--- title: "“一天一价，合同价只保一周， 20 万元涨到 80 万元还买不到！”" type: "News" locale: "en" url: "https://longbridge.com/en/news/293977990.md" description: "国家统计局数据显示，上半年算力需求推动电子行业利润大增，集成电路制造利润增长 2579.5%。同日，存储龙头长鑫科技科创板上市首日涨超 465%，市值超越工商银行。调研显示，郑州算力大会现场火爆，服务器合同价一周有效且缺货，反映算力市场供需紧张现状。" datetime: "2026-07-27T21:31:28.000Z" locales: - [zh-CN](https://longbridge.com/zh-CN/news/293977990.md) - [en](https://longbridge.com/en/news/293977990.md) - [zh-HK](https://longbridge.com/zh-HK/news/293977990.md) --- # “一天一价，合同价只保一周， 20 万元涨到 80 万元还买不到！” 7 月 27 日，国家统计局公布 1—6 月规上工业企业利润数据。 上半年，算力需求大幅增长，推动电子行业利润同比增长 96.9%，拉动全部规模以上工业企业利润增长 8.5 个百分点，集成电路制造行业利润增长更是高达 2579.5%。 同一日，存储龙头长鑫科技登陆科创板，上市首日高开 471%，收盘涨 465.82%，市值 3.28 万亿元，超越工商银行成为 A 股总市值 “一哥”。 夸张数字背后，算力市场的真实现状是怎样的？普通人和这场算力 “狂飙” 有什么关系？近日，在郑州举办的光合组织 2026 智能计算应用大会期间，《每日经济新闻》记者（以下简称每经记者）展开实地调研。 ## 服务器合同价一周有效连板卡都缺货 7 月中旬，郑州，室外气温逼近 40 摄氏度。郑州国际文化交流中心，人头攒动。走进一楼展厅，一台两人高的机柜映入眼帘，这是国内首台十万卡 AI（人工智能）算力集群。人群环绕在机柜周围，仰着头才能看清顶部。展厅里人很密，站久了身上发黏，一位工作人员告诉记者，空调其实已经开得很低了，主要是人太多。往两侧走，各厂商的服务器机箱沿着过道一字排开，每个展位前都围了好几层人，站在外围的人只能侧着身子从缝隙里看。 两人高的机柜被层层围住 图片来源：每经记者 张宏 摄 展厅里的人大致分两类。一类是服务器零部件及整机厂商，另一类是 AI 应用厂商。两类人混在一起，过道里时不时有人停下来交换微信，或询问服务器参数，或交流行业动态。中午从餐厅走回会场，一路上仍有人在讨论各自的技术路径。现场的热闹场景，让每经记者联想到 90 年代互联网刚刚兴起时的盛况。 根据国家统计局公布的数据，今年上半年，服务器、高性能工作站相关领域中，计算机整机制造、计算机外围设备制造行业利润分别增长 689.3%、305.8%；电子器件制造领域中，集成电路制造、半导体分立器件制造行业利润增长 2579.5%、31.2%；电子元件及电子专用材料制造领域中，电子专用材料制造、电子电路制造行业利润增长 209.7%、26.9%。 ## 夸张数字背后，算力市场的真实现状是怎样的？ “现在连板卡都缺货。” 浪潮计算机展台的产品经理刘树奇告诉每经记者，“内存价格从去年到现在涨了三倍，去年 1 万块钱一个内存条，可能今年涨到 3 万块还买不着。” 刘树奇口中的板卡是服务器的 “地基”，也就是大家常见的绿色 PCB 电路板，CPU（中央处理器）、GPU（图形处理器）、存储等网络组件都靠它来互联互通。 现场展出的主板 图片来源：每经记者 张宏 摄 一位前来观展的 GPU 厂商感慨：“当时我们签的单子要一起卖服务器，结果找服务器，一天一个价，没法交付。原来就 20 万元，然后变成 50 万元，又变成 80 万元，买不着。” 刘树奇说：“有段时间，合同价一周有效。一周以后，就得再核一次，价格可能就不一样了。” 从交谈中，每经记者得知，这种供应紧缺的情况，从去年末开始，一直延续到现在。 ## 普通人如何接触算力？ “飞驰” 的订单，由什么支撑？这场算力 “狂飙” 离普通人有多远？ 浪潮计算机 AI 产品部廖广山告诉每经记者，“普通人使用大模型属于云端推理，占用的是云端算力，不占用手机的算力资源”。 而如果要解决私密性问题，让数据只在本地流转，则需要本地化部署。廖广山说：“本地化部署主要的开支就是购买服务器，本身模型是开源的，在官网下载镜像就可以。” 一家 AI 应用服务商，或一家科研机构，要本地化部署模型并开展训练，需要使用多少算力？ 面对记者提出的这一疑问，廖广山说：“这由实际要达成的效果决定，一般分预训练和微调。举例来说，如果使用 DeepSeek 做训练，在本地运行 DeepSeek 需要 1 倍资源；若要微调，则需要大概 4 到 8 倍的资源；若要推理训练则需要 20 多倍的资源。你所说的场景应该属于微调。” 刘树奇向前来问询的厂商介绍服务器 图片来源：每经记者 张宏 摄 刘树奇举例训练的过程，假设一家机构要开发一个模型，识别路口一天内经过多少人、多少辆车、多少动物，以及空气质量。就需要先搭建模型，分设多个识别字段——什么样的轮廓是 “人”，什么样的特征是 “动物”，什么样的形状算 “车”。模型建好后，还要不断 “喂” 数据，比如各种品牌、各种外形的车辆，让系统持续学习。只要数据量够大，模型就会越练越精准。 “如果只是需要保证训练的稳定性，如要保证 AI 短剧中人物形象的一致性，不一定要本地化部署，只要购买大模型厂商的租户隔离服务就可以。” 廖广山说。 算力价格暴涨之下，算力离普通人是越来越近了，还是越来越高端、触不可及了？ 对于每经记者的这一问题，中科曙光高级副总裁李斌认为，现在算力离普通人更近了。“以郑州的曙光 8000 为例，过去主要服务科研院所的科学家，现在很大一部分资源已经接到手机 App（应用程序）后端，提供 Token（词元）服务。可能大家打开手机，背后的算力就来自郑州。” ## CPU 和存储扮演的角色越来越重要 在普通人看来，服务器机箱的构成，与组装台式计算机有些类似，都是由 CPU、GPU、存储、硬盘、散热等部件组装而成。 廖广山给记者打了个比方：“如果说前者只是玩具汽车，那后者就是真正的火箭。两者在设计复杂度、结构精密程度以及用途上，完全不在一个维度，后者能完成的计算也复杂得多。研制一套服务器要花上千万元的费用。” 不过，相似之处在于，随着算力需求的变化，服务器内不同部件的配比会发生变化。 李斌认为，在超长上下文的推理中，存储扮演的角色越来越重要。 海光信息服务器产品部总经理张攀勇则表示，随着 AI Agent（人工智能体）时代的到来，大量工作实际上是在 CPU 上完成的——包括任务编排、工具调用与处理，以及记忆管理等。而 GPU 的角色，更多聚焦于模型推理本身。这也带来了一种范式转变。从他们的工作负载观察来看，CPU 与 GPU 的比重发生了明显变化。过去在双路 GPU 服务器中，常见配置是 1 颗 CPU 搭配 8 颗 GPU，或 2 颗 CPU 搭配 8 颗 GPU，CPU 与 GPU 的比例大致在 1:4 到 1:8 之间。但在当前的数据中心场景下，由于前述各类负载的增加——比如沙箱环境、存储系统、数据库、向量计算等——整体配比已经从过去的 1∶4、1∶8，逐渐演变为 1∶1。 而要让机身变得更小，廖广山认为，可能要依赖于液冷的成熟。 采用液冷散热方案的服务器体积更小 图片来源：每经记者 张宏 摄 ## 算力终将像水电一样，即开即用 **算力是否存在结构性过剩？** 李斌告诉每经记者，算力短缺或过剩存在阶段性波动，但总体看，AI 驱动的需求仍在增长，尤其是对于高端算力的需求，智能体兴起后算力需求会更大。 “从 IT（信息技术）产业发展规律来看，同等性能或效果所需的成本大概率是持续下降的，这是产业趋势。长期看，算力一定会更加普惠。” 李斌举例说，“在大模型爆发之前，行业最火的是人脸识别。如今这项技术的技术门槛和使用成本都大幅降低。未来大模型也可能遵循同样的路径：一方面，模型自身的能力将持续进化；另一方面，推理效率不断提升，单位任务所需的算力成本随之下降。最终，大模型将演变为像水电一样的基础能力，离大家更近。” **算力的终极形态是怎样的？