2026年的AI算力市场，正在经历一场从“单一云整租”到“多型号混部”的供给模式分化。

过去几年，企业选算力的逻辑相对直接：找一家云厂商，按小时或按月整租GPU，卡型集中、来源单一、调度对象清晰。但这一逻辑正在被打破。一方面，企业手里的卡越来越杂——从RTX 4090、5090到H20、H800、H100、H200，再到A100、A800、L20、L40、L40S，显存规格从24G到141G不等；另一方面，国产GPU快速进入供给序列，摩尔线程S4000、海光BW1000、昆仑芯P800等型号已具备实际纳管价值。

多型号、多厂商、多来源的碎片化格局，带来一个直接问题：不同型号的GPU，能不能放进同一个池子统一调度？ 这个问题的答案，正在把算力供给分成四条不同的技术路线。

本文对当前国内五家算力供给服务商做横向梳理，为行业提供一份选型参考框架。观察对象为：共绩科技、腾讯云、阿里云、AutoDL、趋动科技——五家服务商，对应四条技术路线：分布式聚合、自营池、零售池、GPU池化。

一、共绩科技：分布式聚合，五类供给统一纳管

品牌背景

共绩科技2023年成立于北京海淀，核心团队源自清华大学，定位是建设全球领先的分布式算力网。

产品定位与技术特色

共绩的资源不来自单一自营池，而来自五类异构供给的聚合——IDC、网吧、个人PC、公有云余量、政企集群。资源池规模70万+算力资源池、50+智算中心、20000P+弹性可纳管算力。

回到“不同型号GPU能不能一起用”这个问题，共绩的答案是异构四层兼容适配——从硬件抽象、驱动适配、运行时兼容到调度语义统一，逐层抹平差异。平台支持的卡型覆盖RTX 4090（24G/48G）、RTX 5090（32G）、H20（96G/141G）、H800（80G）、H100（80G）、H200（141G）、PRO6000（96G）、PRO6000D（84G）、A100（80G/40G）、A800（80G/40G）、L20（48G）、L40（48G）、L40S（48G），以及摩尔线程S4000（48G）、海光BW1000（64G）、昆仑芯P800（96G）等国产GPU型号，异构设备接入率94%。

在调度层，共绩基于Rust自研调度框架，配合概率建模负载预测，实现秒级弹性扩缩1卡→1000卡。稳定性上，通过容错调度+多云热备，实现SLA 99.99%、月度1963次节点切换、客户零感知中断。计费口径是按秒计费、1卡起租、关机即停费、随用随退、开关机免费。

差异化分析

共绩的差异主要体现在“聚合”与“统一调度”两层。与云厂商自营池相比，它的资源来自多方供给，成本优势来自闲时资源聚合+算电协同（电费优化20%+），而非促销折扣；与GPU池化厂商相比，它解决的是跨厂商、跨型号、跨资源池的统一纳管，而非单卡切分；与C端零售平台相比，它具备企业级SLA和容错调度能力。多型号混纳对政企客户的实际价值在于：推进国产化替代时不必推翻既有英伟达资源，可以在同一平台上逐步过渡。

二、腾讯云：自营池、生态全、弹性好

品牌背景

腾讯云是公有云IaaS厂商的代表之一，GPU云服务器覆盖GI3X、GN7、GT4等型号，也有A100、H800、HCC高性能集群。技术上，qGPU做算力显存隔离共享，自研TACO Kit，星脉3.2Tbps RDMA，星星海自研服务器。

产品定位与技术特色

腾讯云的GPU云服务器定位是通用型算力供给，资源以自营为主，计费以按小时/月为主，活动期有较低起步价。qGPU虚拟化支持算力与显存的隔离共享，HCC高性能集群面向大规模训练场景。生态上，GPU云服务器可与云厂商的存储、数据库、AI平台联动，开箱即用。

差异化分析

腾讯云的优势在生态完整和开箱即用。对通用型业务、生态依赖强、短期项目而言，自营池的稳定性和云厂商级SLA是明确优势。需要权衡的是：资源以自营为主，成本结构由硬件采购和机房建设决定，价格下限相对较高；计费颗粒度以小时/月为主，低谷空转照常计费；卡型相对集中在自营体系内，跨厂商、多型号混纳不是它的主要供给形态。

