106 篇博文 含有标签「Industry News」

2026 年 10 月，存储行业发生了一件足以改写 AI 成本模型的事：三星把 HBM4 的供应报价定在每 Gb 4 至 5 美元——约是 HBM3E（约 1.5 美元/Gb）的三倍，并已启动与主要客户的年度合同谈判。这不是普通的涨价，而是定价逻辑的换代。

一、三倍报价的数字拆解​

HBM 以每 Gb 为单位计价，一颗标准 HBM4 芯片容量通常在 24-36Gb。按三星报价区间中值计算：

项目	HBM3E	HBM4
单价	~1.5 美元/Gb	4-5 美元/Gb
单颗价格	~50 美元	100-180 美元
英伟达供货口径	17-18 美元/GB	31-32 美元/GB（SK 海力士）

对 Vera Rubin 这类单服务器搭载 8 颗 HBM4 的平台而言，仅内存一项，单台服务器成本就增加数百美元。三家供应商（三星、SK 海力士、美光）定价策略高度一致——美光在财报电话会上也明确表示「明年 HBM 价格可能大幅上涨」。

二、为什么敢涨三倍：供需的结构性断裂​

TrendForce 的几个数字构成了底气：

• 2026 年全球 HBM 市场规模增长 58% 至 546 亿美元，占 DRAM 市场近四成
• 产能缺口维持在 50%-60%
• 三星已将 2031 年前约 70% 的 HBM 产能分配给长约订单，现货价已涨至长约价的 4-5 倍
• 2027 年 HBM 混合平均售价预计同比上涨 121%

更关键的是晶圆消耗的挤出效应：单颗 HBM 占用的晶圆面积约等于 3GB DDR5。三星高管给出的量化关系是——HBM 在 DRAM 产能中占比每提升 1 个百分点，消费级 DRAM 供给就被压缩约 3 个百分点。当占比从约 20% 升至 2027 年的近 30% 时，消费级 DRAM 供给收缩幅度接近 30%，这解释了 DRAM/NAND 全面涨价的传导链条。

三、性能跃迁给了「按性能定价」的资格​

HBM4 的技术升级是真实的：三星 HBM4 稳定传输速率 11.7Gbps、最高 13Gbps（JEDEC 标准为 8Gbps），基于第六代 10 纳米级 1c DRAM 工艺与混合铜键合技术，支持 16 层以上堆叠、热阻降低 20% 以上。竞争逻辑从「谁的产能大」变成「谁的性能强」——客户没有替代方案，议价空间极小。

一个有趣的细节：部分客户为应对涨价考虑把 12 层堆叠降为 8 层，但 TrendForce 指出 8 层产品的每 Gb 成本反而比 12 层高 10%-20%——基片成本摊不薄，降价策略本身推高单位成本。

四、对 AI 算力成本的三级传导​

1. 芯片厂：HBM 占 AI 加速器 BOM 成本的比例显著上升，直接推高整机定价底座
2. 云厂商：微软、谷歌、亚马逊、Meta 的数据中心预算被推高，TrendForce 预估 2026 年企业级 SSD 位元需求年增突破 80%
3. 终端：成本通过云服务订阅费与 AI 产品定价传导——消费端已有体感，12+256GB 手机内存套件采购价涨至约 2200 元，DRAM 已超越 SoC 成为手机中最昂贵的元器件

五、对选型的启示​

在 TCO 计算器的口径里，芯片采购价只是显性成本，HBM4 时代的隐性变量是：同价位下 2027 年到货的芯片，单位算力成本可能因内存涨价而上浮。计划 2027 年扩容的团队，把 HBM 长约绑定与算力采购放在同一个谈判桌上，正在变成头部客户的标配动作。

新产能要到 2027 年底至 2028 年才陆续落地，高盛称这是 15 年来最严重的存储短缺。HBM4 的三倍报价不是周期高点，而是新定价基准的起点。

延伸阅读：NVIDIA Rubin R200 卡片 · AMD MI455X 卡片 · 完整对比表

长江商报援引寒武纪中报的表述是：中国互联网大厂的 Token 日消耗正呈指数级增长，推理算力已接替训练成为新增长极。这不是一句口号——它正在改写芯片厂商的产品定义（训练/推理拆分）、云厂商的自研路线（全部推理优先）与采购方的成本模型。

需求侧：三组数字​

• IDC：2026 年中国智能算力规模预计 2,576.5 EFLOPS，同比增长 87.9%——增量主要来自推理
• Agent 效应：智能体任务的特点是多步骤、长上下文、持续运行，单次任务的 Token 消耗是传统问答的数十倍，且对延迟敏感
• 平台侧：商汤大装置披露日均 Token 服务量已达 2.42 万亿（公司口径），并规划异构 Token 工厂

推理负载的经济学特征与训练完全不同：训练追求峰值算力利用率，推理追求单位 Token 成本与延迟的平衡。这解释了为什么 2026 年 10 月的三场重磅发布全部是推理优先：Maia 300（长上下文/智能体）、GPU D 系列（decode 阶段 Token 成本）、TPU 8i（推理专用拆分）。

