[SMM Computing Power Flash] Un proveedor de servicios de nube de computación inteligente completó una transacción por un servidor de ocho tarjetas A100 40G, con un alquiler mensual de aproximadamente 12.000 yuanes.

SMM ha sabido que un proveedor de servicios en la nube afirmó que puede gestionar necesidades de alquiler a corto plazo de servidores H100 de ocho tarjetas por tres meses, dando prioridad a encontrar clientes a largo plazo para la renovación una vez finalizado el contrato, y los precios del alquiler a corto plazo se incrementarán en consecuencia. Anteriormente, una universidad había propuesto una demanda de alquiler a corto plazo de 10 unidades H100. Dado que actualmente es un modelo de tarjeta muy demandado en el mercado, los proveedores suelen ofrecer contratos de plazo fijo superiores a un año para las H100. El modelo de alquiler a corto plazo de tres meses ofrece una opción flexible para la demanda temporal, pero la prima por el alquiler a corto plazo y la incertidumbre sobre la renovación al vencimiento también encarecen los costos de arrendamiento.

SMM se enteró en la conferencia WAIC de que la máquina completa de computación de alta potencia al contado se cotiza actualmente en unos 13 millones de yuan en el mercado, mientras que los intermediarios cotizan entre 13,5 y 14,5 millones de yuan. El suministro de primera mano es difícil de acceder directamente, y las transacciones deben cerrarse a través de propietarios de carga de cola, existiendo comúnmente niveles de intermediarios en la cadena de transacciones. También se supo que otra máquina completa de GPU de computación de alta potencia se cotizaba hace dos meses en unos 3,9 millones de yuan, y su precio al contado ha subido ahora a entre 4,9 y 5 millones de yuan, un incremento significativo.

SMM supo que un productor nacional de GPU reveló durante la conferencia WAIC que las empresas que están migrando de NVIDIA a GPU nacionales deben considerar de manera integral el volumen de demanda y las ventanas de tiempo de migración. El productor señaló que, debido a las grandes diferencias en la carga de trabajo de adaptación de software entre los distintos escenarios de los clientes, resultaba difícil ofrecer un compromiso unificado sobre el plazo de finalización de la adaptación, y que "depende del volumen y del tiempo" era una variable clave para determinar la viabilidad del cambio. Esta realidad refleja que las GPU nacionales aún enfrentan incertidumbres en la compatibilidad del ecosistema de software, y que el paso masivo de NVIDIA a chips nacionales se topa a corto plazo con un cuello de botella en el ciclo de adaptación.