腾讯
时政
国际
财经
科技
采集 2026-07-30T16:11:19+00:00
上半年集成电路制造业利润暴涨超2500%
原始标题:超2500%!上半年集成电路制造业利润“狂飙”
来源
腾讯
发布时间
-
采集批次
2026-07-30-16
字数
1752
URL 指纹
0f3d6977ac682e95
📌 AI 总结(232 字)
国家统计局数据显示,上半年算力需求大增推动电子行业利润同比增长96.9%,其中集成电路制造业利润同比飙升2579.5%。存储龙头长鑫科技登陆科创板首日市值突破3.28万亿元。《每日经济新闻》在郑州智能计算大会上实地调研发现,服务器内存价格一年涨3倍、板卡严重缺货、合同价一周一调,供应紧张自去年底延续至今。业内人士指出,云端推理与本地化部署各有适用场景,高端算力需求持续增长,CPU与GPU配比正从1:8向1:1转变,未来算力将像水电一样即开即用、深度融入各行业。
📄 正文(1752 字)
日前,国家统计局公布1~6月规上工业企业利润数据。 上半年,算力需求大幅增长,推动电子行业利润同比增长96.9%,拉动全部规上工业企业利润增长8.5个百分点,集成电路制造行业利润增长更是高达2579.5%。 7月27日,存储龙头长鑫科技登陆科创板,上市首日高开471%,收盘涨465.82%,市值3.28万亿元,超越工商银行成为A股总市值「一哥」。 近日,在郑州举办的「光合组织2026智能计算应用大会」上,《每日经济新闻》记者展开实地调研。 服务器合同价仅一周有效 7月中旬,郑州国际文化交流中心人头攒动。走进一楼展厅,一台两人高的机柜映入眼帘,这是国内首台十万卡AI算力集群。展厅里各厂商的服务器机箱沿过道一字排开,每个展位前围了好几层人。现场大致分两类人:服务器零部件及整机厂商,以及AI应用厂商。 根据国家统计局数据,今年上半年,计算机整机制造、计算机外围设备制造行业利润分别增长689.3%、305.8%;集成电路制造、半导体分立器件制造行业利润分别增长2579.5%、31.2%;电子专用材料制造、电子电路制造行业利润分别增长209.7%、26.9%。 浪潮计算机产品经理刘树奇表示:「现在连板卡都缺货。内存价格从去年到现在涨了3倍,去年1万元一个内存条,今年可能涨到3万元还买不着。」板卡是服务器的「地基」,CPU、GPU、存储等组件都靠它来互联互通。 一位GPU厂商人士感慨:「当时我们签了一个订单要连服务器一起卖,结果服务器一天一个价,没法交付。原来服务器就20万元,然后变成50万元,又变成80万元,还买不着。」刘树奇说:「有段时间合同价有效期只有一周。一周以后就得再核一次。」供应紧缺的情况从去年末开始一直延续到现在。 普通人如何接触算力 浪潮计算机AI产品部廖广山介绍,普通人使用大模型属于云端推理,占用云端算力。若要解决数据私密性问题,让数据只在本地流转,则需本地化部署,主要开支是购买服务器,模型是开源的,下载镜像即可。 对于一家机构要本地化部署模型并开展训练,廖广山举例:若使用DeepSeek做训练,本地运行需1倍资源;微调需约4到8倍资源;推理训练需20多倍资源。若只需保证训练稳定性,如保证AI短剧中人物形象一致性,不一定要本地化部署,可购买大模型厂商的租户隔离服务。 对于算力价格暴涨下普通人是否越来越难以触及的问题,中科曙光高级副总裁李斌认为,现在算力离普通人更近了。「以郑州的曙光8000(登峰)为例,过去主要服务科研院所的科学家,现在很大一部分资源已经接到手机App后端,提供Token服务。可能大家打开手机,背后的算力就来自郑州。」 存储越来越重要 李斌认为,在超长上下文的推理中,存储扮演的角色越来越重要。 海光信息服务器产品部总经理张攀勇表示,随着AI Agent时代的到来,大量工作实际上在CPU上完成,包括任务编排、工具调用与处理、记忆管理等,GPU更多聚焦于模型推理本身。从双路GPU服务器的配比看,过去常见1颗CPU搭配8颗GPU,或2颗CPU搭配8颗GPU,比例大致在1:4到1:8。当前由于沙箱环境、存储系统、数据库、向量计算等负载增加,整体配比已逐渐演变为1:1。 要让机身变得更小,廖广山认为可能要依赖于液冷的成熟。 算力终将「即开即用」 李斌表示,算力短缺或过剩存在阶段性波动,但AI驱动的需求仍在增长。「从IT产业发展规律来看,同等性能或效果所需成本大概率持续下降,这是产业趋势。长期看,算力一定会更加普惠。」大模型可能遵循与人脸识别相同的路径——模型能力持续进化,推理效率不断提升,单位任务所需算力成本随之下降,最终像水电一样成为基础能力。 李斌认为,未来总体方向是云化,同时边端设备会配备轻量化算力实现实时响应,个人无需购买笨重本地设备,通过App即可获取强大AI能力。 海光信息副总裁应志伟指出,算力终将像水电一样需要时即开即用,无论本地部署还是云端接入都能随时响应。AI发展到成熟阶段会根据应用特点和行业需求分化出细分形态:未来芯片布局不会仅限于数据中心的大型AI芯片,手机、手环、手表、智能眼镜等终端设备都将具备AI处理能力。大型算力中心继续承担顶级任务,但应用场景必将日益丰富多元。