供给侧：产品定义随需求改变​

厂商	推理侧动作	信号
NVIDIA	Rubin 平台引入 Groq 3 LPU（GTC 2026-03 官宣）做低延迟解码	首次在自家平台引入第三方推理芯片
Google	v8 首次拆分出推理专用 8i	训练/推理产品线分家
微软	Maia 300 定位「主要推理系统」，2027 数吉瓦部署	自研芯片从辅助转为主力
Intel	GPU D 系列专攻 decode Token 成本	放弃 HBM 军备竞赛
华为	950PR（Prefill）/ 950DT（Decode+训练）双版本	场景细分设计
Meta	MTIA 承接全部推荐与 Llama 推理，训练仍外购	「训练买、推理自建」分工定型

行业分工已经清晰：训练买 NVIDIA（偶尔 AMD），推理自研或国产。这个分工在 2027 年只会加深。

价格信号：两套体系加速分化​

中国市场与国际市场的算力价格已经事实性分轨（口径：可复核成交数据，非渠道报价，引自行业媒体 2026-10 汇总）：

• 国内成交口径：B300 八卡整机约 1,880 万元、H200（2T 版）约 670 万元；租赁价格 B300 超 40 万元/月、H200 超 14.5 万元/月
• 海外合规口径：B300 八卡整机 400-800 万元（不含中国、不含税）
• 租赁性价比：SemiAnalysis 口径 MI355X 大客户批量租用约 1.50 美元/GPU 时、零售 2.90 美元

注意两个边界：上述国内数字是「成交价非报价」，且不含灰市与转口裸机口径；跨体系直接换算比较没有意义，因为供给条件（管制、保修、软件服务）完全不同。

对 2027 年采购决策的三点推论​

1. 推理容量规划要按 Agent 负载重估：多步骤智能体让单用户 Token 消耗放大一个数量级，按历史对话流量外推容量会系统性低估。建议按「日活 × 任务数 × 每任务 Token」建模，并预留 2-3 倍余量。
2. MFU 比峰值算力更值钱：超节点把集群 MFU 从约 30% 提升到 2.75 倍水平（研报口径），意味着同样的电费预算下有效算力翻倍。选型时「实测 MFU × 峰值算力」才是真实算力。
3. 混合供给成为常态：训练用国际旗舰、推理用国产或自研的分层架构，已经是大厂的标准答案。企业采购可以复制这个分层：核心训练集群保持 CUDA 生态，推理层引入国产卡（思元690、MTT S5000、昇腾 950PR 等）做成本优化。

相关阅读​

• 完整对比表（81 款并排）
• TCO 计算器
• 超节点时代的选型框架
• 寒武纪业绩兑现期分析

2026 年 10 月 13 日，Intel 在 OCP 全球峰会上把代号 Crescent Island 的数据中心推理 GPU 正式定名为 GPU D 系列，行业拆解普遍称其型号为 D270。这是 Gaudi 3 之后 Intel 数据中心加速器的「换轨」之作——不再追 HBM 军备竞赛，改打内存容量与每美元 Token 成本。

官方规格落地​

此前半年，外界只知道 Crescent Island「350W、LPDDR5X、风冷 PCIe」。OCP 2026 与随后的技术说明补齐了关键数字：

项目	参数
架构	Xe3P（32 个 Xe 核心 / 256 个 XMX 矩阵引擎）
内存	160 GB LPDDR5X（Intel 参考卡），最高 480 GB（ODM 版本）
内存带宽	1.5 TB/s（官方口径）
FP8 算力	1.3 PFLOPS
TDP	350 W
形态	PCIe 标准卡，风冷，可 8 卡扩展
状态	客户送样中，量产时间未公布

Intel 的口径是：480GB 版本单卡可承载约 3,000 亿参数模型，8 卡整机可推理超万亿参数的开源权重模型。

规格取舍：刻意避战，不是被动落后​

把 D270 放进 2026 年 10 月的坐标系里，取舍一目了然：

• 带宽 1.5 TB/s 只有 Gaudi 3（约 3.7 TB/s）的 40%、Rubin R200（19.2 TB/s）的 8%
• 但 480GB 容量上限反超 Rubin R200（288GB）与 MI455X（432GB）
• 350W 风冷 PCIe 意味着可以直接插进存量风冷机房，不需要液冷改造

这不是「做不出 HBM 版本」，而是定价选择：D270 卖的不是峰值算力，是长上下文推理 decode 阶段的每美元 Token 数。LPDDR5X 的单位容量成本远低于 HBM4，用带宽换容量与成本，恰好匹配智能体 AI 场景中 KV Cache 容量优先的工作负载。

口径注意事项​

• 制程未官方披露。「Intel 18A」只是多家媒体基于与 Panther Lake 同源的推测，Intel 未确认
• 带宽曾有口径分歧。2026 年 10 月中旬前部分二手拆解给出过约 684 GB/s 的估算值（基于 160GB 参考卡的 640-bit 总线推算），官方口径 1.5 TB/s 对应 480GB 版本，采购评估时应以官方值为准并问清配置
• 量产时间未定。客户送样从 2026 下半年开始，「2027 年商用」是媒体推断，不是 Intel 承诺

对选型的影响​

D270 填补的是「L40S 之后、HBM 加速器之下」的空档：显存受限（48GB 级）的老 PCIe 卡跑不动长上下文，HBM 卡又太贵。对日均 Token 量大、模型在 300B 参数级以下、机房无液冷条件的企业推理场景，D270 的每美元 Token 口径值得等它正式定价后再评估——前提是 Intel 能兑现 2027 年的供货。

