GPU云服务器涨价潮：Nebius 三个月内两轮提价，算力正在从买方市场变成卖方市场 老实说，做服务器导购这些年，我见过最魔幻的一幕，就发生在这个 9 月：同一个月里，一边是海外 GPU 云服务商拍着桌子涨价，一边是国内云厂商在网上喊"2 核 2G，68 块钱一年"。这两件事都是真的，都发生在 2026 年 9 月。所以我想把这条线捋一捋——涨的到底是什么，为什么涨，以及对你我这种要买服务器的人意味着什么。因为搞错了这件事，你的采购决策会错一整年。起点是 9 月 17 日。荷兰的 AI 算力租赁商 Nebius 给客户发了一封调价通知：自 10 月 1 日起，按需 GPU 云服务全线提价。H100 涨 17%、H200 涨 20%、B200 涨 19%、B300 涨 21%（来源：星岛环球网、格隆汇，2026-09-18 / 09-21）。这不是它今年第一次涨——这是三个月内的第二轮。B300 的租金从 7.85 美元/小时涨到 9.50 美元/小时，折成人民币，从 52 块钱涨到 63 块钱一小时。目录 一、先把事实摆出来：涨了多少，涨的是谁 二、为什么敢这么涨？因为议价权反转了 三、真正的推手不是 GPU，是内存 四、别误读：涨的是 AI 算力，不是所有云服务器 五、落到选购：涨价周期里，我建议你做三件事 六、总结 一、先把事实摆出来先把涨价清单摆上来，一目了然： 芯片 涨幅 生效时间 备注 H100 +17% 2026-10-01 2022 年发布的老卡，照样涨 H200 +20% 2026-10-01 B200 +19% 2026-10-01 B300 +21% 2026-10-01 从 7.85 → 9.50 美元/小时 几个关键事实，比数字本身更重要： 这是三个月内的第二次涨价。 行业里的事，一次叫波动，两次叫趋势。 B300 的累计涨幅已经到 56%。 半年不到，同一个东西贵了一半多。 需求能见度超过 24 个月，有客户已经预订到 2028 年第一季度。 卖方连"要不要卖给你"都开始挑了。 连 2022 年的 H100 都跟着涨 17%。 这点最值得琢磨——按摩尔定律，四年前的卡早该贬值了，现在反而在涨价。 你看，H100 涨价比 B300 更说明问题。当一个市场里，四年前的老硬件也能涨价，说明缺的不是"新"，缺的是"量"。二、为什么敢这么涨？因为议价权反转了Nebius 的调价通知发得非常硬气。没有客套的"由于成本原因我们遗憾地通知您"，而是直接告诉你：需求能见度 24 个月，后面还有人排队。这就是卖方市场（Seller's Market）。我记得 2024 年那会儿，技术圈流行一句话叫"算力过剩"，各种"AI 泡沫要破了"的论调满天飞，云厂商为了抢客户打得头破血流，算力几乎是求着人用。那时候买算力的是大爷。两年时间，攻守互换。举个生活里的例子。房子不好卖的时候，中介天天给你打电话，房东愿意坐下来跟你谈价格；房子好卖的时候，房东连面都不露，只让中介转告你一句："这个价，要不要？后面还有人排队。"现在的 GPU 算力，就是后面那套房。至于为什么反弹得这么快，原因不复杂：需求侧是 AI 大模型训练和推理的爆发，供给侧被几件事卡住了脖子——先进制程产能、CoWoS 封装、HBM 内存，每一环都不是说扩就能扩的。产能爬坡要按季度算，需求增长是按月算的。供需曲线一旦交叉，价格就没得商量。三、真正的推手不是 GPU，是内存这一节是全文最反直觉的地方，我建议你认真看。大家一提到 AI 算力，第一反应都是"显卡"、"GPU"。但 2026 年这轮涨价，真正的推手其实在内存。就在这个 9 月，谷歌供应链基础设施高级总监 Nikhil Cherian 公开透露了一个很有意思的细节（来源：36氪转快科技，2026-09-20）： AI 行业已经从"算力受限"快速转向"内存受限"； 高性能内存目前占单台 AI 服务器物料成本的约 75%； 为了突破瓶颈，谷歌建立了内部回收供应链，把退役服务器拆解，回收还能用的 DDR4 内存条； 谷歌甚至专门设计了硬件转接器，让上一代 DDR4 内存能插到新一代 AI 服务器上。 连谷歌都开始"捡破烂"了。你说这是缺钱吗？万亿市值的公司，真不缺这点采购费。这是结构性缺货——三星、SK 海力士、美光把先进产能和封装资源几乎全砸向了 HBM，因为 HBM 的利润远高于通用内存。结果就是"高端产能挤爆、中低端断供"，通用内存被挤出一片真空。讲得再直白一点：AI 这台机器的木桶，最短的那块板已经从 GPU 换成了内存。内存跟不上，你显卡再强也没用——模型权重、KV Cache、上下文窗口，全都要吃内存。花大价钱买的算力核心，因为"喂不饱"而闲置。