[SMM Computing Power Flash] O preço de uma unidade única de computação de alto desempenho subiu de cerca de 9 milhões para 13 milhões, e as unidades recebidas são consumidas em uma semana.

A SMM soube que um provedor de serviços de nuvem GPU revelou em 10 de julho que a cotação de aluguel mensal para servidores bare-metal H100 estava dentro de 80 mil yuans, com preços de transação reais na nuvem variando de 75 mil a 83 mil yuans por mês. Devido ao prêmio pelos serviços de nuvem, esses preços eram mais altos do que os de acordos fechados de longo prazo. Em relação ao mercado, o provedor observou que o preço de mercado para a 4090 era de cerca de 8 mil yuans por mês, a 5090 estava cotada a 12 mil yuans por mês, e as cotações mais altas para a 5090 chegavam a 13 mil a 14 mil yuans. Enquanto isso, a fonte negou explicitamente qualquer período de baixa temporada no mercado, afirmando: "Houve demanda consistente e a oferta está relativamente apertada." No lado do poder computacional de ponta, o provedor de serviços declarou que não atuava nesse segmento e descreveu as cotações de mercado relevantes como "basicamente falsas". O poder computacional doméstico Huawei Ascend ainda não foi lançado, mas está planejado para introdução futura. A fonte também apontou que as placas gráficas de produção nacional não têm problemas de hardware, mas a otimização ainda requer o trabalho de engenheiros. A SMM também soube que a DeepSeek passou todo o ano passado adaptando placas gráficas de produção nacional.

O SMM soube que, em 8 de julho, o consumo de recursos de computação de inferência do Tencent WorkBuddy atingiu o pico devido ao lançamento do grande modelo Hy3, com a taxa de fila na tarde ultrapassando 50%, e a equipe realizou uma expansão emergencial de capacidade no mesmo dia. Essa escassez de recursos computacionais decorreu diretamente do crescimento exponencial da base de usuários — os usuários ativos mensais do WorkBuddy chegaram a 20 milhões e os diários superaram 13 milhões. Diferente do “consumo pesado e pontual de computação” no treinamento, o consumo de computação de inferência está linearmente ligado ao número de usuários: cada interação gera um consumo contínuo de tokens, e os cenários diários de escritório (processamento de documentos, geração de código, tarefas de agentes) de 13 milhões de usuários criam demandas massivas e de alta frequência por computação de inferência. Dados da plataforma OpenRouter mostram que, em maio de 2026, modelos chineses ocuparam seis das dez primeiras posições em chamadas de token, e o tráfego de inferência dos modelos nacionais está alcançando rapidamente os principais modelos norte-americanos.

8 de julho: 32 unidades de H100 spot na Mongólia Interior cotadas a 80 mil yuans por mês, 64 unidades em Xinjiang entrarão em operação em agosto; dois grandes pedidos de 128 unidades H100 surgiram, fornecedores disseram “ninguém no mercado consegue fornecer”; operadores oferecem de 65 mil a 68 mil yuans por mês pelo H100, uma diferença de preço superior a 10 mil yuans em relação ao mercado; RTX 4090 24G negociada a 7 mil yuans, próxima da mínima