相关阅读​

• Intel GPU D 系列（Crescent Island）芯片卡片
• Intel Gaudi 3 芯片卡片
• NVIDIA L40S 芯片卡片

如果说 HBM4 三倍报价是 AI 算力成本的显性冲击，那么存储涨价的第二波正在从 HBM 向整个存储市场蔓延——而这一波的发动机是 AI 推理，不只是训练。

一、4Q26 价格全景（TrendForce，2026-09-30 口径）​

品类	合约价环比预期
传统 DRAM	+10% ~ +15%
NAND	+15% ~ +20%
企业级 SSD	+23% ~ +28%

DRAM 交期已拉长至 40 周以上，高盛称之为 15 年来最严重的存储短缺；新产能要到 2027 年底至 2028 年才陆续落地。

二、企业级 SSD：AI 落地的第二增长极​

HBM 对应训练，企业级 SSD 与服务器 DRAM 对应推理与应用落地。Agentic AI 规模化应用带动实时检索、缓存与向量数据库存储需求成倍增长：

• TrendForce 预计 2026 年企业级 SSD 位元需求年增突破 80%
• QLC 渗透率持续提升，PCIe 6.0 随新一代 AI 服务器平台放量
• 新增高容量供应多数已被提前锁定

这解释了一个反直觉现象：推理占比越高的 AI 公司，对存储的依赖越重。KV Cache、向量库与多轮会话上下文都在吃 SSD 与大容量 DRAM。

三、HBM 的挤出效应是总开关​

单颗 HBM 占用的晶圆面积约等于 3GB DDR5。三星高管给出的量化关系：HBM 在 DRAM 产能中占比每提升 1 个百分点，消费级 DRAM 供给被压缩约 3 个百分点。当占比从 2026 年约 20% 升至 2027 年近 30% 时，消费级 DRAM 供给收缩近 30%。手机市场已有体感：12+256GB 内存套件采购价涨至约 2200 元，DRAM 超越 SoC 成为手机中最贵的单一元器件。

四、国产存储的位置​

厂商	全球地位	技术进展
长鑫存储 CXMT	DRAM 全球第 4，份额 9.5%	量产 G5 DRAM，推进 4F² 技术
长江存储 YMTC	NAND 出货量前三（14%）	计划扩建 NAND 研发线

与韩国、日本头部厂商的技术差距评估约为 1-3 年。在全球存储紧缺、长约锁定的背景下，国产存储的产能弹性对国内 AI 产业链有额外的战略价值——这与国产 AI 芯片在算力侧的替代逻辑同构。

五、对算力预算的影响​

2027 年扩容的 TCO 测算里，存储与内存已不再是「按比例摊销」的配角：企业级 SSD 单季度 20%+ 的涨幅、40 周的交期，意味着存储采购需要提前锁定，且要作为独立成本项建模，而不是藏在服务器单价里。

延伸阅读：TCO 计算器 · 推理单位成本经济学

自研芯片竞赛在 2026 年 10 月迎来关键节点：微软于 10 月 12 日在圣何塞 OCP 全球峰会上正式发布 Azure Maia 300，并宣布 2027 年起以「数吉瓦级」规模部署。这是微软首次把自研芯片定位为「主要推理系统」，而非补充。

核心规格：官方口径全记录​

Maia 300 采用多芯粒（multi-chiplet）设计，这是 Maia 家族第一代拆分计算与 I/O 的产品：

项目	参数
计算芯粒制程	台积电 N2P（2nm 级）
显存	8 组 HBM4，共 288 GB
显存带宽	18 TB/s
FP4 算力	13.8 PFLOPS
FP8 算力	6.9 PFLOPS
SoC TDP	950 W
scale-up 互联	单加速器双向 3.2 TB/s
机架配置	96 颗加速器 / 约 167 kW
部署时间	2027 年开始

需要注意口径：微软官方博客只给出了相对口径（系统算力 FLOPs 较 Maia 200 提升 36%、HBM 带宽 2.5 倍、容量 +33%），FP4 13.8 PFLOPS 与 FP8 6.9 PFLOPS 出自随发布公开的技术论文，并与官方相对口径自洽（Maia 200 的 10.1 PFLOPS FP4 乘以 1.36 约等于 13.8）。

机架架构：96 卡、三层延迟域、统一 fabric​

Maia 300 的机架设计与 NVIDIA 的 NVL72 走了两条路：

• 96 颗加速器分布在 24 个四卡托盘，取消独立主机托盘，机架功率与热资源统一管理
• 机架内全部电连接组成一个 pod；第二层用光互联最多连 128 个机架，组成 12,288 颗加速器的 superpod
• 统一 fabric：pod 内与跨机架使用相同通信语义，不再区分 scale-up 与 scale-out 两个域
• 微软宣称 96 卡完整配置下，机架级 Token 吞吐最高可达 Maia 200 的 7 倍

在负载定位上，Maia 300 明确面向长上下文推理、延迟敏感对话与多步骤智能体任务——GitHub Copilot 与 Microsoft Foundry 将在今年年底前接入。