这个账，云厂商比谁都算得清楚，所以涨价的时候就格外理直气壮：我手里稀缺的不是卡，是能跑起来的整套资源。四、别误读：涨的是 AI 算力，不是所有云服务器好，现在说回大家最关心的问题：这波涨价，会传导到我头上的 VPS 吗？我给一个可能让你意外的结论：短期不会，长期要防。先看清楚涨的是什么。Nebius 涨的是按需 GPU 实例——H100、B300 这些专供 AI 训练推理的稀缺算力，客户是 AI 公司和科研机构，它们对价格不敏感，但对"能不能拿到"极度敏感。而你日常用的那台 2 核 4G 通用云服务器/VPS，卖的是完全不同的东西：CPU、普通内存、SSD、带宽。它和 GPU 算力，不在一个战场。所以你才会看到今年最魔幻的画面：一边海外 GPU 按小时涨价 20%，一边国内通用云服务器打价格战，轻量服务器 2 核 2G 杀到 68 元/年、核心产品降价 55%。因为通用计算这块，产能是过剩的，厂商拼的是规模和生态。但传导链条是存在的，而且已经在走了：内存、SSD 涨价 → 云厂商的硬件采购成本上升 → 未来通用云服务器的"加内存、加硬盘"变贵。其实这条线我们今年已经在别的文章里聊过了：内存价格暴涨、SSD 一天三个价、存储进入超级周期。Nebius 涨价只是把这条链子又往下推了一格。结论就是那句话：通用 VPS 现在没涨，不代表明年不涨。该锁的价，早点锁。五、落到选购：涨价周期里，我建议你做三件事看热闹是没用的，得落在行动上。我做服务器导购这些年，涨价周期里最值钱的三个建议是这些。第一，算"单位有效算力成本"，别死盯着小时价。这是我最想纠正的一件事。很多人比价，就比"每小时多少钱"，然后挑最便宜的。这是典型的拿单价当成本。真实的成本是：一次任务的总成本 = （GPU 小时价 × 卡数 × 小时数）÷ 有效利用率 # 别只比"每小时多少钱"，那叫单价，不叫成本 def cost_per_task(hourly, gpus, hours, utilization): paid = hourly * gpus * hours # 你真正掏的钱 useful = paid * utilization # 真正干活的那部分算力 return paid, paid / useful if utilization else float("inf") # 便宜的卡：单价 2 美元，但利用率只有 20% print(cost_per_task(2.0, 8, 100, 0.20)) # 花了 1600，等效单价 8000 # 贵的卡：单价 3 美元，但利用率能到 80% print(cost_per_task(3.0, 8, 100, 0.80)) # 花了 2400，等效单价 3000 你看，便宜的卡反而更贵。 涨价之后，这个差距会被进一步放大。所以在 GPU 云普遍提价的周期里，第一件该做的事不是"找更便宜的小时价"，而是把你自己的利用率提上去——利用率从 20% 提到 60%，比你在外面砍下 20% 的价格，效果大得多。第二，在涨价周期里，"锁价"比"砍价"重要。涨价周期里，一次性的折扣是没用的，你需要的是"把未来的价格锁死"。包年包月、预留实例（Reserved Instance）、长期合同，本质都是拿"确定性"去换折扣——你承诺用满一年，厂商给你一个低于市场价的价格。在价格趋势向上的时候，这类合同的价值会被显著放大。但签之前，一定看清楚三件事： 计费口径：是按"开机时长"算，还是按"GPU 卡时"算？关机了还算不算钱？ 溢出价格：超出预留额度的那部分，按什么价计费？很多坑在这里。 退出门槛：能不能中途调整、能不能降配、违约金多少？ 第三，混合部署，别一把梭。这是我给中小团队的实在建议：训练用海外 GPU 云（按需、弹性、贵但拿到手），部署和推理放国内低价云或自建。原因很简单：训练是短时、高强度、吃稀缺算力的活儿，按需租最划算；而推理/部署是长时、低强度、吃通用资源的活儿，放在便宜的通用云服务器上成本低得多。我见过一个挺典型的案例。一个朋友做 AI 应用，一开始图省事，训练和推理全堆在海外 GPU 云上，账单一个月几万块。后来我让他拆开：训练还留在海外（这块确实没法省），把 API 服务、数据库、前端全迁到国内的轻量云上。一个月账单直接砍掉一大半，性能还没掉。用我们圈子里的话说：别一把梭，该省的地方要省。六、总结把这篇的核心再收一遍： Nebius 这轮涨价，涨的是稀缺的 AI 算力（GPU 按需实例），不是所有云服务器。 海外的 H100/B300 在涨，国内通用云服务器还在打价格战，两件事同时成立。 涨价的真正源头在内存的结构性短缺。 高性能内存占了 AI 服务器物料成本的约 75%，连谷歌都在拆退役服务器回收 DDR4。GPU 只是那个"看得见的符号"。 对买服务器的人，动作很明确：算有效成本而不是单价、在涨价周期里锁定长期价格、训练与部署分开做混合架构。 最后说一句我个人觉得最重要的：什么时候该买、该租、该锁价，取决于你对未来趋势的判断，而不是当下谁的价格更低。 看清趋势，你才知道自己是在省钱，还是在省钱省出了更大的亏。希望对你有用。（全文完）

