按理说，现在正是AI算力需求旺盛的时刻。大型云厂商打价格战为了跑马圈地还可理解，算力租赁平台价格没有水涨船高，反而开始降价……

　　Hopper架构和Blackwell架构均包含Transformer引擎，分别推出了2款产品供市场选择，且不同架构之间的代际升级非常明显。B200的晶体管数量已达到2080亿，分别是H100的2.6倍、A100的3.8倍，后两者则发布于大模型浪潮之前。

　　眼下首批工程版B200已经送到OpenAI投入使用。据天风国际分析师郭明錤透露，英伟达Blackwell GB200四季度的出货量将在15万块至20万块，明年第一季度出货量将显著增长200%-250%，达到50-55万块。

　　这同时带动了全行业的产品迭代升级节奏，AMD、英特尔等为保持竞争力，近两年也纷纷推出更先进AI计算产品。

　　更具规模的变化体现在算力基建方面。据中国信息通信研究院测算，截至2023年底，全球算力基础设施总规模达到910EFLOPS，同比增长40%。

　　随着开源模型性能达到GPT-4水平（如405B Llama 3、DeepSeek-v2等），以及中小模型（7B-70B规模）应用更加成熟，中小企业/开发者陆续入场，以及近期趋势推理Scaling law成为新方向。黄仁勋预测，随着推理链的出现，推理的规模预计将迎来千万乃至十亿倍的增长。

　　相较于训练，推理阶段对硬件的要求没有那么高。在实际场景中，往往是用最先进设备进行训练，上一代产品进行推理。

　　因此可以看到，大型厂商依旧追捧H100、B200等高端GPU，但是中小企业/开发者不再趋之若鹜，转而关注更具性价比的选择。

　　宏观上，《人工智能算力高质量发展评估体系报告》中表示，我国算力市场还面临供给不足、算力智能水平较低、能源考验、供应链完备性不足等问题。

　　今年5月，李飞飞在采访中透露，斯坦福NLP实验室只有64块A100。相比于产业界，这个数字不值一提，但在高校圈里已经是相当富有了。

　　更普遍的现象是，许多高校实验室都只有消费级显卡，大家还需要排队使用。实验经费有限导致租赁算力也将面临更多制约。

　　今年算力市场最热门的话题莫过于“价格战”，这并不局限于卖大模型服务的云厂商，提供算力租赁的各大平台也是主角。

　　前者好比京东，其所有的GPU服务器是自营资源，通常在提供算力的同时也保障一系列配套服务，能让用户更低门槛、更便利调用算力。该模式下，定价权在运营方自己手里，今年以来多家平台都在主动降价。

　　后者好比淘宝，为机主和用户提供平台，供双方进行服务交易。这种模式较为新兴，可以让有闲置计算资源的机主将GPU出租，“挂机赚钱”。它天生就能提供更具性价比的租赁价格。

　　对于前者，用户更关心平台提供的算力是否足够划算、使用是否足够友好；对于后者，机主和用户则更在意平台是否靠谱。

　　有资历的炼丹侠们对这个平台应该都不陌生。就是它当年把3090的租用价格从4.5元/小时打到了1.32元/小时，在用户这儿是有口皆碑了。

　　GPU总规模在国内同类型平台中位列前茅，提供丰富的GPU选择小火箭ios版的功能介绍，包括A100、A800、V100、4090、3090等。

　　平台支持各种深度学习框架，如TensorFlow和PyTorch，并提供相应的CUDA环境，用户可根据需求选择合适的镜像。

　　按量计费模式下，实例开机开始计费，关机结束计费，时长可精确到秒，最低计费0.01元。关机所有数据会保留（15天），支持镜像保存、文件存储等。

　　而且只要注册，平台就送一个月炼丹会员，认证学生直接升级炼丹会员，认证期间内将一直有效。会员将享有价格优惠。

　　硅谷的代表为San Francisco Compute，从寂寂无名到成为黑马，它仅仅用了半年时间。还拿下了山姆奥特曼弟弟领投的1200万美元种子轮融资，估值达到7000万美元。

　　它的核心目标是通过共享经济的模式，降低用户使用AI算力的成本，同时让私有闲置算力被高效应用，推动了算力普惠和绿色低碳。

　　该平台支持的算力类型包括GPU、NPU、CPU、ASIC、ARM、RISC-V等，能够满足AI训练、AI推理、图像生成以及渲染等任务需求。

　　由于和AutoDL达成战略合作，背后团队是算力行业老兵，在鱼龙混杂的算力市场里是更加靠谱的选择。

　　或许也不用担心没人来租，毕竟AutoDL靠着性价比优势，在短短3年时间里形成庞大的用户基础。之前大家用卡都是靠抢的。

　　其实，AutoDL技术团队本身就来自学术圈，从2017年开始就在做GPU相关服务。这样的出身背景下，AutoDL团队自然更懂AI行业痛点，并积累了丰富经验。

　　如今，随着算力租赁市场发展更加完善，模式更加多样化，使用算力也变得像去食堂打饭一样——量大管饱还实在。