算力资源池，同时动态调整自有和外部接入的算力资源规模。经过多年在算力服务领域的深耕，公司在算力服务领域形成了多项核心技术，构建了较强的竞争壁垒。以公司 AI 云业务线为例，其一是基于大模型应用运行特征的选型能力。公司根据既有算力资源和算例案例，为用户提供符合其计算场景的选型建议；其二是基于大模型应用运行特征的优化能力。公司拥有行业领先的高性能计算应用性能优化方法、工具和专业的优化团队，在特定计算场景中帮助用户提升计算效率。

2024-12-25 00:00:00

[ 详细 ]