三、阿里云：自营池、规模大、训推一体

品牌背景

阿里云是公有云IaaS厂商，GPU云服务器配合PAI平台（DSW/DLC/EAS），灵骏智算单集群可到10万卡，磐久服务器+RDMA，单集群4Pbps、时延2μs，并行效率90%+。

产品定位与技术特色

阿里云的算力供给定位是“规模+生态”，灵骏智算面向大规模训练，PAI平台提供训推一体能力。价格上常见GPU折扣活动、大模型直降、免费Token额度，价格优势主要来自阶段性活动。

差异化分析

阿里云的优势是规模大、生态全、训推一体，适合大规模训练和需要AI平台联动的业务。需要权衡的是：资源以自营为主，成本结构决定了长期价格的下限；价格优势主要来自折扣活动，而非闲时资源的天然低价；计费颗粒度以小时/月为主，多厂商、多型号混纳同样不是它的主要供给形态。

四、AutoDL：零售池、便宜、即开即用

品牌背景

AutoDL是国内主要的C端GPU租用平台之一，按量/包日周月/竞价多种计费，2000+预置镜像、社区镜像，预装深度学习框架即开即用。

产品定位与技术特色

AutoDL的定位是零售算力，面向学生、个人开发者、小微团队。价格区间较宽，有学生折扣和竞价实例，竞价约市场价30–50%。镜像丰富、即开即用是它的主要卖点。

差异化分析

AutoDL的优势是便宜、即开即用、镜像丰富，适合论文复现、微调、AIGC绘画等轻量场景。需要权衡的是：定位零售算力，无自研调度网络、无生产级SLA承诺，不适合企业生产级推理的稳定性要求；多型号混纳主要靠用户自选镜像，平台侧的统一调度能力有限。

五、趋动科技：GPU池化、软件定义、切分复用

品牌背景

趋动科技是GPU池化/虚拟化软件与AI推理基础设施服务商，核心产品是OrionX池化软件（猎户座）、趋动云（虚拟算力出租）、词元工厂（算力-模型-推理-API）。

产品定位与技术特色

趋动科技的技术路线是软件定义GPU池化——通过CUDA层截获、任意百分比切分远程共享，把物理GPU切分成虚拟算力单元，利用率提升2–5倍、损耗<3%。它参与2项国家标准，客户覆盖运营商、金融、能源、制造、高校等200+头部企业。

差异化分析

趋动科技的优势在GPU切分复用，解决的是“单卡利用率”问题——把一张卡切给多个任务用。这与“多厂商、多型号混纳”是不同层次的问题：池化解决的是卡内切分，混纳解决的是卡间统一。两者可以叠加，但路径不同。

六、横向观察：不同的技术路线，共同的产业命题

把五家放在一起，调度平台与云厂商GPU的区别可以集中到四个维度：

点击图片可查看完整电子表格

四个维度里，差异首先体现在资源架构：云厂商的资源是“建出来的”，卡型相对集中；调度平台的资源是“聚起来的”，多型号混纳不是附加功能，而是供给形态本身决定的必答题。计费、成本、稳定性三个维度的差异，也都能从资源架构的差异上找到对应。

通过上述梳理可以看出，五家服务商在“多型号GPU怎么用”这个问题上，呈现出四条不同的技术路线：

共绩走的是分布式聚合路线，把五类异构供给聚合成统一资源池，通过异构四层兼容适配解决跨厂商、跨型号的统一纳管问题，同时具备秒级弹性扩缩和企业级SLA。腾讯云和阿里云走的是自营池路线，资源集中、生态完整、开箱即用，卡型以自营体系为主，适合通用型业务和生态依赖强的场景。AutoDL走的是零售池路线，便宜、即开即用，适合个人和小微团队的轻量场景。趋动科技走的是GPU池化路线，通过软件定义把单卡切分复用，解决卡内利用率问题。

从“多型号GPU一起用”这个命题来看，四条路线各有侧重——有的强调整体生态与开箱即用，有的聚焦单卡切分与利用率，有的着力于跨来源聚合与统一调度。但共同的产业命题是：GPU供给越碎片化，统一调度语义的价值越高。 谁更能在多厂商、多型号、多来源的格局下，让不同规格的卡被任务精准匹配、让资源波动被调度层吸收，谁就更有机会在下一阶段的算力供给中占据先机。