从抢卡到挑卡：供需天平正在倾斜
过去两年，GPU算力市场经历了罕见的卖方行情。以英伟达H100为代表的高端加速卡一度出现数倍溢价，交付周期拉长至数月甚至半年以上。但进入2025年，市场信号正在发生变化。据多家服务器渠道商反馈，部分型号的GPU现货价格较峰值回落约20%至30%，交付周期缩短至4至8周。这一变化并非需求萎缩，而是供给端产能释放与需求端结构优化共同作用的结果。
供给端：产能爬坡与替代方案并行
供给改善来自三个层面。其一，英伟达H200、B200等新一代产品逐步放量，台积电CoWoS先进封装产能较2024年明显提升，缓解了此前的封装瓶颈。其二，AMD MI300系列及国产GPU厂商的出货量稳步增长，在推理和部分训练场景中形成有效补充。其三，云厂商自研芯片持续迭代，谷歌TPU、亚马逊Trainium等已承载相当比例的内部工作负载，间接降低了对通用GPU的采购依赖。
需求端：训练趋稳，推理接棒
需求侧的结构性变化更值得关注。大模型预训练需求仍在增长，但增速已从爆发期的高位回落，头部厂商更注重算力利用效率而非单纯堆卡。与此同时，推理需求快速上升。随着AI应用从对话助手向代码生成、智能客服、多模态检索等场景渗透，推理算力消耗占比持续提高。与训练不同，推理对单卡绝对性能的要求相对宽松，更看重性价比、能效比和网络延迟，这为多元芯片方案打开了空间。
结构性分化：高端紧俏与中低端宽松并存
当前市场并非全面供过于求，而是呈现明显的结构性分化。用于超大规模训练的最顶级GPU仍供不应求，交付周期和溢价依然存在；而面向推理和中型训练任务的上一代产品，供应已相对充裕，租赁价格出现松动。有算力租赁平台数据显示，A100、A800等型号的时租价格较2024年高点下降约15%至25%，而H100集群的租赁价格保持相对坚挺。
对产业链的影响
供需再平衡正在重塑产业链利润分配。对云厂商而言，算力采购成本压力边际缓解，但价格竞争加剧，算力服务的毛利率面临考验。对GPU厂商而言，产品迭代节奏和生态壁垒仍是核心变量，单纯依靠硬件稀缺性获取超额利润的阶段正在过去。对AI应用企业而言，推理成本下降有利于商业模式跑通，但需警惕算力采购中的重复建设和闲置浪费。
总体来看，GPU算力市场正从全面紧缺走向结构性宽松，这一过程伴随着价格发现和资源再配置。市场参与者需密切关注新一代芯片量产节奏、AI应用落地速度以及地缘政策变化对供应链的扰动。本文数据来源于公开渠道及行业调研，仅供参考，不构成任何投资建议。