** 李斌认为，未来的总体方向是云化，同时边端设备（如具身智能）会配备轻量化算力实现实时响应。个人无需购买笨重本地设备，通过 App 即可获取强大 AI 能力。 海光信息副总裁应志伟也告诉每经记者，算力终将像水电一样，需要时即开即用，无论通过本地部署还是云端接入，都能随时响应。所有业务都会深度接入 AI 能力，否则便难以适应这个时代。算力将无处不在，人们在使用中甚至不会察觉它的存在——这才是真正的大趋势。 “过去依赖大型算力中心，是因为模型复杂、体量庞大，对算力要求极高，普通终端设备难以承载，只能依托集中式算力来完成训练和推理。这一方向不会改变，但也要看到另一面：当模型真正落地应用时，不同行业、不同用户的需求千差万别。程序员或许需要千亿甚至万亿参数的大模型来辅助编程，但在很多场景下，一个监控摄像头做人脸识别，几十亿参数的轻量模型就足够了。此类细分场景不胜枚举：嵌入式设备做电源波形检测，网络延迟反而会把优势抵消；孩子在家做数学题，本地小模型就能解决，无需调用云端大模型。” 应志伟表示。 他接着指出，因此，AI 发展到成熟阶段，一定会根据应用特点和行业需求，分化出各自的细分形态。这种分化将体现在各个层面：未来的芯片布局不会仅限于数据中心的大型 AI 芯片，手机、手环、手表、智能眼镜等所有终端设备，都将具备相应的 AI 处理能力，各自解决特定场景下的具体问题。比如，智能眼镜可以本地记录会议内容并生成纪要，很多场景未必有网络条件，本地处理能力就必不可少。大型算力中心会继续承担对算力和模型要求最高的顶级任务，但应用场景必将日益丰富多元。 风险提示及免责条款 市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。 ### Related Stocks - [01398.HK](https://longbridge.com/en/quote/01398.HK.md) - [688825.CN](https://longbridge.com/en/quote/688825.CN.md) - [601398.CN](https://longbridge.com/en/quote/601398.CN.md) - [000977.CN](https://longbridge.com/en/quote/000977.CN.md) - [603019.CN](https://longbridge.com/en/quote/603019.CN.md) - [688041.CN](https://longbridge.com/en/quote/688041.CN.md) ## Related News & Research - [Micron rival CXMT’s stock soars 466% after IPO as the memory boom takes a twist](https://longbridge.com/en/news/293914145.md) - [CXMT’s strong debut boosts China’s bid to conquer memory chips](https://longbridge.com/en/news/293880735.md) - [The Reality Check for Hong Kong's Leftovers: Who Is Actually Making Money?](https://longbridge.com/en/news/293818511.md) - [Chinalco Secures Financing to Boost Stake in Aluminum Corporation of China](https://longbridge.com/en/news/293745059.md) - [Intel Stock Slips Despite Blowout Quarter: Here's What 4 Analysts Are Saying](https://longbridge.com/en/news/293780505.md)