核心判断：过去一周，算力领域最热的信号来自两条同时加速的曲线——一端是国产算力芯片与超节点架构密集落地，另一端是全球GPU租赁价格与数据中心电力成本持续攀升。两者交汇之处，一个清晰的产业逻辑正在浮现：算力供给的“量”在爆发，但算力的“稀缺性”并未消退，反而以更结构化的方式向上游集中。与此同时，算力竞争的重心正在从单一芯片性能，转向系统级交付能力、能源配套能力与产业链协同能力的综合比拼。

过去一周（9月17日至24日），算力产业罕见地出现了“内外共振”的局面。国内方面，华为、阿里等巨头接连发布重磅进展，从芯片到超节点再到数据中心架构，几乎覆盖了算力基础设施的全部关键环节；海外方面，GPU租赁价格上涨、芯片厂商满产预期、电力设备大单落地，一系列信号表明全球算力供需天平仍在向供给端倾斜。将这两条线放在一起观察，可以更清晰地看到算力产业正在经历的深层结构变化。

一、国产算力：从“单点芯片”到“系统级底座”的密集兑现

9月17日至24日，国产算力迎来罕见的密集发布窗口。与以往不同，这一轮发布的重点不再是单一芯片的跑分或参数，而是围绕“如何大规模、高效率地交付算力”展开的系统性工程。

华为方向，在9月17日举行的华为全联接大会2026上，轮值董事长汪涛公布了面向智能时代的AI基础设施战略，核心表述是“华为AI战略的核心是算力”，路径围绕“超节点+集群”推进系统架构创新。所谓超节点，是指通过高速互联技术将多颗AI芯片紧密耦合，形成一台逻辑上的“超级计算机”，从而在单卡性能受限的情况下，通过集群规模和互联效率来提升整体算力表现。这一路线被华为视为在先进制程获取受限背景下的关键突破方向。

具体进展上，昇腾910C超节点已部署超过1000套，昇腾950超节点进入规模商用，昇腾960芯片研发进度超出预期、性能实现倍增，并计划于2028年和2029年陆续推出昇腾970、980芯片。这意味着华为已经给出了一条相对清晰的芯片演进路线图，且节奏比外界此前预期的更为紧凑。中金公司分析认为，2026年有望成为国产超节点放量元年，产业正从概念验证进入批量交付阶段。9月20日，数据港与华为昇腾910C超节点算力集群正式点亮，成为这一判断的落地注脚。从“部署超过1000套”到“规模商用”，再到“批量交付”，国产超节点正在跨越从技术可行到工程可用的关键门槛。

阿里方向，9月22日开幕的云栖大会上，平头哥发布了当前中国算力性能最强的自研AI芯片真武V900，算力提升至真武M890的3倍，计划2027年一季度量产，单一AI集群可扩展至50万卡。50万卡的集群规模是一个**标志性的数字，它意味着国产芯片不仅在单卡性能上追赶，更在集群互联、调度和稳定性上提出了更高的要求。如果这一目标能够实现，将显著缩小国产算力集群与国际头部集群在规模上的差距。

更具冲击力的是基础设施层面的数据：基于CUBE 5.0模块化架构，AIDC数据中心交付工期从传统的6至12个月压缩至100天，单位面积算力密度达到上一代的5至10倍。数据中心交付周期的大幅缩短，直接关系到算力供给的响应速度。在AI模型迭代以周为单位的当下，算力交付速度本身就是竞争力。阿里CEO吴泳铭给出了一个**标志性的判断——“未来机器思考总量将达到人类的1000倍以上”，而今天这一比例不到3%，并宣布目标到2032年阿里云全球数据中心规模超过20GW。20GW的规模目标，意味着阿里云正在将算力基础设施的竞争维度从“芯片数量”提升到“能源容量”层面。

两条路线指向同一个趋势：国产算力的竞争重心，正在从“有没有芯片”转向“能不能系统化地交付大规模、高效率的算力集群”。 超节点、模块化数据中心、全栈协同，成为这一阶段的关键词。更进一步看，国产算力的突破路径具有鲜明的“系统工程”特征：在单卡制程暂时落后的情况下，通过高速互联、集群调度、模块化交付和能源配套来弥补单点差距。这种路径的优劣都很明显——优势在于绕开了部分制程限制，能够较快形成可用算力；挑战则在于系统复杂度更高，对软件生态、运维能力和产业链协同的要求也更高。