国产GPU四小龙集体冲刺IPO：燧原中签率仅0.02%，GPU云服务器会因此降价吗？ 图：国产AI算力要崛起，最后都得落进这样的机房和机架里。GPU云服务器贵不贵，看的就是这一排排铁柜子里的东西。今天下午，朋友圈被一条消息刷屏了——燧原科技公布科创板IPO发行结果，网上中签率只有 0.02455315%。老实说，我看到这个数字的第一反应不是"又一家公司上市了"，而是心里咯噔一下：国产GPU这事，真被资本市场当成风口吹起来了。你可能会问：燧原上市，关我什么事？我又不炒股票。别急。这事跟你我这种天天跟服务器打交道的人，关系大得很。原因很简单：燧原科技、摩尔线程、壁仞科技、沐曦股份，这"国产GPU四小龙"集体排队上市，意味着国产AI算力从"PPT造芯"正式进入"资本催熟"阶段。 而算力的上游变了，下游的GPU云服务器价格、选型逻辑，迟早跟着变。这篇文章不吹不黑，把这事的来龙去脉给你捋清楚，最后落到一个实在问题上：2026年下半年，买GPU云服务器到底该选英伟达，还是赌一把国产卡？目录 一、到底发生了什么：国产GPU四小龙排队敲钟 二、国产GPU走到哪一步了：从"能点亮"到"能打" 三、泼盆冷水：上市救不了生态，别被资本叙事带节奏 四、对你的钱袋子：GPU云服务器真会降价吗 五、导购建议：2026年下半年GPU云服务器到底怎么选 六、总结 一、到底发生了什么：国产GPU四小龙排队敲钟先把事实摆清楚，不传谣。燧原科技，今天（2026年9月7日）公布科创板IPO发行结果：发行价 142.18 元/股，发行 4303.5 万股，预计募资总额 61.19 亿元。 钱主要花在第五代、第六代 AI 芯片的研发及产业化上。再看另外三家，动作一个比一个快： 壁仞科技：早已在港股上市。2026年8月，它公布上半年财报——收入 12.36 亿元，同比增长 1997.6%，亏损大幅收窄 76.4%。上市半年后直接开启配售，拟再募 70 亿港元。 沐曦股份：2026年8月被曝筹划赴港上市，想搭"A+H"双资本平台。 摩尔线程：闷头搞技术，开源了 MusaCoder——号称首个基于国产全功能 GPU 全栈训练的代码大模型。 四家一起冲，巧合？当然不是。这是国产AI芯片产业链的一次集体"成年礼"。 从2018年前后那一拨创业潮算起，到2026年，正好七八年，烧了上百亿研发费，产品该迭代的迭代了，客户该积累的积累了。现在集体上市，一是要钱接着研发，二是给早期投资人一个退出通道，三是——向全世界宣告：国产GPU不是实验室玩具了。二、国产GPU走到哪一步了：从"能点亮"到"能打"先说我个人的判断，供你参考：2024年以前，国产GPU云服务器基本是"政策单"生意——你买它不是因为它好用，而是因为必须用。2026年再这么说，就有点不公允了。看几个细节，你就明白差距是怎么一点点缩小的。第一，芯片架构迭代速度上来了。 燧原成立近8年，自研迭代了四代架构、5款云端AI芯片。注意，是"云端AI芯片"，不是显卡——这意味着它从一开始就奔着数据中心去的，跟英伟达在数据中心里抢生意，而不是跟消费级显卡较劲。第二，开始玩"超节点"这种系统级的东西了。 今年WAIC上，燧原联合中兴通讯发布了云燧 ESL64-O 超节点，主打"OEX正交无背板设计、0线缆、互联成本大幅降低"。壁仞更是甩出了 NPO 光互连、分布式解耦架构、最大 1024 卡的超节点方案。这说明什么？说明国产GPU厂商已经明白了一个道理——单卡性能追不上你，我就用系统架构跟你拼。 单卡干不过 H100，那就做 64 卡、1024 卡的超节点，用集群规模换整体算力。这条路，AMD 也走过，华为昇腾也走过。第三，软件栈不再是"裸奔"状态。 以前国产卡的硬伤是：芯片点亮了，但 CUDA 生态没法用，跑个 PyTorch 都要魔改半天。现在摩尔线程开源全栈训练的代码大模型，壁仞强调"精度完全对齐国际产品、千卡集群完成多模态预训练和强化学习"——虽然营销话术要打折听，但至少说明，国产卡的软件栈已经从"能开机"进化到"能训模型"了。还有一件事值得注意：燧原还搞了 CoPoS（Chip-on-Panel-on-Substrate）面板级先进封装，跟国产封装厂合作。先进封装是后摩尔时代的命门，国产GPU能在这上面布局，说明它们赌的不是一代产品，而是整个技术路线。