算力是数字时代重要的新型生产工具，是人工智能、重大科学研究和应用的支撑条件，亦是全面支撑经济社会发展的重要公共基础设施。但算力平台的建设和运维成本高昂，如何从效用出发，通过网络让算力如同水电一样送到用户侧，并形成算网一体化体系结构，是促进算力形成可推动国家高质量发展的新质生产力的关键。

 

　　近年，随着智算资源的紧缺，国家加快引导算力互联、算网一体化调度，各地政府也积极响应，建设城市算力调度平台，提升数字基础设施水平。2023年4月17日，科技部正式启动国家超算互联网部署工作。2023年10月，国家超算互联网核心节点在河南郑州正式启动建设。2025年5月，工业和信息化部印发《算力互联互通行动计划》，2026年2月，工业和信息化部办公厅发布关于《组织开展国家算力互联互通节点建设工作的通知》。

 

 

 

　　教育系统内关于算力和人工智能资源共享的探索也在不断进行。2025年10月，由北京邮电大学牵头建设，连接北京、上海、重庆、新疆四地试点高校的教育智联网试验网开通，“教育算力共享、数据流动、模型复用”的设想逐步落地。

 

　　2026年6月，广东省教育厅印发《广东省“人工智能+教育”行动方案（2026-2028）》，明确提出整合各高校自有智算、通算和超算资源，推动成立“广东省高校算力联盟”，探索教育算网一体化建设，鼓励各高校统筹校内资源，参与高校算力联盟建设和运营。

 

　　华南理工大学自2024年起积极参与教育部教育大模型公共服务平台的智算合作活动，将2024年2月上线的“开物”“成务”算力集群加入算力共享。此外，华南理工还积极开展模型、平台的共享活动。如完成DeepSeek R1 671B满血版和32B本地部署后，通过广东省教育和科研计算机网，向广东省教育系统提供DeepSeek后端共享服务。广东省院校只需在本校安装DeepSeek前端，即可以通过广东省教科网连接到华南理工DeepSeek后端，无需本地算力就可以为该校师生提供DeepSeek服务。目前，已有79个单位共享了华工DeepSeek的后端。

 

　　2025年6月13日，教育算力共享平台广东区域试点正式启动，该试点聚焦教育数据要素流通、算力资源协同、模型接入、AI能力平台服务等，为粤港澳大湾区教育数字化转型构建高性能计算支撑体系，推动区域教育科研与产业应用的深度融合。

 

 

　　算力共享的理念并非最近提出。早在1961年，人工智能之父、美国麻省理工学院（MIT）的约翰·麦卡锡（John McCarthy）教授在麻省理工学院百周年纪念典礼上，第一次提出了“Utility Computing”的概念。借鉴传统的电力传输模式，他描述了一种使用计算能力和存储能力的模式：计算机将变成一种公共资源，像生活中的水、电、煤气一样，被每一个人寻常地使用。

 

　　受此影响，麻省理工学院与DARPA下属的IPTO共同启动了MAC项目，1964年《大西洋月刊》进一步刊文探讨公共计算服务与电网的异同。此后十余年，PC市场的兴起使这一理念暂时沉寂，但1984年SUN公司联合创始人约翰·盖奇（John Gage）提出的“网络就是计算机”的设想，延续了分布式计算的理想。

 

　　20世纪90年代，网格计算（Grid Computing）应运而生，其命名本身即取自电网（Electric Power Grid）的隐喻，旨在将互联网上分散的计算与存储资源整合为一台虚拟超级计算机，按需供给全球用户。在我国，2003年启动的中国教育科研网格（ChinaGrid）项目，先后两期建设，参与高校从12所扩展至42所，在教育系统内部探索算力共享方面积累了积极经验。然而，网格计算在全球范围内始终未能形成成熟的商业模式。

 

　　真正将算力公共服务的理想落地的，是云计算。2006年，亚马逊推出弹性计算云服务，Google前首席执行官埃里克·施密特（Eric Schmidt）正式提出“云计算”概念，随后IBM、微软等IT巨头相继跟进，仅用数年时间便完成了商业化普及。这一成败分野，根源不在于技术先进与否，而在于驱动逻辑的根本差异：网格计算由学术界主导，是技术驱动的前瞻探索；云计算则由互联网头部企业出于解决自身算力潮汐问题的实际业务需求而发起，是业务驱动的市场化创新。后者从一开始就直面成本、效率与可持续性，其技术架构与商业模式也因此更贴合现实，具备了落地的可行性与推广的持续性。

 

　　机制困境：制约高校算力共享的非技术性瓶颈

 

　　现在看来，作为一种成熟的商业模式，云计算提供的算力属于通用算力，然而高校现在还需要高性能计算（High Performance Computing，简称超算，一般使用CPU资源）和智能（Intelligent Computing，简称智算，需要GPU支持）算力，两者的技术架构、需求群体与通用算力不同。进入人工智能时代后，智算的社会需求急剧上升，且人工智能依赖大规模数据处理，如何保障数据传输与安全，成为公共智算系统必须面对的课题。本文即聚焦高校智算算力的供给问题。