从产业链角度看，国产超节点和大型AIDC的密集落地，将直接拉动服务器、液冷、光模块、电源、机柜、温控等环节的需求。尤其是液冷和高速光互联，几乎是超节点架构的“刚需”。随着昇腾950超节点规模商用和阿里CUBE 5.0架构的推广，相关产业链有望在2026年下半年至2027年迎来一轮确定性较强的放量周期。

二、全球算力供需：涨价不是噪音，是结构性信号

与国产算力密集发布几乎同步，海外算力市场传出了更具“体感”的信号。

9月17日，AI云服务商Nebius宣布自10月1日起上调按需计算资源价格，其中英伟达最新一代GPU涨幅**：H100上涨约17%，H200上涨20%，B200上涨近19%，B300上涨约21%。涨价甚至不限于GPU，AMD EPYC CPU费率上调25%，Genoa内存费率上调约41%。GPU租赁价格上涨并不罕见，但CPU和内存费率同步大幅上调，说明算力供给的紧张已经从加速卡蔓延到整个服务器硬件体系。内存费率的上涨尤其值得关注，因为HBM和DDR5的供应瓶颈正在成为AI服务器交付的隐性制约。

同日，黄仁勋在苏格兰的一场AI峰会上表示：“我预计明年英伟达销售的芯片数量将是今年的两倍”，并明确指出当前的瓶颈不是需求，而是产能。这一表态传递了两个关键信息：**，需求端依然强劲，英伟达对明年出货量翻倍的预期，意味着全球AI算力建设远未到达顶峰；第二，供给端的产能约束仍然存在，芯片制造、先进封装、HBM供应等环节都在满负荷运转。黄仁勋将瓶颈明确指向产能而非需求，实际上是在告诉市场：算力短缺的核心矛盾在供给端，而供给端的扩张需要时间。

如果将视野再拓宽一步，AI基础设施的“抢购”已经从芯片蔓延到电力。9月16日，备用发电机制造商Generac宣布与亚马逊签署长期供货协议，累计采购金额最高可达80亿美元，消息公布后股价盘中一度大涨逾30%。备用发电机原本是数据中心的配套设备，如今却成为云厂商锁定长期供应的战略物资，这背后的逻辑是：数据中心的电力需求正在超出电网的承载能力，自备电源成为保障算力稳定运行的必要条件。把云厂商提价、芯片厂商满产、电力设备大单三件事放在一起看，结论相当清晰：算力市场的供需天平仍在向供给端倾斜，产业链利润正在向上游集中，而下游AI应用公司的算力成本压力在同步抬升。

另有一条值得注意的动向：9月23日，据报道，Anthropic正就租赁最高1吉瓦算力容量与数据中心开发商进行初步谈判，试图绕开云服务商直接锁定基础设施。1吉瓦的算力容量大致相当于一座大型核电机组的输出功率，这一规模级的谈判说明，头部AI公司对算力的渴求已经超出了“租云”这一层，开始向更底层的物理基础设施渗透。绕开云服务商直接与数据中心开发商合作，一方面可以降低长期算力成本，另一方面也可以获得更高的定制化程度和供应确定性。这或许预示着未来AI公司与基础设施提供商之间的关系将更加直接和紧密。

从更宏观的视角看，全球算力供需的紧张并非短期现象。AI模型参数规模仍在增长，推理需求随着应用落地而快速上升，而芯片制造、先进封装、HBM、电力供应等环节的产能扩张都需要时间和资本开支。供需错配在中期内难以完全消除，这意味着算力价格在可见的未来仍将维持高位，算力资源的获取能力将成为AI公司核心竞争力的重要组成部分。