三、泼盆冷水：上市救不了生态，别被资本叙事带节奏按理说，国产GPU形势一片大好，我该跟着喊"国产崛起"才对。但我这个人，习惯性泼冷水。越是在一片欢呼的时候，越要看看脚下有没有坑。先看一个最简单的现实：你的代码是为CUDA写的，不是为国产卡写的。你在英伟达卡上跑的模型，用的是 CUDA、cuDNN、TensorRT、NCCL 这一整套东西。换到国产卡上，跑通一个模型不难，难的是整个技术栈的迁移成本——训练脚本要改、分布式通信要调、推理引擎要换、团队要重新学。这个成本，小公司根本扛不住。第二盆冷水：资本市场上钱多，不等于产品力强。 壁仞上半年收入涨了1997.6%，这个数字看着吓人，但你要知道，2025年同期它的基数低得可怜。翻 20 倍之后的 12 亿，放到英伟达单季度几百亿美元的收入面前，连零头都算不上。第三盆冷水，也是最要命的：生态不是靠钱砸出来的。 英伟达的护城河不是芯片本身，而是过去十几年积累的开发者生态。CUDA 有几百上千万开发者，GitHub 上随便一个模型都默认支持 CUDA。国产卡想追，不是在芯片上追，是在"让全世界开发者默认支持你"这件事上追——这件事，钱解决不了，只能靠时间熬。还有运维层面的现实问题。国产GPU云服务器的坑，我在之前的文章里提过：驱动不完善、显存ECC策略差异、多卡互联带宽、以及"看着便宜、实际调不通"的隐性成本。 这些坑，不会因为公司上市就自动消失。所以我的态度很明确：国产GPU的进步，我认；但"上市=好用"这个等式，我不认。四、对你的钱袋子：GPU云服务器真会降价吗 图：英伟达还是国产卡，最后的落点都是这块小小的芯片——它的供给，决定着你钱包的厚度。这才是买服务器的人最关心的问题。先说结论：GPU云服务器长期看会降价，但短期（半年内）别指望暴跌。原因不是国产卡不够努力，而是供需决定的。国产GPU四小龙集体上市，带来一个直接的后果——一级市场的钱，变成了二级市场的产能。 燧原募的 60 多亿、壁仞配售的 70 亿港元，大部分要砸进新芯片研发和产能扩张。两三年后，国内智算中心的可选国产卡供给会明显增加。供给增加，价格自然松动。这是经济规律，跑不掉的。但短期有个对冲因素：需求涨得更快。 大模型训练、推理、具身智能、AI Agent……算力需求还在指数级膨胀。供给增加 50%，需求增加 100%，价格照样坚挺。所以，对个人开发者和中小企业，我的判断是： 如果你是做AI应用、推理、微调的，现在不用等。 按需买、按量租，别囤卡。国产卡的推理价格本来就有优势，该上车就上车。 如果你是做大规模训练的，短时间别指望国产卡"平替"英伟达。 生态迁移成本摆在那，省下的卡钱不够你赔上的时间钱。 盯紧两个信号： 一是国产卡厂商的"千卡集群客户数"能不能持续放量（说明真有人拿它干活），二是云厂商（阿里云、腾讯云、火山引擎这些）什么时候把国产卡机型当成主力机型推——云厂商是最精明的，它们大规模上国产卡的那天，才是国产GPU真正"能用"的证明。 五、导购建议：2026年下半年GPU云服务器到底怎么选不整虚的，直接给结论。按你的场景对号入座：场景一：个人开发者 / 学生，跑跑小模型、微调、AI应用开发推荐：按量租英伟达卡（如 RTX 4090 / L20 / A10 级别的云GPU），或者直接买 API，别碰自建。理由：这个阶段你需要的不是算力，是省心。国产卡在单卡场景下，性价比优势不明显，反而要折腾驱动和框架兼容。按小时租卡，一小时几块钱，随用随停，不香吗？场景二：中小企业，做AI应用、知识库、客服、Agent 推理推荐：认真考虑国产卡GPU云服务器（燧原、壁仞、昇腾等），特别是推理场景。理由：推理对生态要求低（现在主流推理框架基本都适配国产卡了），但对价格敏感。国产卡推理的每Token成本，通常能比同档英伟达卡便宜 20%-40%。前提是：先花一天时间，拿你自己的模型做一次完整的PoC测试，别直接全量迁移。场景三：做模型预训练 / 大规模微调推荐：暂时以英伟达为主力，国产卡作备选。理由：训练是生态依赖最重的场景，NCCL、Megatron、DeepSpeed 这些，国产卡的支持还在追赶。除非你被"卡脖子"卡到必须用国产卡，否则别拿训练工期赌生态成熟度。场景四：被制裁/合规要求，必须用国产算力推荐：优先选有"整机+集群+软件栈"完整方案的厂商，别买裸卡自己拼。理由：这时候买的不只是芯片，是服务。谁的超节点方案成熟、谁有云厂商背书、谁在真实的大模型训练里跑通过千卡集群，就选谁。燧原+中兴、壁仞的超节点方案，方向是对的，你可以多关注。