部署节奏与供应链​

据路透社 10 月 13 日报道，微软计划2027 年部署超过 100 万颗 Maia 300。供应链口径显示，微软已在 2026 年 8 月与台积电锁定 30 万片以上代工产能，初期产量 30-40 万片、2027 年增至 120-150 万片（非微软官方数字）。

两个值得注意的背景：

1. 规格升级曾导致延期。原计划 3nm 配 HBM3e，后升级为 2nm 配 HBM4，量产时点从 2026 Q1 推迟到 Q4，微软靠提高 Maia 200 产量弥补缺口。
2. Evercore ISI 预计 2027 Q1 Maia 占微软 AI 芯片支出约 10%——自研芯片仍然是「降本增量」而非「替代采购」。

对采购方的意义​

Maia 300 不对外销售，只服务微软自己的 AI 业务。它的信号意义大于直接采购意义：当全球第二大云厂商把主力推理负载迁到自研 ASIC 上，NVIDIA 在推理市场的定价权会持续承压。对企业采购方而言，更实际的影响是——推理型云实例（Azure ND 系列）的单位 Token 价格曲线，未来两年会因 Maia 上量而更有下探空间。

相关阅读​

• Microsoft Maia 300 芯片卡片
• Maia 200 芯片卡片
• GPU D 系列（Intel 的推理 ASIC 化路线）

2026 年 10 月，NVIDIA 供给侧出现三个值得记录的事实：Rubin 机柜开始放量、单一客户（SpaceX）给出每月 20 万颗 GB300 的上线速度、以及 Rubin 规格表上罕见的「官方双口径」。本文逐一梳理。

信号一：Vera Rubin NVL72 进入放量阶段​

鸿海在 10 月上旬首次公开了 Rubin 机柜的制造细节：由鸿佰科技组装的 Vera Rubin NVL72 量产机柜已出货，首批交付微软；产线引入机器人自动化，母线（Busbar）组装成功率超过 95%。鸿海轮值 CEO 的口径是：Vera Rubin 预计第四季度放量出货，2027 年成为主力产品，同时 GB 系列需求稳定、至少延续到明年。

时间线回顾：2026-01-05 CES 宣布全面量产，8 月 26 日财报称「向全面生产爬坡、机柜已在合作伙伴处运行」，10 月起进入放量。另有一个容易踩坑的命名变化：原「Rubin NVL144」按 die 计数，官方已统一改称 Vera Rubin NVL72（按 72 个 GPU 封装计数）。

信号二：SpaceX 的月度上线速度​

10 月 20 日 SpaceX Q3 财报电话会上，马斯克给出的数字是：SpaceX 正按每月约 20 万颗 GB300 的速度把英伟达芯片上线，该节奏将持续到年底，明年转向以 Vera Rubin 算力为主，并规划在 2027 年二季度末建成 44 万颗 Vera Rubin 训练集群；SpaceX 还在寻求约 400 亿美元贷款（Apollo 牵头）用于采购英伟达芯片。

单客户月化 60 万颗的 Q4 上线量，是「算力军备竞赛进入吉瓦时代」最直白的注脚。但对采购方的参照意义有限——这是顶配客户的特殊节奏，不代表市场平均可获得性。

信号三：Rubin 带宽的官方双口径​

一个数据站必须诚实记录的事实：NVIDIA 自己的两个页面给出了不同的 Rubin 显存带宽——

来源	显存带宽	NVLink
1 月技术博客 / HGX 产品页	22 TB/s	3.6 TB/s
Vera Rubin NVL72 产品页	19.2 TB/s	3 TB/s

在 NVIDIA 调和之前，任何单值引用都应注明出处。本站全部页面统一采用 NVL72 产品页口径 19.2 TB/s，并在 Rubin 卡片中保留双口径说明。

中国市场的另一个极端​

与吉瓦级部署形成对照的是：中国数据中心收入已不再进入 NVIDIA 业绩展望，FY2027Q2 财报确认中国收入贡献为零（H20 库存释放的 1.8 亿美元是非中国区销售）。出口管制时间线上，2026-01-14 BIS 新规将 H200 等从「推定拒绝」改为「逐案审查」，但中国海关放行与买方意愿两个环节均未打通。这意味着全球 AI 算力市场事实上分裂为两个定价体系——本站所有价格对比均分列 USD 与 CNY 口径，不做跨体系直接换算。

相关阅读​

• NVIDIA Rubin R200 芯片卡片
• NVIDIA GB300 芯片卡片
• AMD Helios 量产爬坡（同代竞品视角）

截至 2026 年 10 月，市场对 AI 算力短缺的讨论重点已经发生位移：不再是晶圆产能，而是先进封装与高带宽内存。两条约束线在四季度同时收紧，且价格信号已经明确。

内存端：HBM4 进入「代际定价」​

国庆假期期间一则产业消息震动硬件市场：三星电子已将下一代 HBM4 的供应报价定在每 Gb 4 至 5 美元，约为当前 HBM3E 价格的三倍，并已启动与主要客户的年度合同谈判。按此推算，单颗 HBM4 价格预计达 100 至 180 美元，而 HBM3E 单颗仅约 50 美元。这个报价与今年中 DigiTimes 关于「HBM4 价格可能从 2026 下半年约 2 美元每 Gb 飙升至 4 至 5 美元甚至更高」的预测路径完全吻合。

