B300半年漲三倍；大廠集體繞開算力中轉站；Infra公司多名核心高管離職；Token成本擊穿圈人再變現丨算力情報局Vol.13

# 算力情報局Vol.13：B300半年漲三倍背後的暗流，大廠繞開算力中轉站的深層邏輯

**導語**：算力市場的瘋狂與詭譎，在這個春天達到了新的高度。從B300整機價格像脫繮野馬般一路狂飆，到“現貨”市場中暗藏的數據陷阱；從大廠悄然繞開算力中轉站的集體默契，到國產推理芯片以全新架構路線拆解算力拼圖；再到AI Infra明星公司核心高管在關鍵時刻接連離場——雷峰網本期算力情報局梳理了近期行業內的七大關鍵信號，試圖還原一個真實、複雜且正在急劇重構的AI算力世界。 ## B300價格“一天一個價”，虛假現貨伺機而動

過去半年，英偉達B300整機的市場行情，堪稱算力硬件領域最極致的狂歡與混亂樣本。據多位業內人士透露，國內B300整機的現貨報價已從春節後的400多萬元/臺一路飆升至超過1200萬元/臺，市場節奏也從“每週一個價”演變為只能以天為單位報價。價格翻了三倍，但真正的硬件並未如價格曲線般充實。 在高價與缺貨並存的扭曲狀態下，一些所謂的“現貨”其實並不存在。據知情者向雷峰網透露，其接觸的至少三四起交易中，賣方均聲稱手中有貨，但提出先要求買方提供驗資材料、企業資質、內部採購流程等信息。這種反常的“盡調前置”行為令人生疑——其最終目的，很可能是套取國內重要企業的資金狀況、採購計劃與算力部署底牌，具有明確的信息安全和商業情報竊取特徵。 與此同時，真實貨源的爭奪戰也在頭部玩家之間白熱化。有消息稱，此前正在推進規模可能超過1萬臺B300採購訂單的某華東大廠，掃貨力度比另一家同樣積極採購B300的頭部互聯網公司更為激進。為保障自身訂單安全，該大廠甚至要求部分供應商對其優先供貨，並限制供應商同時向競爭對手供貨。這種“二選一”式的供應鏈排他要求，折射出當下大模型軍備競賽已進入到對核心算力資源寸土不讓的階段。 ## 國產推理芯片“拆開做”：先把FFN流片，再攻Attention

在GPU高端芯片獲取受阻的背景下，國產AI芯片企業正在探索一條更務實的技術路線——不再試圖一次性打造完整大芯片，而是將模型架構拆解，針對不同計算模塊分別設計芯片。 有業內人士向雷峰網透露，一家長期押注AFN（Attention-Free Network）架構的國產AI芯片企業取得了實質性研發突破：面向FFN/MoE模塊的芯片已經完成流片，而Attention部分芯片仍處於設計階段。這種“先啃下FFN硬骨頭，再逐步完善Attention”的策略，意味著該公司計劃在Attention芯片成熟前，先將FFN芯片與GPU組成異構推理方案投入市場，用時間換取工程化空間。 另一條值得關注的路線來自一家專注AI推理芯片賽道的創業企業。據悉，該公司選擇從Prefill（預填充）芯片這一細分環節切入，首款產品的性能目標是超過H100對應模塊，計劃於明年底推出。在存儲方案上，其首代產品採用LPDDR，後續版本則將升級至3D堆疊。這種“不做全才、只做關鍵切片”的產品策略，正在成為國產推理芯片突圍的主流打法之一。 ## 大廠集體繞開算力中轉站：安全、性能、封號的三重代價

算力中轉站曾是業界為解決中國開發者無法直接調用海外AI模型而設計的“曲線救國”方案——通過中間層轉接，讓用戶在國內即可調用Claude、GPT等接口，且價格往往比官方更低。然而，雷峰網從多位業內人士處獲悉，大廠如今普遍不願使用算力中轉站，集體選擇繞開。 這種“集體嫌棄”背後，並非大廠“不差錢”的傲慢，而是算清了三筆賬。第一筆是數據安全賬：B端客戶無法接受核心業務數據經第三方中轉，尤其涉及模型輸入輸出內容時，只能信任原廠直接調用；第二筆是併發性能賬：中轉站難以滿足大廠對TPM（每分鐘Token數）和RPM（每分鐘請求數）的高併發需求，在推理高峰期極易成為瓶頸；第三筆是封號風險賬：中轉站通過訂閱賬號逆向超刷實現低成本轉售，極易導致原廠封禁。字節跳動、騰訊均曾因這類問題受到影響，蒙受損失。 此外，計費黑箱問題同樣不可忽視。中轉站宣稱打折，但後臺消耗數據無法逐筆追溯，而大廠的財務與風控部門要求每一筆Token消耗都能對應到具體業務場景，可查可核銷。“便宜”的中轉站無法提供這套透明度，大廠寧願按官方價格直連，也不願將核心算力命脈交由第三方把持。 ## 3D堆疊芯片創業潮起，半年估值翻數倍

