一台机器2000万,隐秘的天价GPU生意
去年年末报价还在400万元左右的一台八卡AI训练服务器,今年9月已经涨到1500万,如今突破2000万元关口。
这还不包括那些从未出现在官方渠道的暗盘交易——当一家大型互联网公司的采购总监发现官网渠道根本排不上货时,他只能转向一群名字互不相识的中间商,通过微信聊天记录 negotiating 一场不见面的密室谈判。
在这个市场上,买方面对的不是正规经销商,而是层层转手的二手贩子网络。卖方掌握着原厂配额或存量现货,手握筹码却迟迟不露脸。买卖双方隔着厚厚的信息壁垒,像一场心照不宣的博弈游戏。
阶梯加价的黄牛链条
一位从事AI基础设施多年的从业者告诉深氪Lite:X型8卡服务器——业内特指搭载顶尖AI训练芯片的旗舰机型,由于商业隐私保护以代称对外披露——今年的行情可以用一句话概括:“从400万一路狂飙到2000万,涨了整整五倍。”
但价格的真实构成远比表面数字复杂。
从最终买家手里掏钱的那一刻倒推,每一层中间商都要吃掉一部分利润。一个持有原厂配额的上游货主,可能把订单分给二道贩子;二道贩子再转手给三线代理;最后落到急需投产的模型公司手上时,原始成本已经被叠加了数次加价。
这种多层加价结构类似于奢侈品配货体系中的渠道分销——品牌方只认头部代理商,而真正缺货的产品会在二级市场以几何级数放大价差。
据多位受访者透露,最夸张的一次转手中途经过了三到四层中间商,每经过一次消息转手就会叠加一层利润。有些代理甚至自己根本不掌握硬件,纯粹靠倒卖信息赚取差价。
捆绑配货的潜规则
更令人头疼的是拿不到想要的型号。
想购买紧俏的X型8卡集群,必须被迫搭购滞销的Y型或其他型号GPU。这种捆绑策略被称为“配货”——就像某些奢侈品牌的经典款需要搭配非畅销单品才能获批。
据受访者透露,如果通过原厂配额审批能拿到心仪的X型设备,理论上可以节省约200万元的溢价成本。但在实际执行中,合格名单有限,等待周期漫长,大量中小企业根本排不上队。
于是只能转向二级市场,接受明码标价之外的隐性条件。而那些Y型8卡的线下现货报价也在650万元左右徘徊——这个价格看似远低于X型的2000万,但性能差距同样惊人。对于需要训练大模型的团队来说,用错一张卡就等于浪费了几百万的研发投入时间成本。
违约溢价:宁可赔钱也不交货
另一个让买方窒息的现象来自供应商侧的反复横跳。
由于履约周期内市场价持续飙升,部分中间商的账面利润远超过合同违约金。一位从业者在访谈中提到:“有些供应商宁愿赔了违约金也不交货,因为转手卖给别人赚得更多。”
这种情况下,下游服务商要么放弃采购另寻他路,要么支付远超原合同的现金溢价来获取现货。无论选择哪条路,代价都极其沉重。
这种现象反映出供应链的一个深层矛盾:当上游供给弹性不足而需求呈指数增长时,短期合同几乎失去了约束力。因为签约时的价格与交付时的市场价格相差数倍,违约成了理性的经济选择。
算力租赁:另一条昂贵之路
对于暂时买不起或不愿承担高额固定资产投入的企业来说,算力租赁似乎是一条退路。但现实很快证明,这条路的费用同样不菲。
一年期合同的最大折扣价仍然高达每月19万元——折合每年超过200万元的租金支出。这意味着即便你不花2000万买设备,每年的固定成本也不会少于一台机器的首付比例。
相比之下,一台价值2000万元的服务器按五年折旧计算,年均固定成本约为400万元(含运维、电费等)。如果利用率能达到70%以上,自购的经济账其实更接近盈亏平衡。但对于现金流紧张的初创团队而言,前者的即时流动性压力依然过于沉重。
更关键的是,算力租赁市场目前也存在严重的供需失衡。头部算力服务商往往将资源优先分配给长期大客户,留给散客的库存寥寥无几。这导致很多中小型企业即使愿意付高价也租不到足够的算力资源。
谁在为这场军备竞赛买单?
英伟达发布的第三季度财年(FY2027)财报显示,其数据中心业务收入达到历史新高,同比增长幅度远超市场预期。这组数字背后印证了一个基本事实:全球AI训练需求的爆发式增长正在改写硬件供应链的基本规则。
当一家拥有万亿级别市值的AI企业将刚性算力采购承诺写入招股书时,市场对芯片的渴求就不再是一个局部现象,而是整个科技行业的系统性刚需。
在这种供不应求的格局下,GPU服务器已经从标准化商品转变为稀缺资源——它的定价不再由生产成本决定,而完全取决于买家的竞价意愿和卖方的交付能力。
结果是显而易见的:大公司有配额、小公司被割韭菜;巨头自建机房锁定核心资源,创业公司在算力荒中艰难求生。
这种分化趋势正加速行业马太效应——越有钱的公司越能提前锁住优质产能,越是后入场者只能承受越来越高的门槛成本。
对于整个AI产业而言,这是一个危险信号。如果算力成本持续攀升且无法下降,那么只有少数几个资本雄厚的玩家能够维持高质量模型的迭代速度。长此以往,创新将从分散走向集中,技术多样性可能被扼杀在摇篮里。
观察指标
未来三个月值得重点关注以下四个信号:
第一,英伟达新一代芯片B200系列的交付量是否如期放量,这将直接影响当前市场的供给缺口能否得到实质性缓解;第二,国内国产替代方案的商业化进展(如华为昇腾系列)是否能提供足够规模的替代选项,从而打破单一供应源的垄断局面;第三,AI大模型的融资节奏是否会因算力成本攀升而放缓——许多项目的商业计划原本建立在中低价位假设之上;第四,监管机构是否会介入算力市场的反垄断调查,尤其是针对“配货”这种变相强制销售行为的规范态度。


