凯发网站·(中国区)官方网站

　　集成电路凯发k8·[中国]官方网站天生赢家 一触即发✿★✿，k8凯发·(中国区)天生赢家一触即发✿★✿，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%✿★✿。

　　夸张的数字背后✿★✿，算力市场的真实状况是怎样的？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”上✿★✿，《每日经济新闻》记者(以下简称每经记者)展开实地调研✿★✿。

　　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✿★✿。人们环绕在机柜周围✿★✿，仰着头才能看清顶部✿★✿。

　　展厅里人很密✿★✿，站久了身上发黏✿★✿，一位工作人员告诉每经记者✿★✿，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✿★✿。

　　展厅里的人大致分两类凯发k8国际app下载✿★✿。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✿★✿，让每经记者联想到上世纪90年代互联网刚刚兴起时的盛况魔兽贴吧27✿★✿。

　　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分别增长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分别增长209.7%✿★✿、26.9%✿★✿。

　　“现在连板卡都缺货✿★✿。”浪潮计算机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3倍✿★✿，去年1万元一个内存条✿★✿，可能今年涨到3万元还买不着✿★✿。”

　　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✿★✿。

　　一位GPU厂商人士感慨✿★✿：“当时我们签了一个订单要连服务器一起卖✿★✿，结果服务器一天一个价✿★✿，没法交付✿★✿。原来服务器就20万元✿★✿，然后变成50万元✿★✿，又变成80万元✿★✿，还买不着✿★✿。”

　　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✿★✿，模型是开源的✿★✿，在官网下载镜像就可以✿★✿。”

　　面对每经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凯发k8国际app下载✿★✿，一般分预训练和微调✿★✿。举例来说✿★✿，如果使用DeepSeek(深度求索)做训练凯发k8国际app下载✿★✿，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✿★✿。”

　　刘树奇举例说✿★✿，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凯发k8国际app下载✿★✿，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✿★✿。

　　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(登峰)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✿★✿。”

　　在普通人看来✿★✿，服务器机箱的构成✿★✿，与台式计算机有些类似✿★✿，都是由CPU✿★✿、GPU✿★✿、存储✿★✿、硬盘✿★✿、散热等部件组成✿★✿。

　　廖广山给每经记者打了个比方✿★✿：“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✿★✿。”

　　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✿★✿，以及记忆管理等凯发k8国际app下载✿★✿。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✿★✿。但在当前的数据中心场景下✿★✿，由于沙箱环境✿★✿、存储系统✿★✿、数据库✿★✿、向量计算等各类负载的增加✿★✿，整体配比已经从过去的1∶4✿★✿、1∶8✿★✿，逐渐演变为1∶1✿★✿。

　　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✿★✿。”

　　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✿★✿，都能随时响应魔兽贴吧27魔兽贴吧27✿★✿。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✿★✿，对算力要求极高魔兽贴吧27✿★✿，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✿★✿，但在很多场景下魔兽贴吧27✿★✿，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✿★✿。