三、为什么这两条线必须放在一起看

单独看国产芯片发布，容易陷入“参数竞赛”的叙事；单独看海外涨价，容易停留在“周期波动”的框架。但将两者并置，一个更完整的图景浮现出来。

**，算力需求的“结构性”并未减弱，只是需求的主体在迁移。 国内方面，智谱GLM-5.3-Flash在国产算力集群上优化推理效率后，9月22日单日调用量达到4.36万亿Token，较上一统计周期增长73%，位列OpenRouter平台模型调用量**，其2026年末ARR指引也从24亿美元上调至30亿美元。中信建投的判断是，海内外AI训练、推理及基础设施需求仍处高景气。这说明，当海外头部模型公司开始讨论“放缓”时，国产模型正在以推理侧和应用侧的加速来承接算力需求。推理需求的爆发对算力提出了不同的要求：相比训练，推理更看重单位算力的吞吐效率、延迟和成本，这恰恰是超节点和专用推理芯片可以发挥优势的领域。国产算力在推理侧的机会，可能比在训练侧更大。

第二，国产算力的突破路径具有独特的“系统补偿”特征。 华为“超节点+集群”路线的战略意义，被中国人工智能学会理事汪镭概括为“用系统级创新弥补单点差距”。阿里CUBE 5.0模块化架构将交付周期压缩至100天，同样是在芯片制程之外的工程和系统层面寻找效率增量。在全球先进制程获取受限的背景下，国产算力正在用“集群规模、互联效率、交付速度、能源密度”这四个维度的系统工程能力，部分对冲单卡性能的差距。 这种路径的可行性已经在超节点部署和AIDC交付上得到初步验证，但其长期竞争力仍取决于软件生态的成熟度和产业链的协同效率。如果国产算力能够在推理场景中形成“够用、好用、便宜”的口碑，就有可能在庞大的国内AI应用市场中占据主导地位。

第三，算力租赁市场的定价权正在向上游转移，这对国产算力产业链是压力也是窗口。 海外GPU租赁价格上涨，直接推高了国内AI公司的算力获取成本。但与此同时，国产超节点和自研芯片的规模化交付，为国内市场提供了一条成本相对可控的替代路径。工信部近日部署算力基础设施扩容提质工作，分析指出国产算力正步入“产业景气+资本催化”双轮驱动窗口期，这一政策节奏与产业节奏形成了配合。政策层面的扩容提质，既包括增加算力供给，也包括优化算力调度和降低使用成本。如果国产算力能够在性能和成本之间找到平衡点，就有望在政策支持下加速渗透。

第四，能源正在成为算力竞争的新变量。 无论是阿里提出的20GW数据中心目标，还是亚马逊80亿美元采购备用发电机，抑或Anthropic谈判1吉瓦算力容量，都指向同一个事实：算力的尽头是电力。芯片可以堆叠，集群可以扩展，但电力供应和散热能力是物理层面的硬约束。未来算力中心的选址将更加依赖能源资源，核能、水电、风光资源富集地区可能成为新的算力高地。对于国产算力而言，能源配套能力可能成为与芯片性能同等重要的竞争维度。谁能够更早地锁定低成本、稳定的电力供应，谁就有可能在算力成本上占据优势。

结语

过去一周的算力新闻密度极高，但真正值得记住的或许只有一句话：算力正在从一项“技术指标”变成一项“基础设施工程”。 无论是华为的超节点集群、阿里的模块化数据中心，还是Nebius的GPU涨价和Anthropic的直接租赁谈判，都在指向同一个事实——AI对算力的需求没有放缓，只是需求的表达方式变了。从“买多少卡”变成了“能不能稳定地拿到大规模、高效率、可负担的算力交付”。

在这个转变中，国产算力的机会不在于追赶某一颗芯片的参数，而在于用系统工程的确定性，去回答市场对算力供给确定性的追问。超节点、模块化数据中心、推理优化、能源配套，这些看似分散的环节，实际上构成了一个完整的算力交付体系。谁能够在这个体系上形成闭环，谁就有可能在下一阶段的算力竞争中占据主动。

对于从业者而言，未来一年需要关注的关键节点包括：昇腾950超节点的实际交付规模、真武V900的量产进度、国产算力在推理场景中的成本优势能否兑现，以及电力配套政策能否跟上算力扩张的速度。对于投资者而言，算力产业链的价值正在从单一的芯片环节向系统集成、液冷、光互联、电源等配套环节扩散，结构性机会可能比整体性机会更为突出。

算力“通胀”与“突围”的共振仍将继续，而真正的分水岭，将出现在那些能够将系统能力转化为稳定交付的企业身上。