环节	当前状态	四季度方向
HBM4 单价	约 4 至 5 美元每 Gb，约为 HBM3E 三倍	年度合同谈判启动，锁量锁价
全球 HBM 市场规模	2026 年预计增长约 58% 至 546 亿美元	占 DRAM 市场近四成
传统 DRAM 合约价	持续上行	四季度预计环比上涨 10% 至 15%
NAND 合约价	持续上行	四季度预计环比上涨 15% 至 20%

涨价背后有两个物理原因无法绕过：HBM4 工艺制造难度极高，生产周期长达 4 至 6 个月，初期良率偏低；生产 HBM4 所需晶圆面积约为普通 DDR5 内存的三倍，现有产线可释放的产能空间被大幅压缩。TrendForce 预计 2027 年 HBM 混合平均售价同比上涨 121%。

产能虹吸效应同步发生。三星方面表示，HBM 在 DRAM 晶圆产能中的占比每提升一个百分点，消费级 DRAM 供给即被压缩约三个百分点；当该比例从 2026 年的约 20% 升至 2027 年的近 30% 时，消费级 DRAM 供给收缩幅度将接近 30%。这条传导链已经在终端落地——手机存储套件采购价翻倍，DRAM 已超过主控芯片成为手机中最昂贵的单一元器件。

封装端：CoWoS 缺口收窄但未消失​

供给约束的另一半在先进封装。台积电 CoWoS 月产能从 2022 年的约 1.5 万片，提升到 2025 年的近 7 万片，2026 年底预计达 12 万至 14 万片。加上封测合作伙伴新增的 5 万至 6 万片产能，整个行业月产能接近 20 万片。但供应链预计，CoWoS 供需缺口将从目前的约两成收窄至 2026 年底约一成——缺口在收窄，并未消失。

需求端的集中度更值得关注。据产业数据统计，2025 年英伟达约占 CoWoS 产能需求的 63%，是最大需求来源，博通约 13%，AMD 与迈威尔各约 8%。仅英伟达 B200、B300 系列全年就可能消耗超过 70 万片 CoWoS 晶圆，而这还不包含新一代 Rubin 系列。

台积电资深副总侯永清披露，2026 年将首度同时有五座 2 纳米厂同步放量，涵盖新竹两座、高雄三座，2026 至 2028 年 2 纳米产能年复合增长率预计达 70%，作为参照 3 纳米产能 2022 至 2027 年的年复合增长率约为 25%。即便如此，先进封装仍是短板——硅中介层制造需要洁净室标准，扩产要与逻辑制程争夺重叠的资本设备，而这些设备交期极长，无法绕开排队。

产能虹吸之外的两条缓冲路径​

一是 CoPoS 等面板级封装技术。相较目前以 300 毫米圆形晶圆为基础的制程，CoPoS 改用更大面积方形面板，600 毫米乘 600 毫米面板单次处理的封装数量约可达 12 吋晶圆的两倍以上。CoPoS 不是替代 CoWoS，而是在既有产能持续扩充却仍可能追不上需求时，增加另一条提高封装产出的供给路径。

二是内存供应的长约锁定。据公开报道，三星、SK 海力士、美光正通过与一级 AI 客户签订三至五年的长期协议锁定全球内存供应。DigiTimes 预计，到 2027 年全球 DRAM 总产能中约有一半将完全无法提供给小型买家。

研判​

四季度对 AI 算力采购方来说，最实际的判断是：卡不是缺在设计，而是缺在封装产能和内存配额，而这两者都无法用加钱在短期内解决。这意味着接下来的价格谈判中，内存与封装环节的议价权会持续强于芯片设计方。

有三点值得盯住。第一，HBM4 年度合同的最终定价将锚定整个服务器 BOM 成本，任何云厂的四季度报价都会随之重估。第二，消费级 DRAM 收缩近三成会传导到 PC、手机、显卡等终端市场，非 AI 需求可能成为挤压 AI 供给的出气筒。第三，摩根士丹利等机构提示的中长期风险值得关注——多家厂商同步扩产 HBM，2028 年后高端存储产能集中释放，届时供需关系可能反转，扩产决策现在签的单子可能变成明年的产能包袱。

大多数 AI 算力的成本模型只算了显卡。但 2026 年公开测算显示：一台 8 卡 H100 服务器的三年全口径 TCO 约 71.2 万至 94.8 万美元，其中服务器与 GPU 约占六成，电力约 7% 至 15%，而人员成本往往是最大的单一运营项。真正拉开自建与云差距的，不是买卡那一刻花了多少。

---

一、五大口径的真实占比​

以一台 8 卡 H100 节点（约 10 至 10.5 kW 满载）为基准，2026 年的公开成本拆解如下：

成本项	类型	2026 年量级
GPU 服务器（8 卡 H100）	资本	25 万至 40 万美元以上
高速网络（InfiniBand / RoCE）	资本	5 万至 10 万美元以上
电力（约 10 kW 节点）	运营	每年约 1.05 万美元
制冷附加	运营	电力的 25% 至 40%
托管 / 机房	运营	每年 1.2 万至 2.4 万美元
人员（至少 0.5 个 FTE）	运营	每年 7.5 万至 10 万美元
三年全口径合计	—	约 71.2 万至 94.8 万美元

