[SMM Berita Daya Komputasi] 32 unit RTX 5090 di Barat Daya tersedia untuk sewa tahunan, sewa bulanan 13.500 Yuan.

SMM mengetahui bahwa seorang pembeli di Tiongkok Selatan menawarkan anggaran pengadaan sebesar 39.500 yuan per kartu untuk 5090, dengan pembelian minimal 100 kartu; harga eceran saat ini untuk kartu kipas 5090 adalah sekitar 41.000 yuan per kartu. Dibandingkan dengan harga kutipan pertengahan Agustus sebesar 40.800 yuan per kartu untuk kartu blower, harga kartu kipas pada dasarnya stabil, dan harga satuan kartu 5090 secara keseluruhan tetap di level tinggi 41.000 yuan. SMM berpendapat bahwa pembelian dalam jumlah besar oleh pembeli dengan anggaran sekitar 1.500 yuan per kartu di bawah harga eceran mencerminkan permintaan saluran yang kuat untuk peredaran 5090, dengan pasar pembelian kartu dalam jumlah besar yang aktif.

SMM mengetahui bahwa platform cloud regional di Tiongkok barat daya telah menyebarkan total 16 kartu daya komputasi NVIDIA 4090 untuk penerapan cloud, ditagih sebesar 1,92 yuan per jam kartu (termasuk pajak), dengan harga yang relatif stabil. Platform sebelumnya telah merilis daya komputasi cloud 4090 dengan harga yang sama yaitu 1,92 yuan per jam kartu. Kali ini, mereka memperjelas skala 16 kartu dan melengkapi dasar termasuk pajak, mempertahankan penawaran yang stabil. SMM berpendapat bahwa 4090 sekarang dipasok secara teratur dalam mode bayar per jam kartu, dengan harga yang ditetapkan pada 1,92 yuan per jam kartu, memberikan tolok ukur harga yang transparan untuk daya komputasi elastis dari kartu kelas konsumen.

SMM mengetahui bahwa Tiongkok Utara merilis 50 server RTX 5090 (memori 1T) dengan sewa bulanan 16.500 yuan per unit dalam kontrak tahunan. Dibandingkan dengan harga kontrak tahunan 13.000 hingga 13.500 yuan untuk RTX 5090 standar, versi memori besar 1T memiliki premi sekitar 22% hingga 27%, yang jelas mencerminkan nilai dari ekspansi memori. SMM berpendapat bahwa dengan latar belakang harga RTX 5090 standar yang stabil, konfigurasi memori menjadi kunci untuk penetapan harga yang berbeda. Model memori besar menargetkan skenario inferensi yang sensitif terhadap VRAM, dan premi didukung oleh permintaan.