给你一张速查表，直接存： 你的场景 首选方案 备选方案 要不要现在上车国产卡 个人开发/学习 英伟达云GPU按量租 大模型API 不急，先观察 中小企业AI推理 国产卡推理云服务器 英伟达中端卡 可以，先做PoC 大规模训练 英伟达H系列/A系列 国产千卡集群（谨慎） 等生态，别赌 合规强制国产 昇腾/燧原/壁仞整机方案 — 必须上，选方案商 六、总结最后，把话收一收。国产GPU四小龙集体上市，是件好事。 它意味着国产AI算力产业链第一次有了大规模、可持续的资本血液，意味着"卡脖子"这件事，正在从"无解"变成"有解"。但我必须再泼一盆冷水：上市只是起点，不是终点。 芯片造出来是一回事，生态跑起来是另一回事。英伟达用十五年建起来的护城河，不是几百亿募资就能填平的。对普通用户，我的建议永远是那句话——别为情怀买单，要为需求买单。你的业务需要什么，就买什么。推理便宜，就认真评估国产卡；训练要稳，就老老实实租英伟达。等哪天国产卡真的"好用又便宜"了，市场会用脚投票，根本不需要谁去吹。这一天，可能比我们想象的要快，但也可能没你想的那么快。自己动手测一次，比看一百篇吹文都管用。希望对你有帮助。（全文完）

SpaceX算力服务器——马斯克要造一个太空云计算帝国？ 今天早上刷到一条消息：SpaceX正在和美国国防部洽谈提供数据中心算力服务，交易规模可能达数十亿美元。你没看错，就是那个造火箭、搞星链的SpaceX，现在要卖算力了。目录 这消息到底有多炸？ SpaceX的算力底牌有多大？ 星链 + 星舰 + 数据中心 = 什么？ 这对我们服务器买家意味着什么？ 总结 这消息到底有多炸？老实说，我看到这条新闻的第一反应不是"哇，SpaceX好厉害"，而是——马斯克这盘棋下得是真大。2026年7月18日，多家媒体报道，SpaceX正与美国国防部洽谈提供AI算力服务。注意，不是火箭发射，不是卫星通信，而是数据中心算力。他们要帮五角大楼运行AI模型。你可能觉得：这不就是一个商业合同吗？有什么好大惊小怪的。但你仔细想想这个逻辑链条——SpaceX是一家航天公司。一个造火箭的公司，现在要给全球最强大的军队（和最有实力的科技公司）提供AI计算能力。这背后意味着什么？马斯克正在把SpaceX从一个"运输公司"变成一个"计算公司"。你看他这几年干了什么： Starlink星链——已经发射了6000多颗卫星，覆盖全球的卫星互联网 Colossus数据中心——在孟菲斯部署了10万块英伟达GPU的超算集群 与谷歌签约——提供约11万颗英伟达芯片的云服务 给Anthropic供算力——300兆瓦计算能力，喂给Claude背后的公司 这不是东一榔头西一棒子，这是一条清晰的路线图：从地面到太空，从通信到计算，全部自己搞定。SpaceX的算力底牌有多大？很多人以为SpaceX就是造火箭的，技术上也就是个推进器公司。但如果你看看它手里的牌，你会发现——这家伙的算力基础设施，可能比很多云厂商都要硬核。目前已知的算力布局：孟菲斯Colossus集群 - 约10万块英伟达GPU - 300兆瓦电力容量 - 已经给Anthropic等AI公司提供算力xAI的算力布局 - 2024年Grok训练的算力集群就已经达到10万块H100级别 - 还在快速扩建中与谷歌云的合作 - 提供约11万颗英伟达芯片 - 多年期合约，金额不对外公布你看这些数字。10万块GPU是什么概念？对比一下： 项目 GPU数量 说明 SpaceX Colossus ~10万块 AI训练集群 xAI训练集群 ~10万块 Grok训练用 国内主流云厂商单集群 几千~1万块 多数企业级 SpaceX手里的算力，已经是世界级的了。而且你想，SpaceX为什么要囤这么多GPU？它只是一家火箭公司，为什么要搞超算？答案只有一个：马斯克从一开始就没打算只做火箭生意。试想一下，当你有6000颗低轨卫星，有全球最低延迟的卫星网络，有地面超算集群，有火箭运输能力（星舰一次可以运几百吨货物到太空），你能做多少事？你会发现，这个组合太可怕了。星链 + 星舰 + 数据中心 = 什么？这就是我真正想说的——马斯克在构建一个"天地一体化"的算力网络。星链提供了全球覆盖的通信管道。不管你在南极还是撒哈拉，只要有星链终端，就能接入网络。延迟比传统卫星低得多（目前已经能做到20ms以内）。星舰提供了运力。未来的星舰一次可以把几百吨的设备送到近地轨道，这意味着——你可以把服务器送到太空去。太空数据中心不是科幻小说，SpaceX已经在路上了。地面数据中心提供了大规模计算能力。Colossus集群就是干这个的。这三者结合，你能得到什么？一个部署在全球（甚至太空）的分布式计算网络。任何地方，任何时间，都能调用算力。你信不信，再过5年，SpaceX很可能会推出一个叫"Starlink Cloud"的东西—— 你在网页上一键下单 算力通过星链卫星分发 地面数据中心负责计算 延迟比任何传统云服务都低 覆盖范围比任何云厂商都广 这不香吗？