逐条看要点：

• 人员被严重低估。 7.5 万至 10 万美元 / 年的人力，通常高于电力加制冷之和。集群打补丁、监控、保持可用性，没有低于 0.5 FTE 的现实方案。
• 电力不是大头，但地区差异是数量级的。 美国加权平均工业电价 0.0834 美元 / kWh、PUE 1.14、利用率 71% 时，每兆瓦每年电费约 62.6 万美元；廉价电力市场（0.047 美元 / kWh）降至约 35.3 万；昂贵沿海市场（0.15 美元 / kWh）则超过 110 万。
• 故障率是隐性成本。 企业级 GPU 年故障率约 5% 至 10%，备件与更换必须单列。
• 摩尔定律的反向作用。 新一代发布即意味着在手硬件开始贬值，折旧年限的选取比电价更能左右结果。

二、东西部的成本落差有多大​

国内公开测算给出了更贴近本地采购的口径。取 2 万 P 规模 H100 集群，按行业平均 80% 利用率测算：

场景	PUE	电价	日电费
西部浸没液冷标杆	1.1	0.30 元/度	约 32.95 万元
西部标准绿色算力（冷板液冷）	1.2	0.30 元/度	约 35.94 万元
东部传统风冷	1.3	0.65 元/度	约 84.36 万元

东部风冷方案的日电费是西部液冷方案的 2.5 倍以上。 但如果换成低功耗国产集群（同样 2 万 P，按 1P 约 1.5 kW 测算，PUE 1.2、0.30 元/度、80% 利用率），日电费约 20.74 万元，比 H100 集群省约 42%。电力账的杠杆在芯片功耗和 PUE，不在电价谈判。

机位托管的口径同样值得记：西部东数西算枢纽 40 kW 液冷机柜的机位租金约 1.5 万元 / 月，电费约 8640 元 / 月（24000 kWh × 0.36 元），带宽约 1500 元 / 月，月度合计约 2.51 万元；东部新建低 PUE 液冷机柜租金则在 2.2 万至 3.2 万元 / 月，电价 0.55 元 / kWh 以上。

三、液冷为什么是必需品而不是选项​

液冷与风冷的成本差在 2026 年已经被量化。行业测算显示，每兆瓦液冷设施成本约 450 万至 520 万美元，而常规风冷约 180 万美元 / 兆瓦——液冷溢价为每兆瓦约 305 万美元。原因是风冷机房在常规成本下只能支撑每机架 25 kW，而 AI 负载需要 40 至 80 kW 甚至更高。

另一个容易被忽略的信号：机械系统在液冷 AI 机房总成本中的占比，已从风冷时代的 22% 上升到 33%。液冷不是一次性投入，它改变了整座机房的成本结构。

四、折旧：TCO 里最容易吵架的一项​

折旧年限的选择直接决定结论。Epoch AI 在 2026 年 5 月的模型中，对 1 吉瓦美国 AI 数据中心采用的口径是：IT 设备 5 年寿命，机房设施 14 年寿命，由此得出每兆瓦年化 TCO 约 850 万美元，其中一次性资本支出 3.8 万美元 / 兆瓦（合计 380 亿美元），年运营支出 90 万美元 / 兆瓦（合计 9 亿美元）。服务器与 GPU 占年化 TCO 的约 60%，能源约占 7%。

如果你把 IT 折旧从 5 年改成 3 年，同样的现金流会被重新切成完全不同的两个故事。 这不是会计技巧，而是采购谈判中的实质变量——它决定了你愿意为多少年服务期付多少溢价。

五、五口径自查清单​

口径	问自己的问题	四季度答案
电力	我的 kW 负载 × PUE × 8,760 小时 × 电价，是多少？	东部风冷方案通常是西部液冷的 2.5 倍以上
折旧	我按几年摊？残值怎么算？	行业常用 IT 5 年 / 设施 14 年
液冷	每兆瓦是否已计入 300 万美元级溢价？	每机架超过 25 kW 就是必选项
人力	是否真有人排 0.5 个 FTE 进预算？	通常是最大单项运营成本
故障	备件比例是否按年 5% 至 10% 预留？	企业级 GPU 的现实年故障率

一句话总结：2026 年的算力 TCO 里，电力只占约 7% 至 15%，液冷溢价和人员成本才是被低估的两块。把折旧年限、人力 FTE 和液冷溢价这三项填准，你的 TCO 才有讨论资格。

对一家 2026 年的 AI 创业公司来说，算力决策不是技术问题，是一个利用率问题。多家独立分析在 2026 年给出的阈值惊人一致：持续利用率在约 40% 以下，租用几乎总是更便宜；超过约 55% 至 65%，自建或共置才开始在三到三十六个月的维度上赢。你需要做的是准确估计自己的利用率，而不是选择你更偏好的那个答案。

---

一、先把「利用率」算出来，而不是猜出来​

2026 年的盈亏平衡测算给了一个可复现的算例。取一台 H100 新机价格区间 2.5 万至 4 万美元的中值 3 万美元，专业托管费用约每 GPU 小时 0.35 美元（含电费），同等级设备租用约每小时 2.50 美元——交叉点大约在 1.4 万 GPU 小时：100% 利用率下约 19 个月，40% 利用率下约四年。 若把两年残值按 40% 至 50% 计入，有效盈亏平衡点缩短约三分之一。

