核心观点 - 围绕英伟达高端芯片的算力资源争夺战因关税暂停窗口期升温，服务器价格波动剧烈且供应链复杂[1][2][3] - 国内智算产业经历从炒卡热潮到泡沫破裂的周期，供需结构性错配导致大量算力闲置与低效[10][12][15] - 科技巨头持续加码AI基建投入，与中小算力供应商收缩形成鲜明对比[17][18][20] - 行业探索新型算力消纳模式，包括投资绑定和产业基金联动等非主流路径[23][25][26] - 推理需求爆发凸显产业链断点，垂类模型缺失和芯片性能短板制约算力有效利用[30][32][34] 芯片供应与价格动态 - 服务器价格近期上浮15%-20%，关税暂停后供应商计划恢复原价[2] - 英伟达Hooper系列（H200）和Blackwell系列（B200）通过隐秘渠道进入国内市场，H200比H100效率高30%但价格仅高20多万元[3][4] - 国内已有供应商具备每周100台H200供应能力，掌握货源的供应商不超过十家[6] - B200价格高达300多万元且流通受限最严，主要用于大模型预训练[4] 市场供需与交易模式 - 算力交易采用抽象计价方式，合同以算力单位"P"代替具体芯片型号[7] - 部分经销商通过特殊采购渠道多层转售，或借助第三方企业将模组嵌入产品实现"曲线上市"[8] - 2024年智算中心项目超458个，但2025Q1数据显示165个项目中仅16个投产，占比不足10%[11][13] - 智算中心点亮率不足50%，国产芯片因性能短板无法用于预训练[15] 企业战略与投入 - 字节跳动计划2025年投入123亿美元（约892亿元）于AI基础设施，其中400亿元预算用于中国采购AI芯片[17] - 阿里巴巴宣布未来三年拟投入3800亿元建设AI基础设施，超过去十年总和[18] - 大厂采购导致市场供货紧张，"签约后交不出货"现象普遍[19] 行业结构性矛盾 - 算力供给呈现"结构性错配"：高端需求未满足与低效算力闲置并存[15] - 国产芯片存在"短板效应"，堆叠无法弥补性能差距导致集群效能受限[32][33] - 医疗等行业垂类模型受制于数据开放率不足（医疗数据开放率<5%），三甲医院仅3%脱敏数据可用于AI训练[35][36] 新兴商业模式 - 算力供应商通过投资绑定被投企业算力需求，形成垄断式消纳路径[23] - 产业基金联动模式：算力供应商以LP身份绑定被投企业未来采购，构建资金闭环[25][26] - 新型智算服务商崛起，提供算法团队和行业专家深度参与客户AI开发[38]