这对我们服务器买家意味着什么？好了，前面吹了那么多SpaceX，现在说点实际的——这跟我们买服务器的有什么关系？我的判断是：短期没什么影响，但长期来看，SpaceX入局算力市场会改变游戏规则。1. 竞争加剧，价格可能更便宜现在云服务器市场已经是红海了：AWS、Azure、Google Cloud、阿里云、腾讯云……卷得不行。如果SpaceX再加入进来，供应更多，算力单价只会越来越低。这对我们这些买家是好事。不管是买VPS还是租GPU，价格下行是大概率事件。2. 边缘计算会变成现实传统云服务的问题是什么？延迟。你在北京访问AWS新加坡的服务器，延迟至少100ms+。但星链的全球延迟能做到20-30ms。这意味着什么？未来的应用可以真正"全球部署"了。 一个在新加坡的用户和一个在纽约的用户，访问同一个应用，体验几乎没差别。这对跨境电商独立站、全球游戏服务器、实时协作应用来说，是质的变化。3. 新需求催生新产品SpaceX如果推出算力服务，最有可能先从这几个方向切入： 国防/政府客户（已经在谈了） AI训练/推理（已经在做了） 全球边缘计算节点（想象空间最大） 灾备/高可用（卫星网络的天然优势） 等SpaceX把toG（政府）和toB（企业）做通了，to小B（中小站长）的入门级产品还会远吗？总结写这篇文章的目的不是说让大家现在就买SpaceX的算力服务（人家还没正式开卖呢），而是想传达一个观点：算力正在变成像水电一样的公共基础设施。SpaceX的入场，就是这条路上最重要的标志性事件之一。想想看： 100年前，你要用电得自己建发电机 50年前，你要用算力得自己买大型机 20年前，云服务出现了，按需付费 现在，算力正在变得无处不在，甚至来自太空 马斯克走的路很清楚：星链铺管道，星舰扩展能力，数据中心做计算。他不只是要发射卫星，他要重新定义"云计算"三个字。对我们在国内做服务器导购的来说，关注SpaceX的算力布局，就是在关注未来3-5年服务器行业的走向。供你参考。（全文完）

当马斯克开始"卖算力"：SpaceX 进军 AI 算力服务，云服务器市场要变天了 老实说，当我在新闻里看到 SpaceX 正与美国国防部洽谈提供 AI 算力服务时，第一反应不是"又一个云厂商来了"，而是——这条鲶鱼太大，整个池塘都得重新洗牌。目录 一个价值几十亿美元的消息 为什么是 SpaceX？ SpaceX 的算力底牌：从 Colossus 到 11 万颗 GPU 对云服务器市场意味着什么？ 对普通用户的直接和间接影响 我的几点建议 一个价值几十亿美元的消息2026 年 7 月 18 日，界面新闻（后经多家媒体转载）爆出一条消息：SpaceX 正与美国国防部洽谈提供数据中心算力服务，帮助运行 AI 模型，相关交易规模可能达 数十亿美元。你看，这不是什么"远期愿景"——谈判已经摆到台面上了。虽然双方还在早期阶段，尚未达成最终协议，但这个信号足够强烈：马斯克要把航天公司的算力，当成商品卖给五角大楼了。这让我想起 2018 年左右，AWS 刚拿到 CIA 那个百亿美元大单时的市场反应。当时的论调是"云市场要被 Amazon 垄断了"。结果呢？Azure、GCP、Oracle Cloud 一个个都冲了进来。而现在，SpaceX 要做的不是传统云，而是更高一层——AI 算力基础设施服务。试想一下，一个造火箭的公司开始卖算力，AWS、Azure、Google Cloud 这些老牌云厂商会怎么想？是不是？为什么是 SpaceX？很多人会问：一个航天公司，凭什么切入 AI 算力市场？来看看 SpaceX 为此布了多久的棋。2026 年 6 月，SpaceX 与 Google 签署了多年期云服务协议——你没看错，SpaceX 既是 Google Cloud 的大客户，又反过来通过自己的数据中心提供算力给第三方。这份协议的核心是：SpaceX 提供约 11 万颗英伟达 GPU 芯片及相关计算资源。换句话说，Google Cloud 负责"网络管道"，SpaceX 负责"计算工厂"。这不香吗？不仅如此，头部的 AI 公司 Anthropic（Claude 的开发商）已经宣布使用 SpaceX 位于 孟菲斯的 Colossus 1 设施，获得 300 兆瓦 的计算能力。300 兆瓦什么概念？足够支撑一个小型城市的数据中心集群。你会发现一个有意思的格局： 公司 算力来源 规模 AWS 自建 + NVIDIA 百万级 GPU Azure 自建 + NVIDIA 百万级 GPU Google Cloud 自建 + NVIDIA 百万级 GPU SpaceX Colossus 设施 + NVIDIA 11万+ GPU 起步 虽然规模上暂时追不上三大云巨头，但增速是惊人的——而且 SpaceX 的差异化优势，传统云厂商根本没法复制。