 

　　当前，较之云计算，智算平台建设投入大、运维人才短缺，导致高校智算资源分布严重不均：少数985高校具备较大规模智算平台，而大量高职院校、普通高校甚至211高校普遍面临算力短缺的境况。运营商和互联网企业虽提供智算服务，但一方面价格高昂（需收回投资成本），另一方面数据需传输至校外平台，面临传输时延长、敏感数据难以上传等问题。

 

　　那么，能否通过教育系统内部算力资源的有效调配实现其安全和普惠的供给？高校算力资源大多由国家作为教育基础设施投入，定价时通常不将投资作为定价因素，且各校通过区域教育网接入CERNET，具备天然的传输通道，更重要的是能保障数据在教育系统内部流转。因此，依托教育网络，将智算资源充裕高校的空闲算力调度给资源短缺高校的师生，也许是提升资源利用率且保障数据安全的可行路径。

 

　　然而，要基于教育网络实现高校算力共享，除了算力集群和教育网络外，技术上还需要一个算力的调度系统。该系统动态感知各共享集群的算力使用状态及用户需求，按调度策略将任务分配至空闲节点，并进行计量与结算，其功能类似当前的酒店预订平台——用户可查看资源状态、按需预订、按使用时长计费。此类监测、分配、计费产品已有成熟方案，如华南理工大学通过部署北京大学开发的Scow/XScow平台及自研API网关，已基本实现上述功能。

 

　　但技术层面的可行性并不意味着推广应用畅通无阻。要将算力共享真正普及至高校每位用户，仍需破解以下四个机制性瓶颈。

 

　　一是收费机制问题。需明确采取面向个人（to C）还是面向机构（to B）的结算方式：若高校B的用户c使用高校A的算力，是由B统一与A结算，还是由c直接与A结算？预付费模式下未用完的费用是否可退？后付费模式下欠费如何处理？这些跨校财务问题，高校实施起来缺乏高效处理的经验。

 

　　二是服务问题。用户c使用A的算力属于服务采购，若金额超过B校招标限额，则须履行招标程序，A校是否愿意且有优势参与投标？此外，高校算力平台运维部门为本校用户提供服务尚可胜任，面对大量校外用户，售前、售中、售后的人力支撑从何而来？

 

　　三是调优问题。高校的算力平台调优能力与社会平台存在一定差距，例如许多高校若按token收费则优势不大。同时，受制于当前技术，跨高校的任务分配颗粒度比较粗，一般是把整个任务分配到算力提供高校的某个节点，还不能把任务切分后调度给不同高校的算力平台，因此，对于空闲资源的利用还不够精细化。

 

　　四是资源的更新迭代问题。算力平台建设投入较大，高校的更新迭代节奏较慢，导致资源型号不够丰富。长此以往，用户可能难以找到最匹配自身需求的算力资源。

 

　　上述四个问题，在社会化算力运营中可通过市场机制自行消解，但在高校的制度语境下却可能构成较大的约束。若不能有效破解，高校算力共享便难以从试点走向常态化。

 

 

　　针对前文所述的四重瓶颈，可从以下两个层面寻求突破。

 

　　对于问题一和问题二，可以从电商平台的运营模式寻找解决办法。通过比较可以发现，高校算力共享恰恰缺乏一个具备收费功能的平台，也缺乏可以运维这个平台和提供相应服务的团队。因此，可以组建一个第三方的平台运营主体，依托运营平台进行收费和提供服务。例如，当高校B的用户c使用高校A的算力，可以由平台收取c的费用，再和A结算，中间可以收取一定的服务费用。由于平台是独立于高校的第三方，投标、欠费、退费等机制相对灵活。

 

　　而对于问题三和问题四，可尝试对接社会资本与产业生态，破解调度粗放与迭代滞后问题。引入社会算力资源是提升平台调优能力和资源丰富度的有效路径。为确保数据安全，部分社会算力节点应部署于高校内部。但此种方式又会出现前面提到的问题，即社会算力是要收取投资成本的，价格较高。有没有不需要收回投资成本的社会算力呢？这是可能的，但需要扩大高校算力共享的生态，把视野扩展到算力生产商、投资商、资本运作方等。例如，如果投资算力的目标是资本运作或者可以从其他附加业务中盈利，那就不一定需要将投资成本计入算力价格中，这就可以保证教育系统算力供给的普惠性。

 

　　总结而言，高校算力共享是现阶段发挥高校教育网络优势、提升高校算力资源效用、解决高校算力资源不均衡、保证数据安全、保护敏感信息，推动“人工智能+教育”行动的有效方案。然而，仅凭高校自身力量难以将其推广至常态化运营层面。未来可参照电商平台模式，建立第三方运营主体与服务团队，由第三方解决高校不擅长解决的问题。同时，为了保持共享的持续性和服务质量，需要有开放的态度，扩大视野，积极寻求合适的合作方，打造良好的高校算力共享生态。