二手市场的保值能力是被低估的变量：二手 A100 在推出数年后仍以 4000 至 9000 美元交易。

所以第一步不是选卡，是拉数据。 把过去 8 周的训练与推理任务全部导出来，算出「实际运行 GPU 小时 / 可用 GPU 小时」。这个数字低于 40%，你就该继续租。

二、五阶段演进路径​

阶段	月 token / 训练量	利用率	算力策略	预算量级
0 期：原型验证	百万级 token	低于 10%	纯租，按秒/按小时付费	每月数百至数千美元
1 期：MVP 有真实用户	千万级 token	10% 至 30%	纯租 + 本地小卡	每月数千至 2 万美元
2 期：PMF 已验证	亿级 token	30% 至 50%	长约租 + 混合策略	每月 2 万至 10 万美元
3 期：稳定增长	十亿级 token	50% 至 70%	买或共置整机	一次性 25 万至 40 万美元级
4 期：平台化	百亿级 token	70% 以上	自建集群 + 多云弹性	百万美元级资本支出

自建的另一个门槛是 token 量本身：公开分析给出的阈值是，70B 级模型在每月 5 亿至 8 亿 token 以上时，自建的推理开支相比前沿 API 标价可降低 65% 至 80%。低于这个量级，运维成本摊不薄。

三、买租交叉点的三种测算口径​

2026 年各家给出的交叉点略有不同，因为假设不同。三个口径值得分别记住：

口径	交叉利用率	对应假设
保守	约 40%	A100 对 H100 对比，含残值抵扣
中性	约 55% 至 60%	对标超大规模云商按需价，11 至 14 个月回本，36 个月内省 50% 至 65%
激进	约 70%	含人力分摊与机房折旧

实操建议：按中性口径（55% 至 60%）做决策，按保守口径（40%）做否决。 如果你的测算结果落在 40% 到 55% 这个灰区，答案通常是第三条路——共置。

四、第三条路：买硬件但不自建机房​

公开分析中反复出现的一个洞察是：买租二选一的框架默认了「买 = 自建机房」，而这个假设往往是错的。 运营方正走的折中路径是：买下硬件，把它放进同一座提供合同电力、液冷和运行时间的设施里。这条路在「拥有」那一栏加上了托管费（上述算例中约每 GPU 小时 0.35 美元），同时消除了自建的每一条运维异议——电力、制冷、网络、以及凌晨三点的故障。

对超过 40% 负载的稳定工作负载，这通常是可用的最低总成本路径。 托管价格的市场区间是每机柜每月 1200 至 2500 美元（海外标准），机位托管另按 40 kW 液冷机柜、机位租金约 1.5 万元 / 月加电费约 8640 元 / 月的国内口径测算。

五、四季度特有的两条变量​

1. 云端长约的折扣窗口在放大。 2026 年 10 月初的公开报价显示，H100 在 Azure 的 1 年承诺约比按需低 36%、3 年承诺低 56%；Google Cloud 对应为约 31% 与 56%。主流云的 1 至 3 年 GPU 预留合约通常可在按需价基础上打 30% 至 55% 的折扣。如果你的利用率在灰区，签长约比自建更安全。
2. 硬件价格仍在波动上行。 2026 年 9 月国内渠道数据显示，RTX 5090 风扇卡在华南涨至 47100 元，较 9 月初上涨 12%，而 5090 服务器月租费率仍稳定在 1.35 至 1.6 万元；L20 48GB 报价超过 32000 元。硬件买家正在吸收成本，租户没有——这个价差会收窄，但今天买硬件是在为明天的稀缺付溢价。

六、四条决策纪律​

• 利用率低于 40%，一律租。 不要用「资产归属」的叙事说服自己。
• 灰区（40% 至 60%）选共置。 买硬件、不自建机房，避开自建的每一条运维承诺。
• 数据不能出厂，选项就变了。 医疗、法律、金融数据或合同约束下的算力需求，是硬需求不是偏好——哪怕账面上租更便宜。
• 别在通胀的市场里押注单卡。 2026 年的一个合理策略组合是：中端本地卡（如约 1150 美元级别的 16GB 消费级卡）负责日常迭代、调试和小规模微调，云端负责显存不够或长跑的任务。本地卡承接 80% 的日常工作、云端承接那 20% 本来会逼你买旗舰卡的任务——这是当下风险最低的路径。

一句话总结：2026 年 AI 创业公司的算力策略只有一句话——先量利用率，再选路径。低于 40% 就租，灰区就共置，超过 60% 才自建。而四季度特殊的地方在于：云端长约能省三到五成，硬件却在涨，两边的价差正在逼你做出更早的决定。

截至 2026 年 10 月，国产 AI 芯片的资本化进程已经进入第二阶段：不再是「谁能上市」，而是「上市后多久就要再融资」。壁仞科技 10 月 8 日宣布的配售，是这一轮融资节奏中最新的一个样本。