SpaceX 的算力底牌：从 Colossus 到 11 万颗 GPUColossus 1 并不是 SpaceX 的随机尝试，而是埃隆·马斯克在 AI 基础设施上的一步关键落子。这个位于田纳西州孟菲斯的超大规模数据中心，当初是为 xAI（马斯克自己的 AI 公司）训练 Grok 系列模型而建的。你信不信，Colossus 从奠基到投用，只用了几个月时间——这种执行力，传统云厂商看了都得叫一声"大哥"。而这背后还有一层更大的布局：SpaceX 的能源和场地优势。做服务器导购这么多年，我一直强调一个原则：云服务器的成本，七分在电，三分在硬件。SpaceX 的优势在哪？它有发射场，有广阔的闲置土地，有能源基础设施——甚至未来可以直接用太阳能或星链网络的能源来给数据中心供电。AWS 能做到吗？Azure 能做到吗？这才是真正的降维打击。对云服务器市场意味着什么？老实说，短期内 SpaceX 冲击不到普通 VPS 用户。它瞄准的是 国防部级别的超大规模 AI 训练和推理负载，不是你跑个 WordPress 博客或者挂个代理的小鸡。但长期来看，市场格局的变化会层层传导。让我拆解一下这条逻辑链： SpaceX 抢的是最顶层的超大规模算力订单（国防、企业、高端 AI 训练） 这会挤压传统云厂商的高利润空间 三大云厂商为了维持利润，会在中低端产品的定价上更激进——对中小用户其实是好事 同时，新的算力供给方入场，会加速整个行业的成本下降 你可能会问：那我是买普通的 VPS，还是等什么"SpaceX 云"？我的回答是：别等，也等不来。 SpaceX 短期内不会做低端 VPS 市场——它不靠那个赚钱。但 SpaceX 入局这件事本身，就是一个行业向下的分水岭。云服务器和 VPS 的价格还会继续降，但会越来越分化。对普通用户的直接和间接影响我把影响分成两个层面：直接影响（短期）：几乎没有。 - 你不会在 VPS 商家列表里看到"SpaceX VPS"（至少这几年不会） - 不会影响你买 99 元一年的香港小鸡 - 合同、服务条款都不会因为这个消息有任何变化间接影响（中长期）：产业链重构。 - NVIDIA GPU 的供需会更紧张，但整体算力供应在增加 - 云计算行业的马太效应加剧——大者恒大 - 中小云厂商会在垂直场景（游戏服务器、AI 推理等）上寻找差异化 - 硬件成本持续下降，最终惠及终端用户我做了这么多年服务器导购，看过的行业变化不少。每次有新的大玩家入场，短期是恐慌，长期是利好。我的几点建议讲了这么多，给你一些实在的建议： 如果你是普通站长： 该买啥买啥。现在的 VPS 价格已经很低了，SpaceX 入局不会让你的 1C1G 小鸡降价，但高端云服务器的性价比会慢慢提升。 如果你在选 AI 算力服务器： 再多等半年。SpaceX 这个级别的玩家入局，意味着 GPU 云服务器的竞争会更加惨烈。到时候租 GPU 跑 AI 的成本可能会降到一个你意想不到的地步。 如果你是云服务商： 留个心眼。SpaceX 这种"不按常理出牌"的选手，真正的杀手锏可能还没亮出来——毕竟它的 Starlink 可是全球最大的卫星网络，卫星与数据中心的协同，想想就知道有多大的想象空间。 保持关注。 这个行业三年一小变，五年一大变。关注我，帮你持续跟踪云服务器市场的最新动态。 最后送大家一句话：技术市场的本质一直都是——谁把算力做得更便宜、更可靠，谁就能赢。SpaceX 正在用造火箭的思维来造算力，这不是概念炒作，这是真刀真枪的行业重塑。（全文完）参考来源：界面新闻 2026-07-18《SpaceX据悉洽谈向美国防部提供AI算力服务》、公开报道的 SpaceX-Google 云服务协议及 Colossus 设施信息

国产算力崛起，云服务器怎么选？——从WAIC 2026看服务器选购新逻辑 今天上午，技术圈被一条消息刷屏了——2026世界人工智能大会（WAIC 2026）在上海开幕，曙光8000（登峰）和华为昇腾950超节点真机首次公开亮相。老实说，看到国产算力走到这一步，我还是有点小激动的。干服务器导购这些年，我见过太多人在"买国产还是买海外"这个问题上纠结到失眠。现在国产算力真的起来了，这个问题反而变得更复杂了——不是"能不能买"的问题，而是"怎么买才不踩坑"。这篇文章，我就以一个干了多年的服务器"老司机"的身份，跟你聊聊我的真实看法。目录 WAIC 2026上到底发生了什么？ 国产算力崛起对普通用户意味着什么？ 国产云服务器vs海外云服务器，到底怎么选？ 我给你的一套选购实操方案 写在最后 一、WAIC 2026上到底发生了什么？