算力租赁平台格局重塑：WAIC 2026后国产十万卡集群落地，AMD联手微软挑战英伟达霸权
7月份的两件事，放在一起看，会很有感觉。
一件是WAIC 2026（世界人工智能大会）上，华为昇腾、寒武纪、壁仞科技、摩尔线程以及沐曦等厂商集体展出了"十万卡级集群"方案。不是概念，不是PPT——是真的拿出了可部署的组网方案和管理平台。
另一件是7月20日到22日这72小时内，AMD连发两颗重磅炸弹：先是宣布微软Azure将规模化部署Helios机架级AI系统，紧接着50亿美元入股Anthropic，从对方手中拿下2吉瓦推理算力的长期订单。
这两件事共同指向一个趋势：算力租赁平台的供给结构，正在从"英伟达一家独大"转向"三足鼎立"。
WAIC 2026释放的信号：国产GPU不再是"能用"，是"能打"
今年WAIC的算力展区有一个明显变化：前两年国产芯片展商还在讲"兼容CUDA"、"支持主流框架"，今年已经跳到了另外一个维度——集群管理、跨节点通信效率、故障自愈。
沐曦展出的"曦景S600 AI超节点"方案尤其引起关注。这本质上是一个针对千亿参数大模型训练场景的端到端算力基座，集成了自研GPU芯片、高速互联网络和分布式训练框架。虽然目前还处于"首批客户验证"阶段，但已经有不少大模型公司在评估其总拥有成本（TCO）——毕竟，在当前H100八卡集群月租价格居高不下的背景下，任何一个有竞争力的替代选项都值得认真算一笔账。
⚠ 算力供给暗流
2026年H1，A股算力产业链已有超过20家上市公司发布业绩预增公告。天风证券研报指出："AI大模型商业化落地带动算力采购与租赁需求持续释放，硬件、存储及算力服务环节盈利能力同步提升。"供给在扩，但需求跑得更快。
昇腾910B vs H100：算力租赁场景的真实对比
很多技术决策者关心一个问题：在算力租赁平台上，用昇腾910B替代H100到底划不划算？
这个问题不能一概而论，得分场景看：
从我们平台的实际租赁数据来看，昇腾910B在部分推理场景下的性价比确实高于H100，尤其是在对CUDA生态依赖度较低的NLP推理任务上。但如果你跑的是大量依赖CUDA自定义Kernel的训练任务，切到昇腾的迁移成本可能吃掉租卡省下来的钱。
之前我们做过一期更详细的2026年GPU租用平台价格全对比，里面有RTX4090/A100/H100不同平台的时租、月租横向数据，可以作为选型参考。
国产GPU算力租赁平台：基础设施在跟上了
目前国内主流的算力租赁平台（包括我们极智算在内）都在加快国产GPU的上架节奏。这不只是出于供应链安全考虑，更是市场需求的真实反映。
几个驱动因素：
- 政策合规：部分政企客户明确要求国产算力方案，尤其是在政务、军工和关键基础设施领域
- 成本压缩：现阶段部分国产GPU租赁价格仅相当于同类英伟达产品的50%-70%，对预算敏感的企业吸引力巨大
- 生态完善：MindSpore、PaddlePaddle等国产框架对大模型训练/推理的支持已经相当成熟，迁移成本在降低
如果你想实际体验一下GPU裸金属的租赁方案，可以参考我们上个月发布的裸金属服务器租赁2026全景，里面包含了H100和昇腾910B八卡裸金属的真实价格与部署案例。
英伟达+国产GPU，按需选择 · 即时开通进入算力市场 →
AMD+微软：50亿美元的选边站队
7月20日，AMD在发布Helios机架级AI平台的同时，还宣布了一个让半导体圈炸锅的消息——50亿美元入股Anthropic，并且锁定了一笔2吉瓦推理算力的超级订单，首批1吉瓦计划2027年上半年启动部署。
这个数字是什么概念？1吉瓦的数据中心功耗，粗略换算对应数万张高端GPU的持续运行能力。AMD这是在用真金白银告诉市场：推理算力的未来战场上，他们要跟英伟达硬碰硬。
对算力租赁平台而言，AMD入场最大的意义不在于技术上赢了谁，而在于打破了英伟达的定价权。当市场上只有一种高端GPU可选时，租赁平台拿卡成本高，终端价格就压不下来。供给多了，竞争才会真正作用于终端定价——这对所有租GPU的企业都是好事。
推理算力为什么成为新战场
AMD为什么把推理作为突破口？不只是因为训练被英伟达把持得太死，更因为推理的需求画像对AMD更友好。
"推理场景不像训练那样对生态依赖深——推理引擎（如vLLM、SGLang）对后端硬件的适配难度远低于训练框架。AMD的ROCm生态在推理侧比训练侧成熟度更高，这恰好是他们拿推理做突破口的底气所在。"——半导体行业分析师在AMD发布后的公开评论
从算力租赁平台的视角看，推理场景占比正在快速攀升。如果说2025年是"训练年"，那2026年正在变成"推理年"。这一点我们在上一篇文章WAIC 2026上算力圈都在关注什么中也有详细讨论。
企业决策者该怎么看这盘棋
对于正在评估算力采购方案的企业来说，当前这个时间点有几个明确的判断：
- 不要赌单一供应商。英伟达H100/A100依然是训练场景的最优解，但推理侧可以大胆尝试昇腾、AMD方案。采用"主训练卡+推理卡"的混合策略，是当前性价比最高的组合。
- 租赁优于购买。在GPU换代周期加快（从2年缩到18个月）的趋势下，购买GPU固定资产的折旧风险在加大。通过算力租赁平台获取弹性算力，既规避了硬件换代风险，也保持了灵活的扩容能力。
- 关注裸金属方案。如果要做大规模分布式训练，物理机仍然是首选。我们在裸金属租赁2026全景中详细对比了不同八卡集群方案的成本结构。
一句话总结当前局势：供给在变多，价格在往下走，但需求跑在供给前面。现在不做决策，意味着将来要花更高的成本。