AI推理需求的指數級增長，疊加國內先進製程推進受限的現實，使得3D堆疊芯片成為芯片創業領域風頭最盛的新賽道。近期，多家掌握相關技術的創業公司獲得資本密集追捧，有公司半年內估值從數億元竄升至數十億元，漲幅令人咋舌。 但資本的熱情並不意味著產業已經成熟。3D芯片涉及堆疊工藝、良率控制、散熱管理、成本結構和供應鏈協同等多重挑戰，任何一個環節未跑通都難以形成規模化出貨。在融資競速之外，真正決定公司價值的，仍是能否完成從設計到量產的閉環。投資人嘴上談著“先進封裝改變算力格局”，心裡卻清楚：離量產每近一步，估值才多一分底氣。 ## 存儲大廠收購RCD業務未果，轉投西部芯片公司

AI服務器對內存帶寬和容量的要求，正在重塑整個存儲產業鏈的競爭格局。雷峰網獲悉，國內某頭部存儲廠商此前曾與一家IP公司接觸，試圖以數百億元估值控股其RCD芯片業務BU，以快速補齊DDR5 RDIMM服務器內存核心接口芯片的能力。RCD是DDR5 RDIMM不可或缺的關鍵器件，全球主要供應商僅有三家，其戰略價值在AI服務器需求爆發背景下急劇上升。 然而，由於雙方在估值預期等核心問題上未能達成一致，這筆重磅交易最終未能落地。隨後，該存儲廠商迅速將目光轉向西部某芯片公司，開始推進RCD芯片相關合作佈局。產業整合的暗線，正在AI算力需求的牽引下加速延展。 ## AI Infra明星公司高層巨震：三位核心高管離職

華北一家因“AI工廠”路線而備受關注的AI Infra公司，近期發生重大管理層變動。雷峰網了解到，該公司有三位核心高管已離職，其中包括去年從國際科技巨頭高調加盟的首席技術官。該公司背靠地方國資體系，過去兩年承擔了多個區域級算力基礎設施項目建設，一度被業內視為國內AI工廠模式的重要實踐樣本。 在國內智算產業從“拼卡”走向“拼運營”的關鍵時期，核心管理團隊的接連離場格外耐人尋味。建設算力已經不易，但讓算力真正產生持續回報更難。“AI工廠”的口號喊了兩年，真正跑通商業閉環的案例寥寥無幾。管理層動盪背後，究竟是路線分歧還是運營壓力所致，行業內仍眾說紛紜。 ## 投資人態度分化：推理架構熱度高，但“沒流片不投”

推理新架構是當前資本市場最熾熱的話題之一，但多位投資人向雷峰網坦言，他們不知道該投哪家創業公司，甚至有人直言“不會考慮沒有完成流片的項目”。在流片之前，一切指標驗證都停留在紙面和仿真層面，這對需要真金白銀下注的機構來說，賭博色彩太濃。 與之形成對比的是，投資人對GPU賽道的判斷已趨於一致。“很難再誕生新的頭部GPU公司”，是行業內反覆出現的判斷。訓練側最終可能只會剩下一兩家企業；推理側雖然市場空間更大，長期同樣容不下太多玩家。有投資人指出，部分國產GPU公司目前仍圍繞地方智算集群項目開展業務，不僅賣芯片，還要承擔部署、運維等非標服務。這類項目難以標準化、複製性差，即便部分企業已經完成上市，距離實現真正意義上的良性商業經營仍有明顯差距。 ## AI時代算力邏輯生變：“先圈人再變現”徹底走不通

與芯片、硬件層面的洶湧暗流相比，更深層的變化發生在商業模式邏輯上。有業內人士認為，互聯網時代“先拉新、做大用戶規模、再看DAU、慢慢變現”的經典路徑，在AI時代已經失效。 核心差異在於邊際成本結構。互聯網時代，增量用戶幾乎不帶來增量成本，服務第一千萬個用戶和第一億個用戶的成本差別可以忽略不計；但AI完全不同——每新增一個活躍用戶，都會實實在在消耗Token，為每一次推理付出真金白銀的算力成本。 這就意味著，依靠用戶規模攤薄研發成本的互聯網打法徹底喪失了前提。企業無法像過去那樣通過“免費”快速圈住用戶，再通過廣告或增值服務慢慢回收成本。因此，“免費送1000萬Token”這類補貼玩法在商業上不可能成立——每送出一份，都是一筆實打實的現金支出，沒有任何平臺能耗得起這種無底洞式的燒錢。AI算力時代的競爭本質，將是單位算力效率與商業變現精度的雙重比拼，而不是用戶規模的簡單堆砌。