先简单说说今天大会上的两个重磅消息。曙光8000（登峰）：这是我国第一个全国产10万卡AI超集群。什么意思？10万张国产芯片（海光提供底层支撑）连在一起，scaleFabric高速网络、ParaStor分布式存储、浸没式相变液冷——"芯片、计算、存储、网络、散热、应用、服务"全链路都是自主研发的。这玩意儿入选了大会的"镇馆之宝"。华为昇腾950超节点（Atlas 950 SuperPoD）：业界最大规模的1024卡超节点，提供1 EFLOPS FP8算力、256TB全局统一内存。而且——昇腾384超节点已经在互联网、运营商、金融、医疗等行业落地了750多套。你看，以前我们说国产算力，多少有点"追赶者"的姿态。但现在不一样了，10万卡集群、1024卡超节点，这些参数已经不是在"追赶"了，而是实打实地站到了第一梯队。二、国产算力崛起对普通用户意味着什么？你可能要问了："10万卡集群跟我有什么关系？我又不买超算。"说得对，这确实不是让你买的东西。但它带来的连锁反应，跟每一个买云服务器的人都有关。第一，国产云服务商的成本在降。 当国产芯片的产能和生态成熟了，云服务商的硬件采购成本就会下降。这个成本最终会传导到终端价格上——你买的云服务器会更便宜。第二，国产云服务的选择更多了。 以前主流选择就那么几家海外厂商，现在华为云、阿里云、腾讯云、天翼云、UCloud……每家都在推自己的国产算力方案，竞争越激烈，对消费者越有利。第三，合规和安全方面更有保障。 这几年大家对数据主权的关注越来越高。用国产算力，至少不用担心哪天突然被制裁或者断供——这事儿，你懂的。但老实说，国产算力也不是没有短板。打个比方——就像一个刚拿了驾照的新手司机，虽然也能上高速，但跟开了十年的老司机比，有些弯道处理得还不够顺滑。比如某些深度学习框架的兼容性、特定的软件生态，目前还是海外方案更成熟。三、国产云服务器vs海外云服务器，到底怎么选？供你参考，我从五个维度做了一个对比： 对比维度 国产云服务器 海外云服务器 性价比 中低端实例性价比突出，常有促销 高端实例稳定，但价格较高 网络延迟 国内访问极低，海外节点稍弱 海外访问优势明显，国内有加速但成本高 生态兼容 TensorFlow/PyTorch主流框架兼容良好，小众框架需验证 生态最完善，几乎所有框架开箱即用 合规安全 数据不出境，等保合规容易 需关注数据跨境合规要求 客服支持 中文客服，响应快 中文支持参差不齐 所以我的建议是——别一把梭，看场景选。四、我给你的一套选购实操方案干这行这么多年，我总结了一个简单的"三问法"，你买之前先问自己三个问题：1. 你的用户在哪里？如果你的用户主要在国内，选国产云服务器，延迟低、价格香。如果你的业务是面向海外用户的跨境电商、出海APP，那海外节点成熟度更高的AWS、GCP、DigitalOcean这些可能更合适。当然，现在华为云、阿里云也在海外建了很多节点，选他们的国际站也行。2. 你跑的是什么负载？ AI训练/推理：如果你用国产芯片生态（如昇腾、海光），华为云和阿里云的国产算力实例性价比很高。PyTorch/TensorFlow这些主流框架已经适配得很好了。 Web网站/博客：坦白说，这个层面的需求，国产和海外方案差别不大。一个2核4G的轻量云服务器，国内99元/年，海外可能要5-10刀/月，看预算选就行。 数据库/中间件：这块建议选CPU性能稳定的实例，国产的鲲鹏、海光实例完全够用。 3. 你的预算和规模？ 个人/小团队（月预算<500元）：无脑入国产轻量云服务器，性价比极高 中型项目（月预算500-5000元）：建议国产+海外搭配，核心业务放国内，海外走CDN加速 企业级（月预算>5000元）：可以混用多云架构，用国产算力做主要计算，海外节点做全球化覆盖 五、写在最后回看技术发展的这条线——从单机到C/S，从B/S到云计算，从x86到ARM再到国产芯片，每一步都是在填前一步的坑。国产算力走到今天，不是靠喊口号喊出来的，是靠一家家公司、一个个工程师扎扎实实干出来的。我的核心建议就三条： 别盲目追捧，也别盲目排斥。 国产算力在成熟，但有些场景确实海外方案更顺手。技术选型不是站队，是解决问题。 先试再买。 所有主流云平台都有试用额度，花半天时间把 workloads 跑一遍，亲自验证性能，比看一百篇评测都管用。 关注生态。 硬件性能是一回事，软件生态是另一回事。买之前先确认你要用的工具链、框架在你的目标平台上能跑、跑得好。 老实说，这个行业变化太快了。今天WAIC 2026上的这两个重磅发布，只是一个开始。未来两三年，国产算力的格局还会大变。保持关注，保持动手，别让自己被落下。希望对你有帮助。（全文完）