壁仞科技：上市十个月，三次融资​

壁仞科技于 2026 年 1 月 2 日在港交所上市，发行价 19.60 港元，募资净额约 62.04 亿港元，成为港股「国产 GPU 第一股」，当时计划将 85% 募集资金投向 GPGPU 芯片及相关软硬件平台研发，仅 5% 投向产品商业化。

此后节奏明显加快。7 月按每股 46.20 港元配售 1.53 亿股新 H 股，募资净额约 70.4 亿港元。10 月 8 日公司再公告，按每股 31.08 港元向不少于 6 名承配人配售 1.3 亿股新 H 股，所得款项总额约 40.4 亿港元，净额约 40.2 亿港元，占已发行 H 股约 9.54%、扩大后总股本约 4.76%，中金香港证券与 UBS 香港担任配售代理。

轮次	时间	每股配售价	募资净额	主要用途
港股 IPO	2026 年 1 月	19.60 港元（发行价）	约 62.0 亿港元	研发为主，商业化占 5%
第一次配售	2026 年 7 月	46.20 港元	约 70.4 亿港元	研发、下一代产品商业化及生产
第二次配售	2026 年 10 月	31.08 港元	约 40.2 亿港元	七成用于供应链采购与产能预留

本次配售价较 10 月 7 日收市价 34.44 港元折让约 9.76%，较前五个交易日平均收市价 36.03 港元折让约 13.73%。公告当日公司股价大跌 11.85%，收于 30.36 港元，总市值约 789.38 亿港元。上市以来累计募资约 172.61 亿港元，居国产 GPU 上市公司首位。

配售用途的重新分配最能说明行业重心迁移：本次净额中约 70% 用于新一代产品的战略供应链采购、生产准备及商业化，20% 用于提升研发能力与软件生态，10% 用于营运资金。上市之初以研发为主导，如今供应链与量产准备成为第一优先级。

「爆单」与盈利拐点​

资本动作背后是基本面拐点。2026 年上半年，七家国产算力相关公司收入接近翻倍，多家半年收入已超过去年全年——海光信息以 90.99 亿元营收居首，同比增长 66.52%；摩尔线程上半年收入 17.36 亿元；壁仞、燧原的半年收入同样超过去年全年。

利润表分化明显：海光信息与寒武纪已进入规模化主营盈利阶段，上半年归母净利润分别为 17.98 亿元和 23.11 亿元；摩尔线程归母净亏损收窄至 1156 万元；沐曦、天数智芯报表扭亏；壁仞、燧原收入快速起量但仍处投入期。壁仞科技上半年毛利 5.27 亿元，同比增长 2708.5%，毛利率提升至 42.7%，较上年同期增加约 10.8 个百分点，期内亏损 3.77 亿元，同比收窄 76.4%，研发开支 8.04 亿元，同比增长 40.7%。

值得注意的是，国产芯片放量并未陷入低价换市场：寒武纪、海光、摩尔线程、沐曦毛利率均维持在 55% 以上，说明供需偏紧格局下国产芯片仍保有议价能力。

推理成为第二入口​

需求结构的变化在收入明细里看得最清楚。天数智芯上半年推理系列收入 6.54 亿元，同比增长 651.8%，已超过训练系列的 2.62 亿元，并接近 2025 年全年推理收入的两倍。随着搜索、推荐、智能客服、智能体等应用放量，推理正成为更稳定、更高频的算力消耗。

商业化形态也在升级，从「卖一张卡」走向「交付一套系统」。寒武纪云端产品线收入占比 99.98%；海光 DCU 完成 400 余款主流大模型适配；摩尔线程夸娥智算集群已在北京、无锡、杭州等地部署，并获京东云万卡级订单；沐曦提出「1+6+X」生态战略；壁仞科技联合产业链伙伴实现数千卡规模的光互连超节点部署。

新产品与政策窗口​

壁仞科技在 10 月公告中同步披露，新一代产品 BR20X 已成功点亮，完成启动测试并进入流片后验证阶段，进度快于此前配售时的预期，正与客户就新一代产品部署进行接洽并制定大规模生产计划。按产业节奏，新产品有望于 2026 年第四季度进入回片验证及送测，2027 年实现规模化部署。这也是公司称需要提前采购并预留产能的直接原因。

政策层面，工信部「十五五」规划明确，到 2030 年我国智能算力规模较 2025 年增长超 5 倍，有序部署万卡、十万卡及以上智算集群，并加大力度适配国产算力芯片。

研判​

国产 AI 芯片的竞争已经从「能不能做出来」转入「能不能按期量产交付」。上市后立即再融资的普遍节奏，本质上是因为流片、验证、送样、产能预留是一条无法压缩的资金链条——壁仞把七成募资投向供应链采购，说明行业已经默认量产节奏比技术指标更能决定胜负。

三点值得关注。第一，配售折价幅度正在扩大（本次较前五日均价折让约 13.73%，且股价单日跌近 12%），说明二级市场对「再融资摊薄」的容忍度在降低，估值定价逻辑正从稀缺性转向交付能力。第二，推理收入占比快速上升会重塑产品结构，低功耗高吞吐的推理卡与训练卡的资源错配可能比算力绝对不足更早出现。第三，从 2026 年第四季度的送测节点看，接下来两个季度的关键验证点不是财报，而是各家新产品能否真正进入客户产线——这才是国产替代叙事能否兑现的硬指标。